t-bench 的安装和配置教程

1. 项目的基础介绍和主要的编程语言

t-bench 是一个用于测试 AI 代理在真实终端环境中表现的开源项目。它通过一系列的终端任务来评估 AI 代理处理实际端到端任务的能力，如编译代码、训练模型和设置服务器等。t-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。该项目目前处于早期测试阶段，包含了大约 50 个任务。

t-bench 项目主要使用以下编程语言：

• Python
• C++
• Shell
• C
• Dockerfile

2. 项目使用的关键技术和框架

t-bench 使用以下关键技术和框架：

• uv：一个轻量级的 Python 任务运行器，用于运行和调度任务。
• Docker：用于创建沙盒环境，确保任务在隔离的环境中执行。
• 终端技术：利用终端技术来模拟和执行各种终端命令。

3. 项目安装和配置的准备工作和详细的安装步骤

准备工作

在安装 t-bench 前，请确保您的系统已安装以下依赖：

• Python 3.13 或更高版本
• Docker

安装步骤

以下是安装 t-bench 的详细步骤：

1. 克隆项目仓库：

   打开命令行，执行以下命令克隆项目仓库：

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

2. 安装 Python 依赖：

   在项目根目录下，执行以下命令安装 Python 依赖：

   pip install -r requirements.txt
   

3. 安装 Docker：

   请根据您的操作系统，从 Docker 官方网站下载并安装 Docker。确保 Docker 服务正在运行。

4. 安装 uv：

   在项目根目录下，执行以下命令安装 uv：

   pip install uv
   

5. 运行执行框架：

   安装完成后，您可以运行执行框架来测试 t-bench。执行以下命令：

   uv run scripts_python/run_harness.py
   

6. 创建新任务（可选）：

   如果您想创建新任务，可以使用任务向导。执行以下命令启动任务向导：

   uv run wizard
   

按照上述步骤操作，您应该能够成功安装和配置 t-bench 项目，并开始使用它来测试您的 AI 代理。如果在安装过程中遇到任何问题，请查阅项目的官方文档或向社区寻求帮助。