Skip to main content
Exécutez n'importe quel Skill dans Manus
en un clic

agent-benchmark

Étoiles10
Forks2
Mis à jour4 juin 2026 à 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

Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.

Explorateur de fichiers
6 fichiers
SKILL.md
readonly