智能体办公测评中，环境变量不是背景噪声，而是会直接影响结果的实验条件。页面布局、登录状态、账号权限或网络波动发生变化时，任务成功率和耗时都可能随之改变。若这些条件没有固定，测出的就不只是智能体能力，也混入了环境差异。
测评前应先定义“环境基线”：固定浏览器版本、屏幕尺寸、网络条件、账号权限、初始页面与网页数据；每次运行从同一数据快照开始。涉及模型、产品版本、浏览器操作方式、可用工具及提示内容的差异，也应记录并披露。不同智能体若无法使用相同配置，就不能把结果差距简单归因于执行能力。
隔离测试环境尤其重要。使用虚构账号和模拟业务数据，避免真实客户信息、付款或不可逆提交；高影响操作应设置人工确认。这样既降低测试风险，也能避免真实业务状态变化干扰后续运行。
环境异常需要预先约定处理规则，而不是事后挑选样本。网络故障、测试网页不可用等情况应单独记录，并按统一规则决定是否重跑；不能只删除表现不佳的执行记录。每次运行都要留下环境状态、任务结果、错误和人工介入情况，便于判断问题究竟来自智能体，还是来自测试条件。
控制环境变量并不意味着把办公场景简化成永远不变的页面。更稳妥的做法是先在固定条件下建立可比较的基线，再有计划地改变页面、数据或权限等单一条件，观察表现如何变化。这样才能区分稳定执行能力与对特定环境的依赖，并据此判断哪些流程适合试点、哪些仍需人工把关。