fix(eval): OpenClaw eval, import to ov use default user

benchmark/locomo/README.md

@@ -16,9 +16,12 @@ benchmark/locomo/
 │   ├── data/           # 测试数据目录
 │   └── result/         # 评测结果目录
 └── openclaw/           # OpenClaw 评测脚本
-    ├── eval.py         # OpenClaw 评估脚本
+    ├── import_to_ov.py # 导入数据到 OpenViking
+    ├── eval.py         # OpenClaw 评估脚本 (ingest/qa)
     ├── judge.py        # LLM 裁判打分（适配 OpenClaw）
+    ├── stat_judge_result.py    # 统计评分结果和 token 使用
     ├── run_full_eval.sh        # 一键运行完整评测流程
+    ├── data/           # 测试数据目录
     └── result/         # 评测结果目录
 ```
 
@@ -158,19 +161,28 @@ python stat_judge_result.py --input <评分结果文件>
 
 ```bash
 cd benchmark/locomo/openclaw
-bash run_full_eval.sh                      # 只导入 OpenViking
+bash run_full_eval.sh                      # 只导入 OpenViking（跳过已导入的）
 bash run_full_eval.sh --with-claw-import   # 同时导入 OpenViking 和 OpenClaw（并行执行）
 bash run_full_eval.sh --skip-import        # 跳过导入步骤，直接运行 QA 评估
+bash run_full_eval.sh --force-ingest       # 强制重新导入所有数据
+bash run_full_eval.sh --sample 0           # 只处理第 0 个 sample
 ```
 
 **脚本参数说明：**
 
+| 参数 | 说明 |
+|------|------|
+| `--skip-import` | 跳过导入步骤，直接运行 QA 评估 |
+| `--with-claw-import` | 同时导入 OpenViking 和 OpenClaw（并行执行） |
+| `--force-ingest` | 强制重新导入所有数据（忽略已导入记录） |
+| `--sample <index>` | 只处理指定的 sample（0-based） |
+
 **脚本执行流程：**
 1. 导入数据到 OpenViking（可选同时导入 OpenClaw）
 2. 等待 60 秒确保数据导入完成
 3. 运行 QA 评估（`eval.py qa`，输出到 `result/qa_results.csv`）
 4. 裁判打分（`judge.py`，并行度 40）
-5. 统计结果（`stat_judge_result.py`）
+5. 统计结果（`stat_judge_result.py`，同时统计 QA 和 Import 的 token 使用）
 
 **脚本内部配置参数：**
 
@@ -184,9 +196,50 @@ bash run_full_eval.sh --skip-import        # 跳过导入步骤，直接运行 Q
 
 ### 分步使用说明
 
-使用 `openclaw/eval.py` 进行 OpenClaw 评测，该脚本有两种模式：
+OpenClaw 评测包含以下脚本：
+- `import_to_ov.py`: 导入数据到 OpenViking
+- `eval.py`: OpenClaw 评估脚本（ingest/qa 两种模式）
+- `judge.py`: LLM 裁判打分
+- `stat_judge_result.py`: 统计评分结果和 token 使用
+
+---
+
+#### import_to_ov.py - 导入对话数据到 OpenViking
+
+```bash
+python import_to_ov.py [选项]
+```
 
-### 模式 1: ingest - 导入对话数据到OpenClaw
+**参数说明：**
+- `--input`: 输入文件路径（JSON 或 TXT），默认 `../data/locomo10.json`
+- `--sample`: 指定样本索引（0-based）
+- `--sessions`: 指定会话范围，如 `1-4`
+- `--question-index`: 根据 question 的 evidence 自动推断需要的 session
+- `--force-ingest`: 强制重新导入
+- `--no-user-agent-id`: 不传入 user_id 和 agent_id 给 OpenViking 客户端
+- `--openviking-url`: OpenViking 服务地址，默认 `http://localhost:1933`
+- `--success-csv`: 成功记录 CSV 路径，默认 `./result/import_success.csv`
+- `--error-log`: 错误日志路径，默认 `./result/import_errors.log`
+
+**示例：**
+```bash
+# 导入所有数据（跳过已导入的）
+python import_to_ov.py
+
+# 强制重新导入，不使用 user/agent id
+python import_to_ov.py --force-ingest --no-user-agent-id
+
+# 只导入第 0 个 sample
+python import_to_ov.py --sample 0
+```
+
+---
+
+#### eval.py - OpenClaw 评估脚本
+
+该脚本有两种模式：
+
+##### 模式 1: ingest - 导入对话数据到 OpenClaw
 
