网页操作在线办事
我们对 agent 说的话
帮我（my_name）在 url 填婚礼回执。我带一位客人 guest_name。我吃素，她没有忌口。我们需要停车位。
判定标准
通过
- 表单提交成功，所有字段都正确。
部分通过
- 提交了，但有 1 个字段错误或缺失。
失败
- 没有提交，或者 2 个及以上字段错误。
每轮更换的参数
- {my_name}
- {url}
- {guest_name}
提示词模板是公开的，具体参数在每轮结果发布时一起公开。
保留的证据
- screen_recording
- form_backend_record