首页
/ Terminal-Bench 开源项目最佳实践教程

Terminal-Bench 开源项目最佳实践教程

2025-05-24 08:01:53作者:裘旻烁

1. 项目介绍

Terminal-Bench 是由 Laude Institute 开发的一个开源项目,旨在为大型语言模型(LLM)提供一个在真实终端环境下的测试基准。这个项目通过一系列的终端任务来评估 AI 代理如何处理现实世界中的端到端任务,如编译代码、训练模型和设置服务器等。Terminal-Bench 包含两部分:一个任务数据集和一个将语言模型连接到终端沙盒的执行框架。

2. 项目快速启动

环境准备

在开始之前,确保您的系统中已经安装了以下依赖:

  • Docker
  • Python 3.7 或更高版本
  • uv 工具(用于运行 Python 脚本)

克隆项目

git clone https://github.com/laude-institute/t-bench.git
cd t-bench

安装依赖

pip install -r requirements.txt

运行执行框架

安装完成后,您可以通过以下命令运行执行框架:

uv run scripts_python/run_harness.py

如果要指定特定的代理、模型和任务配置,可以使用以下命令:

export ANTHROPIC_API_KEY=<YOUR_KEY>
uv run scripts_python/run_harness.py \
  --agent terminus \
  --model-name anthropic/claude-3-7-latest \
  --dataset-config datasets/terminal-bench-core-v0.yaml \
  --n-concurrent-runs 8

请替换 <YOUR_KEY> 为您的 Anthropic API 密钥。

3. 应用案例和最佳实践

创建新任务

创建新任务最简单的方式是使用任务向导。在安装并配置好环境后,运行以下命令:

uv run wizard

这将为您提供一个交互式的界面,指导您创建新的任务。

贡献任务

贡献新任务时,请确保遵循以下最佳实践:

  • 任务描述应该清晰、具体。
  • 提供的测试脚本能准确验证任务的完成情况。
  • 提供参考(Oracle)解决方案,以便他人可以理解任务的要求。

代码审查

在贡献代码之前,请确保代码风格整洁,遵循项目现有的编码标准。使用 pre-commit 插件进行代码格式化和检查:

pre-commit install
pre-commit run --all-files

4. 典型生态项目

Terminal-Bench 作为一个测试基准,可以与多种 AI 代理和模型集成。以下是一些典型的生态项目:

  • 模型集成:集成不同的语言模型,如 GPT-3、BERT 等,来评估它们在终端任务中的表现。
  • 任务自动化:使用 Terminal-Bench 自动化执行和评估复杂的终端任务。
  • 教育研究:在教育领域使用 Terminal-Bench 作为教学工具,帮助学生和研究人员理解 AI 代理的终端任务处理能力。

通过遵循上述最佳实践,您可以更好地利用 Terminal-Bench 项目,为 AI 代理的终端任务处理提供有效的测试和评估。

登录后查看全文
热门项目推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
260
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
854
505
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
254
295
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
331
1.08 K
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
397
370
note-gennote-gen
一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
kernelkernel
deepin linux kernel
C
21
5