在线访问：mos2es.org — 面向人机操作系统的系统智能。 AI 操作者在性能指标与基准测试领域的新标准。 为日常操作和 AI 工作流建立系统智能基线。 无内容的 token 遥测。绝不含你的提示词。
企业级 AI 操作者评估。衡量人们如何操作 AI——而非 AI 模型本身。
MO§ES™ 负责为企业构建系统智能——衡量人们在工具、任务、工作流和各类场景中驱动 AI 系统的效率。正如 BI 看见业务本身，MO§ES™ 看见业务如何操作 AI。
Related MCP server: scan-your-ai-toolkit
MO§ES™ 是一个企业级 AI 操作者评估平台。它衡量人们如何操作 AI 系统——而非 AI 模型本身、使用量或自我报告的能力。借助无内容的 token 遥测技术（输入、输出、缓存读取、缓存写入——不包含提示词文本，也不包含响应文本），MO§ES™ 在以下层面建立系统智能基线：
操作者 — 个人驱动 AI 的效能
团队 — 队列分布与能力拓扑
工作流 — AI 在工作中的嵌入位置，而不仅仅是是否被使用
组织 — 跨团队基准测试与能力映射
该平台围绕你的工作流、角色和 AI 系统构建定制化评估，对照内部与外部参考人群进行性能基准测试，诊断能力差距与发散模式，测试有针对性的干预措施，并重新衡量变化。
BI 看见业务本身。MO§ES™ 看见业务如何操作 AI。
LMSYS 对模型进行基准测试。Braintrust 评估产品输出。Langfuse 追踪 LLM 调用。WakaTime 记录时间。CostHawk 记录支出。它们都无法看见日常操作与 AI 工作流中的系统智能。MO§ES™ 正是缺失的那一层。
仓库 / 站点 | 是什么 | URL |
MO§ES™ Enterprise（本仓库） | 该平台——Python 评估引擎、CLI、MCP 服务器、演示、宣传页、企业演示、Workers | |
SigRank SignalAF | 公开排行榜——按 token 级联效率对操作者进行排名 | |
SigRank MCP | 检测工具——提取 token 支柱、计算级联、提交到排行榜 |
|
SIGNOMY | 受治理的 AI 代理市场——排名代理组建团队、执行任务、赚取收入 | |
SigEconomy | 公开 LLM 操作者评估——只读排行榜、SEO/AEO 入口 |
入口 | URL | 说明 |
宣传站点 | 营销、方法论、演示、对比、预约 | |
企业演示 | 交互式产品演示（评估 → 诊断 → 工作流 → 对比） | |
MCP 服务器 | 27 个工具的 MCP 服务器（22 个读取 + 5 个写入），支持流式 HTTP | |
MCP 服务器信息 | 服务器信息 JSON（版本、工具数量、传输方式） | |
MCP 服务器卡片 | 包含所有工具模式的完整服务器卡片 | |
OpenAPI 规范 | REST API 规范 | |
LLM 指引 | 供 AI 代理和爬虫使用的 llms.txt | |
站点地图 | XML 站点地图 | |
预约演示 | B2B 演示预约，含结构化信息收集表单 |
curl -sL https://mos2es.org/demo/run.py | python3 -这条命令将仓库克隆到临时目录，安装 rich，并运行完整的 11 步演示流程。需要 Python 3.10+ 和 git。
git clone https://github.com/SunrisesIllneverSee/Moses_Enterprise_B2BPilot_.git
cd Moses_Enterprise_B2BPilot_/_01_platform
pip install rich
python3 -m src.cli.main demo fullcd _01_platform
python3 -m pytest tests/ -q
# 527 tests passcd _01_platform
pip install mcp
python3 -m src.mcp_server.server添加到 Claude Desktop 配置中（macOS 上为 ~/Library/Application Support/Claude/claude_desktop_config.json）：
{
"mcpServers": {
"moses": {
"url": "https://mcp.mos2es.org/mcp",
"transport": "http"
}
}
}或直接调用工具：
curl -s -D /tmp/h -X POST https://mcp.mos2es.org/mcp \
-H "Content-Type: application/json" \
-d '{"jsonrpc":"2.0","id":1,"method":"initialize","params":{}}' > /dev/null
SID=$(grep -i "^mcp-session-id:" /tmp/h | tr -d '\r\n' | sed 's/.*: //')
