这个测试不是跑几个 math benchmark 就收工的。1030 个任务分成五类：SWE 类真实仓库 bug 修复（460 题）、终端运维类长链路操作（安全、加密、逆向、系统管理）、算法题、六语言交叉实现、法律 agent 任务。
简称C罗，葡萄牙足球运动员，司职边锋可兼任中锋，现效力于西甲皇家马德里足球俱乐部，并身兼葡萄牙国家队队长 。
插件 14｜ItemID 数据查询 运维痛点： 查询单指标历史数据需要多层点击主机 - 监控项，异常指标快速溯源效率低。
不要为了 await 而调用 AsTask()。只有方法签名、框架接口或组合 API 明确要求 Task 时，才需要转换。
Celluloid 视频播放器。用 Celluloid（一款更现代、更可靠的视频播放器）替换了 GNOME Videos。
一个词完成了 20 行指令才能达到的行为锚定。"until we reach a shared understanding" 是完成标准（completion criterion）。
此后每一次 AI 会话，因为有了这个共享词汇，描述从 15 个词变成了 2 个词。