如何用电子表格和 Agent 搭建自己的个人 Benchmark

一位模厂从业者分享如何从真实使用场景攒题，用电子表格两页分别放题库和成绩单，建立个人 Benchmark。题库按数学、物理、计算机各 10%、历史 5%、生活常识 5%、文学 20%、Coding 和工作问题 40% 分布，判定规则写成必须提到什么、不能出现哪种做法、漏了哪点算挂。他还给出把 JSON 结构交给 Agent 自动作答和判卷的指令，按事实性、概念性、程序性、元认知四类归因失败原因。