判断智能体是否自主完成，不能只看最终结果是否正确，还要追问：目标状态是谁实现的，中途是否有人改变了任务、修正了内容或代替它执行操作。只要人工补救被计入“成功”，完成率就会掩盖智能体的真实能力边界。
可先把“自主完成”定义为：智能体在预先给定的任务、权限和规则内，独立达到全部成功条件；测试人员没有暗中补充指令、修改结果或手动完成步骤。相应地，“人工补救”包括补充必要信息、纠正错误内容、代为操作，或在失败后接手完成。仅生成合理建议不等于完成跨应用任务，还需核对目标应用中的实际状态，以及相关对象、内容和约束是否正确。
安全确认应单独记录，不能一概算作补救。若测试流程预先规定关键操作须由人授权，这属于授权门槛；若智能体因无法继续而要求人工处理，则属于接管。两者都意味着任务并非完全自主，但原因不同，报告时应分开标注，避免把正常的安全控制误判为能力缺陷，也避免把人工接管包装成自主成功。
最可靠的判定依据是操作轨迹与应用状态变化，而不是演示过程或口头说明。记录每次人工介入发生在哪一步、做了什么、为何介入；同时检查智能体是否识别错误、保留已完成内容、避免重复操作，并在恢复后达到目标。这样才能区分“自行恢复”和“人帮忙兜底”。
最终至少应分别报告满足全部条件的任务比例，以及无需人工介入的自主完成比例；再说明接管原因和判定口径。若一次任务经人工修改后成功，应记为“人工介入后完成”，而不是自主完成。只有把结果、过程和介入边界同时纳入评价，测试成绩才真正说明智能体能独立承担到哪一步。