企业官网建设流程全解析

cwc-workshops排行榜评分算法解析：钻石数与Token数的胜负判定规则

【免费下载链接】cwc-workshops项目地址: https://gitcode.com/GitHub_Trending/cw/cwc-workshops

在 cwc-workshops 的Agent Battle工作坊里，每位选手都会配置一个 Claude 托管 Agent 去驱动 Minecraft 机器人挖钻石：5 分钟一轮，钻石数多者获胜，Token 数少者赢下平局，只取最佳单轮成绩。本文带你快速看懂排行榜评分算法的完整胜负判定规则——钻石数怎么统计、Token 数从哪来、平局如何裁定、系统又如何防作弊。

一、30秒看懂核心评分规则

🎯 整个比赛的判定逻辑可以压缩成一句话：

Best single run wins. Most diamonds wins; fewest tokens breaks ties.（最佳单轮成绩有效：钻石最多者胜；钻石相同时，Token 消耗最少者胜。）

规则定义见 agent-battle/README.md，核心代码在排行榜状态机 event/lib/board.mjs。

二、钻石数如何统计：成就系统是唯一数据真相

很多人以为"钻石数"是客户端自报的，其实不然——服务器只信任成就上报（achievements）：

1. 机器人每捡到一个钻石，就向排行榜 POST 一条diamond_1、diamond_2…… 成就（见 bot/bot.js）。
2. 每条成就都带有run_elapsed_ms（自本轮开始以来的毫秒数），服务器端硬性校验：超过 305 秒的成就直接拒绝（MAX_RUN_MS = 305_000，见 board.mjs）。
3. 排行榜计算时，取所有diamond_N成就中最大的 N作为该选手的可信钻石数（见 board.mjs）。

💡 关键细节：/cost接口里自报的diamonds字段不参与排名，因为它没有时间闸门。真正的排名数据源只有服务端时间校验过的成就流。

三、Token数从哪来：CostTracker 与每 2 回合上报

Token 数由本地 harness 统计并单独上报（因为只有它知道 API 的真实用量）：

• CostTracker累积input_tokens + output_tokens，每执行一次 Minecraft 动作记 1 个 turn（见 harness/leaderboard.py）。
• 每 2 个回合向/api/cost上报一次当前 tokens/turns 总量，保证直播间能看到"实时成本曲线"（REPORT_EVERY = 2）。
• 每轮开始时reset_run()会清零钻石计数并打上时间戳runStartedAt——这就是防作弊的时间锚点（见 bot/bot.js）。

也就是说：挖得越多分越高，但每一句废话、每一次冗余轮询状态，都在悄悄扣你的 Token 余额。这正是比赛考核的"效率"维度——官方 README 直言：默认 Agent 聊天太多、重复轮询、矿脉挖完不转移，都会拖垮成绩。

四、平局怎么判：钻石降序 + Token 升序

排序逻辑集中在Board.leaderboard()里，只有两行比较函数（见 board.mjs）：

先比 diamonds_count：多的排前面（降序） 再比那轮的 tokens：少的排前面（升序）

注意一个容易忽略的点：Token 数取的是"最佳单轮"里那一轮的 Token 消耗，而不是历史最低 Token 数。举例：你第 1 轮挖了 10 颗钻石用了 80 万 Token，第 3 轮只挖了 8 颗但只花了 50 万 Token——排行榜按 10 颗钻石（第 1 轮）算，平局裁决也用第 1 轮的 80 万 Token。不能"高轮次的钻石 + 低轮次的 Token"混搭刷分。

此外，/cost上报的钻石数还有一道单调钳制：单轮内钻石最多每次涨 10 颗（prevD + 10），防止 curl 伪造成就时出现突兀跳变，让假分数"爬得慢"而不是"瞬间爆炸"。

五、防作弊设计：305秒时间闸门 + Top-3 回放验证

这套评分算法的防作弊分三层，对新手来说理解它们比理解排名本身更有趣：

🕐第一层：时间闸门每条成就必须满足run_elapsed_ms ≤ 305s，否则 403 拒绝。客户端改RUN_SECONDS毫无意义——机器人会给每条成就盖章，超过 5 分 05 秒的一律作废。

🔐第二层：单轮锁定与身份凭证每轮开始强制reset_run()，防止第二轮接着第一轮继续累计；写入排行榜需要参与者 JWT（PARTICIPANT_TOKEN），且只能操作自己的那一行。

🔍第三层：Top-3 人工回放前 3 名要用 harness/verify.py 回放整局 JSONL 日志，从每回合的库存快照重建"本应触发哪些成就"，再和排行榜对账。它不是密码学级别的，但足以抓住"curl 假成就"这类简单作弊——因为日志里diamonds_collected计数器不会说谎。

六、新手速查：关键文件与参数地图

📌 想深入这套评分规则，按这个路径读代码最快：

一句话总结

这套排行榜算法的精髓是**"产出 vs 成本"的双指标设计**：钻石数衡量 Agent 干了什么，Token 数衡量它花了多少代价去干。想赢，不只需要挖得狠，还需要少说话、少轮询、挖完矿脉果断转移——这正是 Agent 配置（system prompt、skills、MCP 工具）调优的全部意义。改完配置先用--eval的 30 秒决策探针验证，再提交 5 分钟正式局，才是正确的迭代姿势。

【免费下载链接】cwc-workshops项目地址: https://gitcode.com/GitHub_Trending/cw/cwc-workshops