菜单
Guide for running ReCodeAgent-Codex-TB2 Harbor ENV Run terminal-bench-2 BENCHMARK Evaluate TASKs Operation Guide
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
基于 SOC 职业分类
| name | ReCodeAgent-CodexCLI-TB2-Harbor-Evaluate-ENV-Operation |
| description | Guide for running ReCodeAgent-Codex-TB2 Harbor ENV Run terminal-bench-2 BENCHMARK Evaluate TASKs Operation Guide |
版本: v0.2.0 更新日期: 2025-11-22 作者: ReCodeAgent Team
┌─────────────────────────────────────────────────────────────────────────┐
│ macOS 开发环境 (Host) │
├─────────────────────────────────────────────────────────────────────────┤
│ ReCodeAgent 开发仓库 │
│ /Users/arthur/dev-space/ReCodeAgent/ │
│ ├── recode-core/ # Rust 核心实现 │
│ │ ├── src/ # 源代码 │
│ │ ├── templates/ # Jinja2 Prompt 模板 (源) │
│ │ └── Cargo.toml # Rust 依赖配置 │
│ └── scripts/ # Python 桥接脚本 │
│ └── terminal_bench_bridge.py │
├─────────────────────────────────────────────────────────────────────────┤
│ Harbor 安装目录 (uv tools) │
│ /Users/arthur/.local/share/uv/tools/harbor/ │
│ └── lib/python3.13/site-packages/harbor/agents/installed/ │
│ ├── recode_agent.py # Harbor Agent 定义 │
│ ├── install-recode-agent.sh.j2 # 安装脚本模板 │
│ └── recode-assets/ # 资产目录 │
│ ├── recode-agent # Linux x86_64 二进制 │
│ ├── templates/ # Jinja2 模板 (部署) │
│ └── scripts/ # Python 桥接脚本 │
├─────────────────────────────────────────────────────────────────────────┤
│ Harbor Workspace │
│ /Users/arthur/harbor-workspace/ │
│ └── jobs/ # 任务执行结果存储 │
│ └── YYYY-MM-DD__HH-MM-SS/ │
│ └── task-name__ID/ # 每个任务的独立目录 │
└─────────────────────────────────────────────────────────────────────────┘
│
│ Docker Volume Mount
│ ${HOME}/.codex:/tmp/host-codex:ro
▼
┌─────────────────────────────────────────────────────────────────────────┐
│ Docker Container (Terminal-Bench 2.0) │
├─────────────────────────────────────────────────────────────────────────┤
│ /app/ # 工作目录 (Harbor 标准) │
│ ├── recode-agent # ReCodeAgent Rust 二进制 │
│ ├── AGENTS.md # 渲染后的系统提示 (Codex 自动加载) │
│ ├── instruction.md # 任务指令文件 │
│ ├── templates/ # Jinja2 模板 │
│ ├── scripts/ # Python 桥接脚本 │
│ │ └── terminal_bench_bridge.py │
│ └── .codex/ # Codex CLI 配置 │
│ ├── auth.json # 认证信息 (从 Host 复制) │
│ └── config.toml # 配置文件 (模型设置等) │
├─────────────────────────────────────────────────────────────────────────┤
│ /installed-agent/ # Harbor 上传的资产 │
│ ├── recode-agent # 二进制 │
│ ├── templates/ # 模板 │
│ ├── scripts/ # 脚本 │
│ └── install.sh # 安装脚本 │
├─────────────────────────────────────────────────────────────────────────┤
│ 系统组件 │
│ ├── Node.js 22 + npm # Codex CLI 依赖 │
│ ├── Codex CLI (@openai/codex) # LLM 交互 │
│ └── Python 3.12 # 桥接脚本运行时 │
└─────────────────────────────────────────────────────────────────────────┘
Harbor Run CMD
│
▼
┌─────────────────┐
│ 1. 上传资产 │ recode-agent, templates/, scripts/
└───────┬─────────┘
│
▼
┌─────────────────┐
│ 2. 运行安装脚本 │ install-recode-agent.sh.j2
└───────┬─────────┘
│
▼
┌─────────────────┐
