博主提议构建 oops-benchmark，量化 AI Agent 的破坏性误操作

博主 konstmish 提议构建 oops-benchmark，专门衡量 AI Agent 执行任务时“不小心搞坏东西”的频率与严重程度。该设想针对主流评测偏重任务成功率、较少关注副作用与破坏性误操作的空白，呼吁基准测试者关注 Agent 使用过程中的破坏性风险。