curl -s -X POST https://mcp.mos2es.org/mcp \
-H "Content-Type: application/json" -H "MCP-Session-Id: $SID" \
-d '{"jsonrpc":"2.0","id":2,"method":"tools/list"}' | python3 -m json.tool步骤 | 名称 | 说明 |
1 | LOAD | 加载 50 名操作者的合成队列 |
2 | EVALUATE | 计算每次观测的指标 |
3 | BENCHMARK | 计算百分位排名 |
4 | DIAGNOSE | 运行模式检测器 |
5 | OPERATOR×SYSTEM | 分解操作者与系统的影响 |
6 | INTERVENE | 分配有针对性的干预措施 |
7 | RE-EVALUATE | 干预后重新衡量 |
8 | OUTCOME LINEAGE | 追踪观测 → 转换 → 产物 → 结果 |
9 | REPORT | 生成 Markdown + PDF 试点报告 |
10 | VISUALIZE | 生成 9 张架构图 |
11 | DASHBOARD | 导出高管 HTML 仪表板 |
演示完全基于合成数据运行。没有真实操作者、真实提示词文本或真实 API 调用。结果具有确定性——运行两次会产生完全相同的结果。
指标 | 衡量内容 |
Yield | AI 输出中最终进入已提交状态的比例 |
Leverage | 每消耗一个 token 所产生的输出价值 |
Token SNR | token 使用中的信噪比 |
Construction | 通过增量构建而非替换的输出占比 |
Divergence | 使用模式与操作模式之间的差距 |
15 个评估家族。13 个基准类别。4 个测量层级（操作者、团队、工作流、组织）。
_01_platform/ Python platform (the product)
src/ Source code (domain, metrics, analysis, diagnostics, CLI, MCP server)
tests/ 527 tests
demo_data/ Synthetic demo cohort (50 operators, 1,668 observations)
scripts/ Utility scripts
schemas/ JSON schemas
_02_demo-website/ Enterprise demo site (enterprise.mos2es.org)
_03_promo-site/ Promo site (mos2es.org)
vs/ 16 competitor comparison pages
alternatives/ 8 alternatives listicle pages
concepts/ 10 concept explainer pages
guides/ 4 how-to guides
demo/run.py One-liner demo runner
.well-known/mcp.json MCP server discovery
_04_onepager/ One-pager site
_workers/ Cloudflare Workers
promo-worker/ mos2es.org worker (static assets + AEO/SEO/GEO headers)
moses-worker/ enterprise.mos2es.org worker (static assets)
onepager-worker/ One-pager worker (static assets)
mcp-worker/ MCP server worker (computes live from raw data, 27 tools)MCP 服务器通过流式 HTTP 在 https://mcp.mos2es.org/mcp 上提供 27 个工具（22 个读取 + 5 个写入）。公共服务器无需身份验证。
读取工具包括：队列统计、操作者画像、指标分布、基准排名、发散发现、干预结果、结果谱系、工作流适配度、组织拓扑等。
写入工具包括：创建干预、分配干预、记录结果、创建评估配置、创建试点配置。
服务器基于原始观测数据实时计算——没有预先计算的结果。每次调用都会运行实际的评分、基准测试和诊断引擎。
curl -s https://mcp.mos2es.org/.well-known/mcp/server-card.json | python3 -m json.tool返回包含全部 27 个工具模式、传输信息和元数据的完整服务器卡片。
本仓库部署了四个 Workers：
Worker | 域名 | 说明 |
| mos2es.org | 宣传站点 + AEO/SEO/GEO 头 + 代理可发现性（llms.txt、sitemap、OpenAPI、MCP 链接） |
| enterprise.mos2es.org | 企业演示站点 |
| (workers.dev) | 单页宣传页 |
