Fundamentals
パーソナルエージェント向けベンチマークパック
Personal Agent Benchmark Pack は、ローカルの個人アシスタントワークフロー向けに、リポジトリで管理される小規模な QA シナリオパックです。汎用的なモデルベンチマークではなく、新しいランナーも必要ありません。非公開 QA スタック（QA の概要）、合成 QA チャネル、既存の qa/scenarios YAML カタログを再利用します。
シナリオ
qa/scenarios/personal/*.yaml で定義されている 10 個のシナリオ：
| シナリオ ID | チェック内容 |
|---|---|
personal-reminder-roundtrip |
ローカル Cron 配信による架空の個人リマインダー |
personal-channel-thread-reply |
qa-channel を介した架空の DM およびスレッド返信のルーティング |
personal-memory-preference-recall |
一時的な QA ワークスペースのメモリファイルからの架空の設定内容の呼び出し |
personal-redaction-no-secret-leak |
架空のシークレットがエコーバックされないことのチェック |
personal-tool-safety-followthrough |
短い承認形式のターン後に、安全な読み取りを根拠としてツール処理を最後まで実行すること |
personal-approval-denial-stop |
機密性の高いローカル読み取り要求に対する承認拒否時の停止動作 |
personal-task-followthrough-status |
保留中、ブロック中、完了を区別する、証拠に基づくタスクステータス報告 |
personal-share-safe-diagnostics-artifact |
生の個人情報を省きつつ有用なステータスを保持する、安全に共有できる診断アーティファクト |
personal-no-fake-progress |
ローカルの証拠が存在する前に偽の進捗を示さない、証拠に基づく完了の表明 |
personal-failure-recovery |
部分的なステータスを報告し、再試行の境界を明確に保つ障害復旧 |
機械可読なパックメタデータ（ID リスト、タイトル、説明）は、extensions/qa-lab/src/scenario-packs.ts の QA_PERSONAL_AGENT_SCENARIO_IDS にあります。--pack personal-agent を指定してパックを実行します：
OPENCLAW_ENABLE_PRIVATE_QA_CLI=1 pnpm openclaw qa suite \ --provider-mode mock-openai \ --pack personal-agent \ --concurrency 1--pack は、繰り返し指定された --scenario フラグに追加されます。明示的なシナリオが先に実行され、その後、重複を除いたパックのシナリオが QA_PERSONAL_AGENT_SCENARIO_IDS の順序で実行されます。
このパックは、mock-openai または別のローカル QA プロバイダーレーンと組み合わせた qa-channel を対象としています。ライブチャットサービスや実在する個人アカウントを対象にしないでください。
プライバシーモデル
シナリオでは、架空のユーザー、架空の設定内容、架空のシークレット、およびスイートによって作成される一時的な QA Gateway ワークスペースのみを使用します。実際の OpenClaw ユーザーのメモリ、セッション、認証情報、起動エージェント、グローバル設定、または稼働中の Gateway の状態を読み書きしてはなりません。
アーティファクトは既存の QA スイートのアーティファクトディレクトリ内に保持され、テスト出力として扱われます。秘匿化チェックでは架空のマーカーを使用するため、失敗時にも安全に調査して Issue に記録できます。
パックの拡張
qa/scenarios/personal/ に新しい .yaml ケースを追加してから、そのシナリオ ID を QA_PERSONAL_AGENT_SCENARIO_IDS に追加します。各ケースは小規模かつローカルで、mock-openai において決定論的に動作し、個人アシスタントの 1 つの動作に焦点を絞ってください。
有望な追加候補：秘匿化された軌跡のエクスポートチェック、ローカル専用 Plugin ワークフローのチェック。
シナリオカタログに、そのインターフェースを正当化できるだけの安定したケースが蓄積されるまでは、新しいランナー、Plugin、依存関係、ライブトランスポート、モデルジャッジを追加しないでください。
