Terminal-Bench 团队推出的框架，用于在容器环境中评估和优化智能体与语言模型。 Harbor 是一个用于评估和优化智能体与语言模型的框架。它可以让 Claude Code、OpenHands、Codex CLI 等智能体在容器环境中运行基准测试任务。

harbor 可以免费使用吗？用的什么许可证？

harbor 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。

harbor 还在维护吗？

活跃维护中。harbor 最近一次提交是在 2026年10月19日。

harbor 适合用来做什么？

在终端任务上对比不同的编码智能体与语言模型。大规模运行 SWE-Bench 等第三方基准测试。为内部智能体创建自定义评测环境。收集 rollout 数据，用强化学习训练智能体。

harbor 怎么安装和运行？

使用 uv 安装 Harbor: uv tool install harbor 或使用 pip 安装 Harbor: pip install harbor 设置模型提供商的 API 密钥: export ANTHROPIC_API_KEY= 使用 Docker 在本地运行 Terminal-Bench-2.0: harbor run --dataset terminal-bench@2.0 --agent claude-code --model anthropic/claude-opus-5-5 --n-concurrent 4

在哪里获取 harbor？

源代码和安装说明在 GitHub 上：https://github.com/harbor-framework/harbor

harbor-framework/harbor

Terminal-Bench 团队推出的框架，用于在容器环境中评估和优化智能体与语言模型。

在 GitHub 查看官网

Star: 6,257
Fork: 2,032
未关闭 Issue: 1,094
最近提交: 4小时前

这是什么？

Harbor 是一个用于评估和优化智能体与语言模型的框架。它可以让 Claude Code、OpenHands、Codex CLI 等智能体在容器环境中运行基准测试任务。

除了运行现有基准，用户还可以构建并分享自己的基准测试与运行环境。实验可以在大量环境中并行进行，既可以用 Docker 在本地运行，也可以通过参数切换到 Daytona、Modal 等云端沙箱服务。它是 Terminal-Bench-2.0 的官方评测工具，也支持运行 SWE-Bench 等第三方数据集。

此外，Harbor 还能为强化学习优化生成 rollout 数据。项目通过 uv 或 pip 安装为命令行工具。

核心功能

01可评测 Claude Code、OpenHands、Codex CLI 等任意智能体。
02支持在大量容器化环境中并行运行实验。
03支持本地 Docker 运行，也支持 Daytona、Modal 等云端服务。
04允许用户构建并分享自定义基准与环境。
05可为强化学习优化生成 rollout 数据。
06是 Terminal-Bench-2.0 的官方评测工具。

适用场景

在终端任务上对比不同的编码智能体与语言模型。
大规模运行 SWE-Bench 等第三方基准测试。
为内部智能体创建自定义评测环境。
收集 rollout 数据，用强化学习训练智能体。

快速上手

1
使用 uv 安装 Harbor
uv tool install harbor
2
或使用 pip 安装 Harbor
pip install harbor
3
设置模型提供商的 API 密钥
export ANTHROPIC_API_KEY=<YOUR-KEY>
4
使用 Docker 在本地运行 Terminal-Bench-2.0
harbor run --dataset terminal-bench@2.0 --agent claude-code --model anthropic/claude-opus-5-5 --n-concurrent 4

使用前须知

运行示例需要 Anthropic API 密钥和 Docker。
Daytona 等云端环境需要单独的 API 密钥和账户。

常见问题

harbor 是什么？: Terminal-Bench 团队推出的框架，用于在容器环境中评估和优化智能体与语言模型。 Harbor 是一个用于评估和优化智能体与语言模型的框架。它可以让 Claude Code、OpenHands、Codex CLI 等智能体在容器环境中运行基准测试任务。
harbor 可以免费使用吗？用的什么许可证？: harbor 以 Apache-2.0 许可证开源。用于商业产品前，请先确认许可证条款。
harbor 还在维护吗？: 活跃维护中。harbor 最近一次提交是在 2026年10月19日。
harbor 适合用来做什么？: 在终端任务上对比不同的编码智能体与语言模型。大规模运行 SWE-Bench 等第三方基准测试。为内部智能体创建自定义评测环境。收集 rollout 数据，用强化学习训练智能体。
harbor 怎么安装和运行？: 使用 uv 安装 Harbor: uv tool install harbor 或使用 pip 安装 Harbor: pip install harbor 设置模型提供商的 API 密钥: export ANTHROPIC_API_KEY=<YOUR-KEY> 使用 Docker 在本地运行 Terminal-Bench-2.0: harbor run --dataset terminal-bench@2.0 --agent claude-code --model anthropic/claude-opus-5-5 --n-concurrent 4
在哪里获取 harbor？: 源代码和安装说明在 GitHub 上：https://github.com/harbor-framework/harbor

概要由 AI 根据项目 README 生成；GitHub 数据每日更新。