| mcp.mos2es.org | MCP 服务器（27 个工具，实时计算） |
npm install -g wrangler
cd _workers/promo-worker && wrangler deploy
cd _workers/moses-worker && wrangler deploy
cd _workers/onepager-worker && wrangler deploy
cd _workers/mcp-worker && wrangler deployMCP worker 从平台演示数据自动生成的原始数据文件（observations.js、lineages.js）进行实时计算。若要在更新演示数据后重新生成：
cd _workers/mcp-worker/src
python3 -c "
import json
with open('../../../_01_platform/demo_data/observations.jsonl') as f:
data = [json.loads(l) for l in f if l.strip()]
with open('observations.js', 'w') as f:
f.write('export default '); json.dump(data, f); f.write(';\n')
with open('../../../_01_platform/demo_data/lineages.jsonl') as f:
data = [json.loads(l) for l in f if l.strip()]
with open('lineages.js', 'w') as f:
f.write('export default '); json.dump(data, f); f.write(';\n')
"**品牌：**MO§ES™（使用分节符 §）
所有结果声明均为 ASSOCIATION（关联性），绝非 CAUSATION（因果性），除非有受控实验支持
综合得分属于 DEVELOPMENTAL（发展性），绝非 PERSONNEL（人事性） —— 不得用于惩罚目的，不得用于员工排行榜
操作者相似度是指标相似度，而非性格匹配
无内容遥测 —— 观测中不包含提示文本、输出正文或代码内容
无提示内容监控 —— 仅凭 token 结构即可观察操作者表现
治理就绪 —— 每条输出均带有证据标签（DEVELOPMENTAL、HYPOTHESIS、ASSOCIATION）
MO§ES™ 与您现有的 BI、eval 套件、可观测性工具和生产力分析协同工作。它度量的是这些工具看不见的系统智能层。它不是替代品 —— 而是缺失的那一块。
# | 支柱 | 说明 |
1 | 系统智能 | MO§ES™ 以 BI 透视业务的方式，透视人-AI 操作系统。操作者表现、工作流契合度、工具选择、能力分布、干预结果 —— 全部从结构而非内容中度量。 |
2 | 标准操作绩效指标 | 5 项规范指标。15 个 eval 家族。13 个基准测试类别。4 个度量层级。一套开放、文档化的规范，用于度量人类如何操作 AI。参考实现为 MO§ES™。 |
3 | 定制企业级 Evals | 贵公司不应沿用他人对 AI 熟练度的定义。围绕您的工作流、角色、模型和绩效问题构建的 Evals。 |
4 | 互补，而非替代 | 与您现有的 BI、eval 套件、可观测性工具和生产力分析协同工作。是缺失的那一块，而非替代品。 |
5 | 隐私优先 / 治理 | 无内容 token 遥测。不含提示文本。无监控。每条输出均带有 DEVELOPMENTAL / HYPOTHESIS / ASSOCIATION 证据标签。开箱即用，治理就绪。 |
PolyForm Noncommercial 1.0.0 —— 参见 LICENSE。允许个人使用、研究与非商业使用。商业使用须获得许可。专利申请中。
mos2es.org · 预约演示 · 运行演示 · MCP 服务器
由 Deric J. McHenry —— Ello Cello LLC 构建
MCP server providing access to the Scorecard API to evaluate and optimize LLM systems.
AI Reasoning Cache & Consensus Layer with 11 MCP tools via Streamable HTTP.
MCP server for AI agents to plan, verify, and deploy Cloudflare-native apps.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/SunrisesIllNeverSee/Moses_Enterprise_B2BPilot_'
If you have feedback or need assistance with the MCP directory API, please join our Discord server