 ```bash
 python eval.py ingest <输入文件> [选项]
@@ -195,37 +248,83 @@ python eval.py ingest <输入文件> [选项]
 **参数说明：**
 - `--sample`: 指定样本索引
 - `--sessions`: 指定会话范围，如 `1-4`
-- `--viking`: 使用 OpenViking 而非 OpenClaw 导入
 - `--force-ingest`: 强制重新导入
 - `--agent-id`: Agent ID，默认 `locomo-eval`
+- `--token`: OpenClaw Gateway Token
 
 **示例：**
 ```bash
 # 导入第一个样本的 1-4 会话到 OpenClaw
-python eval.py ingest locomo10.json --sample 0 --sessions 1-4
-
-# 导入到 OpenViking
-python eval.py ingest locomo10.json --sample 0 --viking
+python eval.py ingest locomo10.json --sample 0 --sessions 1-4 --token <token>
 ```
 
-### 模式 2: qa - 运行 QA 评估
-- 该评测制定了指定了`X-OpenClaw-Session-Key`，确保每次openclaw使用相同的session_id。Token计算将统计`session.jsonl`文件中的所有assistant轮次的Token消耗。每道题目执行完后会清空session.jsonl文件。
-- 该评测仅支持单线程运行，不支持并发。
-- 需先执行一次，查看`.openclaw/agents/{your_agent_id}/sessions/`下的session文件ID，作为`--session-id`参数的值开始完整评测。
+##### 模式 2: qa - 运行 QA 评估
+
+- 该评测指定了 `X-OpenClaw-Session-Key`，确保每次 OpenClaw 使用相同的 session_id
+- Token 计算统计 `session.jsonl` 文件中的所有 assistant 轮次的 Token 消耗
+- 每道题目执行完后会归档 session 文件
+- 支持并发运行（`--parallel` 参数）
+- 问题会自动添加时间上下文（从最后一个 session 提取）
+
 ```bash
 python eval.py qa <输入文件> [选项]
 ```
 
 **参数说明：**
-- `--output`: 输出文件路径
+- `--output`: 输出文件路径（不含 .csv 后缀）
 - `--sample`: 指定样本索引
 - `--count`: 运行的 QA 问题数量
 - `--user`: 用户 ID，默认 `eval-1`
+- `--parallel`: 并发数，默认 10，最大 40
 - `--token`: OpenClaw Gateway Token（或设置 `OPENCLAW_GATEWAY_TOKEN` 环境变量）
 
 **示例：**
 ```bash
-python eval.py qa locomo10.json --sample 0 --output qa_results.txt
+# 运行所有 sample 的 QA 评估
+python eval.py qa locomo10.json --token <token> --parallel 15
+
+# 只运行第 0 个 sample
+python eval.py qa locomo10.json --sample 0 --output qa_results_sample0
+```
+
+---
+
+#### judge.py - LLM 裁判打分
+
+```bash
+python judge.py [选项]
+```
+
+**参数说明：**
+- `--input`: QA 结果 CSV 文件路径
+- `--parallel`: 并发请求数，默认 40
+
+**示例：**
+```bash
+python judge.py --input ./result/qa_results.csv --parallel 40
+```
+
+---
+
+#### stat_judge_result.py - 统计结果
+
+同时统计 QA 结果和 OpenViking Import 的 token 使用：
+
+```bash
+python stat_judge_result.py [选项]
+```
+
+**参数说明：**
+- `--input`: QA 结果 CSV 文件路径，默认 `./result/qa_results_sample0.csv`
+- `--import-csv`: Import 成功 CSV 文件路径，默认 `./result/import_success.csv`
+
+**输出统计包括：**
+- QA 结果统计：正确率、token 使用（no-cache、cacheRead、output）
+- OpenViking Import 统计：embedding_tokens、vlm_tokens、total_tokens
+
+**示例：**
+```bash
+python stat_judge_result.py --input ./result/qa_results_sample0.csv --import-csv ./result/import_success.csv
 ```
 
 ---