Um framework da equipe do Terminal-Bench para avaliar e otimizar agentes de IA e modelos de linguagem em ambientes de contêineres.
NVlabs/Skill2Env
Transforma qualquer Agent Skill em tarefas de terminal prontas para RL no formato Harbor, usando agentes Codex em contêineres Docker.
- Estrelas
- 185
- Forks
- 18
- Issues abertas
- 0
- Último commit
- há 18 dias
O que é?
O Skill2Env recebe pastas de Agent Skill e gera tarefas de terminal no formato Harbor, a estrutura usada em ambientes de reinforcement learning. Cada tarefa gerada inclui um arquivo de instruções, uma definição de ambiente Docker, fixtures, um verificador com critérios de avaliação e uma solução de referência opcional.
O pipeline executa agentes Codex em contêineres: um planejador decide quantas tarefas cada Skill deve gerar, e agentes criadores constroem cada tarefa. A ferramenta requer um host Linux com Docker, Python 3.12+ e uma conta conectada ao Codex. As execuções em lote podem percorrer recursivamente uma árvore de diretórios, e há uma opção para retomar o processo ignorando as Skills já concluídas.
O repositório também inclui o SkillHub, uma coleção de pastas de Skill com licenças permissivas que podem ser usadas como entrada.
Recursos principais
- 01Converte pastas de Agent Skill em tarefas de terminal no formato Harbor.
- 02Executa agentes Codex planejadores e criadores em contêineres Docker.
- 03Gera arquivos de instruções, ambiente e verificação, além de um arquivo de solução opcional para cada tarefa.
- 04Percorre diretórios de entrada recursivamente e permite retomar lotes interrompidos.
- 05Inclui o SkillHub, um conjunto de pastas de Skill com licenças permissivas para usar como entrada de exemplo.
Casos de uso
- Criar ambientes de treinamento de RL para agentes de terminal a partir de Skills existentes.
- Gerar em lote tarefas verificáveis a partir de uma coleção de Agent Skills.
- Experimentar transformar habilidades reutilizáveis de agentes em dados de treinamento.
Início rápido
- 1
Clone o repositório
git clone git@github.com:NVlabs/Skill2Env.git - 2
Acesse o diretório do projeto
cd Skill2Env - 3
Instale as dependências com uv
uv sync - 4
Gere até duas tarefas a partir de um Skill de exemplo (requer Docker, Python 3.12 ou superior e login no Codex)
uv run skill2env generate --input-root SkillHub/test_samples/game-developer --out output/quickstart --max-tasks-per-skill 2 --max-parallel-workers 2
Antes de usar
- É necessário um host Linux com o Docker em execução.
- É necessário ter feito login no Codex em ~/.codex/auth.json e ter acesso à internet durante a geração.
- A primeira execução pode levar de 20 a 30 minutos em um host com 4 CPUs.
Tópicos
Perguntas frequentes
- O que é Skill2Env?
- Transforma qualquer Agent Skill em tarefas de terminal prontas para RL no formato Harbor, usando agentes Codex em contêineres Docker. O Skill2Env recebe pastas de Agent Skill e gera tarefas de terminal no formato Harbor, a estrutura usada em ambientes de reinforcement learning. Cada tarefa gerada inclui um arquivo de instruções, uma definição de ambiente Docker, fixtures, um verificador com critérios de avaliação e uma solução de referência opcional.
- Skill2Env é gratuito? Qual é a licença?
- Skill2Env é open source sob a licença Apache-2.0. Confira os termos da licença antes de usá-lo em produtos comerciais.
- Skill2Env ainda é mantido?
- Manutenção ativa. O último commit de Skill2Env foi em 1 de out. de 2026.
- Para que posso usar Skill2Env?
- Criar ambientes de treinamento de RL para agentes de terminal a partir de Skills existentes. Gerar em lote tarefas verificáveis a partir de uma coleção de Agent Skills. Experimentar transformar habilidades reutilizáveis de agentes em dados de treinamento.
- Como instalar Skill2Env?
- Clone o repositório: git clone git@github.com:NVlabs/Skill2Env.git Acesse o diretório do projeto: cd Skill2Env Instale as dependências com uv: uv sync Gere até duas tarefas a partir de um Skill de exemplo (requer Docker, Python 3.12 ou superior e login no Codex): uv run skill2env generate --input-root SkillHub/test_samples/game-developer --out output/quickstart --max-tasks-per-skill 2 --max-parallel-workers 2
- Onde consigo Skill2Env?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/NVlabs/Skill2Env
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Jogo de cartas Fight the Landlord em Go, com partidas online, reconexão, bots inteligentes e distribuição totalmente aleatória, sem algoritmos de manipulação das cartas.
ASPIRE é um framework em que agentes de programação refinam iterativamente habilidades reutilizáveis de robôs para tarefas de manipulação simuladas e reais, em vez de treinar pesos do modelo.
Monitor de sistema multiplataforma para terminal e web, com métricas de CPU, memória, disco, rede, processos e contêineres, além de REST API e exportações.
Uma interface local de revisão no navegador para anotar planos de agentes, Markdown, HTML e diffs de código e enviar feedback de volta aos agentes de programação.
Emulador de terminal com aceleração por GPU para Windows, macOS e Linux, com SSH e SFTP, painéis divididos, persistência de sessões e fluxos de trabalho com CLIs de IA.