│ 3. 执行步骤 │ command-0 → command-1 → command-2 → command-3
└───────┬─────────┘
│
├──▶ Step 1: 设置 Codex 认证 (复制 auth.json, config.toml)
│
├──▶ Step 2: 渲染 AGENTS.md (从 Jinja2 模板)
│
├──▶ Step 3: 执行任务 (recode-agent execute + codex exec)
│
└──▶ Step 4: 清理 (删除 auth.json)
/Users/arthur/dev-space/ReCodeAgent/recode-core/
├── Cargo.toml # 依赖配置
├── src/
│ ├── main.rs # CLI 入口
│ ├── lib.rs # 库入口
│ ├── codex/ # Codex CLI 集成
│ │ └── thread_manager.rs
│ ├── execution/ # Python 代码执行
│ │ ├── python_executor.rs # ⚠️ 包含 import re, os 修复
│ │ └── env_adapter.rs
│ ├── orchestrator/ # DFS 树执行引擎
│ │ ├── engine.rs
│ │ └── runtime.rs
│ └── tree/ # 决策树结构
│ └── node.rs
└── templates/ # Jinja2 Prompt 模板 (源)
cargo build --release --manifest-path recode-core/Cargo.toml
# 输出: recode-core/target/release/recode-core
# 使用 Docker 交叉编译
docker build --platform linux/amd64 -f Dockerfile.build-x86 -t recode-builder .
# 提取二进制
docker create --name recode-extract recode-builder
docker cp recode-extract:/build/recode-core/target/release/recode-core ./recode-agent-linux-x86_64
docker rm recode-extract
# 验证
file ./recode-agent-linux-x86_64
# 应输出: ELF 64-bit LSB pie executable, x86-64...
FROM --platform=linux/amd64 rust:1.83-bookworm
WORKDIR /build
RUN apt-get update && apt-get install -y \
build-essential \
pkg-config \
libssl-dev \
&& rm -rf /var/lib/apt/lists/*
COPY . .
RUN cargo build --release --manifest-path recode-core/Cargo.toml
RUN ls -lh recode-core/target/release/recode-core && \
file recode-core/target/release/recode-core
| 依赖 | 版本 | 用途 |
|---|---|---|
| tokio | 1.35 | 异步运行时 |
| clap | 4.4 | CLI 参数解析 |
| serde/serde_json | 1.0 | JSON 序列化 |
| tree-sitter | 0.20 | Python AST 解析 |
| minijinja | 2.12 | Jinja2 模板渲染 |
| tracing | 0.1 | 日志追踪 |
/Users/arthur/dev-space/ReCodeAgent/recode-core/Dockerfile
# ReCodeAgent-Codex-TB2 Container Unified Architecture
FROM node:20-slim
# 安装 Python 和系统依赖
RUN apt-get update && apt-get install -y \
python3 python3-pip python3-venv curl ca-certificates \
&& rm -rf /var/lib/apt/lists/*
WORKDIR /app
# 安装 Codex CLI
RUN npm install -g @openai/codex@latest
# 复制 ReCodeAgent 二进制和模板
COPY target/release/recode-core /app/recode-agent
RUN chmod +x /app/recode-agent
COPY templates/ /app/templates/
# Python 依赖
RUN pip3 install --no-cache-dir --break-system-packages anthropic requests
# Codex 配置目录 (运行时通过 Volume Mount 填充)
RUN mkdir -p /app/.codex
ENV CODEX_HOME=/app/.codex
ENV PATH="/app:${PATH}"
ENV RUST_LOG=info
CMD ["/bin/bash"]
LABEL architecture="linux/amd64"
LABEL version="0.2.0"
cd /Users/arthur/dev-space/ReCodeAgent/recode-core
# 先构建 Linux 二进制
docker build --platform linux/amd64 -f ../Dockerfile.build-x86 -t recode-builder ..
docker create --name tmp recode-builder
docker cp tmp:/build/recode-core/target/release/recode-core target/release/recode-core
docker rm tmp
# 构建最终镜像
docker build --platform linux/amd64 -t recode-agent-codex-tb2:latest .
