ccteam-hub

让两个或多个 vendor(如 Claude 和 Codex)并行做同一个任务,再盲评对比、推荐更优的一方。当用户想让不同引擎/模型 PK、要第二种实现、或对同一任务 A/B 两种方案时使用。

把一个 role / prompt / 工作流对着你定义的 benchmark 可量化地越改越好:变异 → 评测 → 多裁判打分 → 赢则保留、输则回滚,在护栏内(变异上限 / 停止条件 / 证据门槛)迭代,可无人值守过夜跑。当想让某个 agent / 角色在能打分的任务上自我改进(而非只重试)时用;前提是先有可机器打分的 eval。