我们对 agent 说的话
在 GitHub 上找 3 个热门的开源 category 项目，每个至少 1,000 star，把名字、star 数、最近提交日期做成表格，发到 me。
判定标准
通过
- 收到带表格的邮件；3 个项目真实存在且都至少 1,000 star；star 数误差不超过 5%，日期正确。
部分通过
- 收到邮件，但有 1 个数值错误，或者表格是直接粘在正文里的文字。
失败
- 没有收到邮件，或者 2 个及以上数值错误，或者有编造的项目。
每轮更换的参数
- {category}
- {me}
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
- received_email
- github_snapshot