注意: Harbor 不直接使用此 Docker 镜像。Harbor 使用 Terminal-Bench 2.0 的基础镜像，然后通过
install-recode-agent.sh.j2脚本在运行时安装 ReCodeAgent 组件。
开发环境 (源) Harbor 资产目录 (部署) 容器内 (运行时)
───────────────── ────────────────────── ─────────────────
recode-core/templates/ recode-assets/templates/ /app/templates/
├── recode_tb2_agents_md.jinja2 ──▶ ├── recode_tb2_agents_md.jinja2 ──▶ ├── *.jinja2
├── recode_tb2_prompt.jinja2 ├── recode_tb2_prompt.jinja2 │
├── recode_microtexecute_tb2_... ├── recode_microtexecute_tb2_... │
└── ... └── ... │
│
▼
/app/AGENTS.md
(渲染后的最终结果)
# 从开发环境同步模板到 Harbor 资产目录
cp -r recode-core/templates/*.jinja2 \
/Users/arthur/.local/share/uv/tools/harbor/lib/python3.13/site-packages/harbor/agents/installed/recode-assets/templates/
# 同步 fewshots 子目录
cp -r recode-core/templates/fewshots/* \
/Users/arthur/.local/share/uv/tools/harbor/lib/python3.13/site-packages/harbor/agents/installed/recode-assets/templates/fewshots/
recode_agent.py 将 recode-assets/templates/ 上传到容器 /installed-agent/templates/install-recode-agent.sh.j2 将模板复制到 /app/templates/recode-agent render-template 命令渲染 AGENTS.md# 容器内执行 (Step 2)
/app/recode-agent render-template \
--template "$TEMPLATE_NAME" \ # e.g., recode_tb2_agents_md.jinja2
--output /app/AGENTS.md \
--task-name "$TASK_NAME" \
--instruction-path /app/instruction.md
| 模板文件 | 用途 | 大小 |
|---|---|---|
recode_tb2_agents_md.jinja2 | 默认 - AGENTS.md 系统提示 | ~21KB |
recode_tb2_prompt.jinja2 | TB2 任务 Prompt | ~20KB |
recode_microtexecute_tb2_prompt.jinja2 | Codex 扩展用微执行 Prompt | ~25KB |
recode_system_prompt.jinja2 | 基础系统提示 | ~4KB |
recode_tb2_checkpoint_minimal.jinja2 | Checkpoint 验证 | ~5KB |
/Users/arthur/.local/share/uv/tools/harbor/lib/python3.13/site-packages/harbor/agents/installed/
├── recode_agent.py # Harbor Agent 定义 (Python)
├── install-recode-agent.sh.j2 # 安装脚本模板 (Jinja2)
└── recode-assets/ # 资产目录
├── recode-agent # Linux x86_64 二进制 (~7.8MB)
├── templates/ # Jinja2 模板
│ ├── *.jinja2
│ └── fewshots/
└── scripts/
└── terminal_bench_bridge.py # Python 桥接脚本
# recode_agent.py
class ReCodeAgent(BaseInstalledAgent):
_OUTPUT_FILENAME = "recode.txt"
_AGENTS_MD_FILENAME = "AGENTS.md"
def __init__(self, *args, **kwargs):
self._template = kwargs.get("template", "recode_tb2_agents_md.jinja2")
self._max_steps = kwargs.get("max_steps", 99999)
@staticmethod
def name() -> str:
return "recode-agent" # Harbor 识别名称
async def setup(self, environment):
# 1. 上传二进制 → /installed-agent/recode-agent
# 2. 上传模板 → /installed-agent/templates/
# 3. 上传脚本 → /installed-agent/scripts/
# 4. 运行安装脚本
def create_run_agent_commands(self, instruction):
# 返回 4 个 ExecInput 命令:
# Step 1: 设置 Codex 认证
# Step 2: 渲染 AGENTS.md
# Step 3: 执行任务
# Step 4: 清理
# 同步二进制
cp ./recode-agent-linux-x86_64 \
/Users/arthur/.local/share/uv/tools/harbor/lib/python3.13/site-packages/harbor/agents/installed/recode-assets/recode-agent
# 同步模板
cp -r recode-core/templates/*.jinja2 \
/Users/arthur/.local/share/uv/tools/harbor/lib/python3.13/site-packages/harbor/agents/installed/recode-assets/templates/
# 同步脚本
cp scripts/terminal_bench_bridge.py \
/Users/arthur/.local/share/uv/tools/harbor/lib/python3.13/site-packages/harbor/agents/installed/recode-assets/scripts/
# 如果修改了 recode_agent.py 或其他 Harbor 代码
cd /Users/arthur/dev-space/harbor
uv pip install -e .
