评价Cortex AI代理，要看能不能完成长线真实工作

我对AI智能体的看重之处，不在于它回答得更快，而在于我能否给它安排一份真正的工作，离开几小时，回来就能看到可量化的进展。我就是带着这个标准看待@Cortex_Network_的。

我会用下面这份工作来做测试：给智能体六小时时间，追踪新的Web3项目，按融资和产品活跃度过滤，筛掉已经研究过的项目，对比代币设计，最后返回带来源的排名候选短名单。

我仍然想要验证的是，Cortex能否自动把这份工作拆分给多个智能体完成，以及六小时后进度是否仍然被保存，不需要我手动继续对话。

Runtime通过让长任务在单轮对话结束后依然保持活跃来解决连续性问题。ACP解决协调问题，允许不同智能体分别处理研究、过滤或评估，而不是强迫单个智能体做完所有事。Skills解决执行问题，在通用模型不够用时，给智能体提供专用工具。

OpenClaw已经提供了runtime、持久会话、ACP和Skills，所以光有这些特性并不是我会使用Cortex的主要原因。

让Cortex更有意思的点在于，它尝试把持久执行、多智能体协调、专用技能和链上激励整合到同一个可运行网络中。它的网络层目的就是让智能体接收工作、和其他智能体协调、在工作流阶段之间传递输出、并在链上结算已验证的奖励。

这个方向比单纯在一个智能体框架之上再加一个界面要有用得多。

我仍然需要得到关于以下问题的明确答案：什么样算完成工作、智能体需要提交什么证据、奖励什么时候可以申领、以及争议如何处理。权限也很重要。一旦智能体可以和钱包、合约或资产交互，执行边界就会成为产品本身的一部分。

接下来六个月，我会通过四个信号评判Cortex：持久任务完成率、跨智能体合作成功率、链上奖励结算量，以及权限相关事件。

如果#CortexNetwork拿不出这四个信号，那它就依然只是一个套了网络叙事概念的OpenClaw部署而已。如果它能拿出来，那它的网络层就是真实的。