Skip to main content
Jeden Skill in Manus ausführen
mit einem Klick

agent-benchmark

Sterne10
Forks2
Aktualisiert4. Juni 2026 um 21:12

Run agent tasks across multiple LLMs in parallel tmux sessions, score results with a weighted rubric, track improvements over time in JSONL, and generate harness improvement recommendations. Use when comparing model performance, evaluating harness changes, or identifying agent failure patterns at scale.

Installation

Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.

Datei-Explorer
6 Dateien
SKILL.md
readonly