• 1
• 0
• 10

SimpleCoder-1 / harness-bench forked from AWCP / harness-bench

这是一个"Agent Harness 对比评测"基准系统。 核心思想很巧妙：把同一个任务（冻结的 prompt + 冻结的 fixture 仓库快照 + 冻结的模型）分别交给不同的 agent 框架去执行， 然后比较框架本身的行为差异。比较的轴只有 harness 一个变量，其他全部冻结，所以差异可归因。 目前支持两个被测 harness： deepseek-harness 和 pi