harbor run [OPTIONS]
| 参数 | 简写 | 说明 | 示例 |
|---|---|---|---|
--dataset | -d | 数据集名称@版本 | terminal-bench@2.0 |
--task | -t | 任务名称 | regex-log, password-recovery |
--agent | -a | Agent 名称 | recode-agent |
--agent-kwarg | Agent 参数 (可多次使用) | template=recode_tb2_prompt.jinja2 | |
--n-concurrent | -n | 并发数 | 4 |
--jobs-dir | -o | 结果存储目录 | jobs |
--timeout-multiplier | 超时倍数 | 1.5 | |
--debug | 启用调试日志 | ||
--disable-verification | 跳过验证 |
# 基础运行 (使用默认模板)
cd /Users/arthur/harbor-workspace
harbor run -d terminal-bench@2.0 -t regex-log -a recode-agent
# 指定模板
harbor run -d terminal-bench@2.0 -t regex-log -a recode-agent \
--agent-kwarg template=recode_tb2_prompt.jinja2
# 限制最大步数
harbor run -d terminal-bench@2.0 -t regex-log -a recode-agent \
--agent-kwarg max_steps=100
# 组合多个参数
harbor run -d terminal-bench@2.0 -t password-recovery -a recode-agent \
--agent-kwarg template=recode_tb2_agents_md.jinja2 \
--agent-kwarg max_steps=50 \
--timeout-multiplier 2.0 \
--debug
# 批量运行所有任务
harbor run -d terminal-bench@2.0 -a recode-agent -n 4
| 变量 | 说明 |
|---|---|
CODEX_HOME | Codex 配置目录 (/app/.codex) |
TASK_NAME | 任务名称 |
TEMPLATE_NAME | 使用的模板文件名 |
MAX_STEPS | DFS 树最大步数 |
INSTRUCTION | 任务指令文本 |
RUST_LOG | Rust 日志级别 (info) |
创建 sync-to-harbor.sh:
#!/bin/bash
# sync-to-harbor.sh - 同步开发环境修改到 Harbor
set -e
RECODE_DIR="/Users/arthur/dev-space/ReCodeAgent"
HARBOR_ASSETS="/Users/arthur/.local/share/uv/tools/harbor/lib/python3.13/site-packages/harbor/agents/installed/recode-assets"
echo "=== 1. 构建 Linux x86_64 二进制 ==="
cd "$RECODE_DIR"
docker build --platform linux/amd64 -f Dockerfile.build-x86 -t recode-builder .
docker create --name recode-extract recode-builder 2>/dev/null || true
docker cp recode-extract:/build/recode-core/target/release/recode-core "$HARBOR_ASSETS/recode-agent"
docker rm recode-extract 2>/dev/null || true
chmod +x "$HARBOR_ASSETS/recode-agent"
echo "✓ 二进制已同步"
echo ""
echo "=== 2. 同步模板 ==="
cp -r "$RECODE_DIR/recode-core/templates/"*.jinja2 "$HARBOR_ASSETS/templates/"
cp -r "$RECODE_DIR/recode-core/templates/fewshots/"* "$HARBOR_ASSETS/templates/fewshots/" 2>/dev/null || true
echo "✓ 模板已同步"
echo ""
echo "=== 3. 同步桥接脚本 ==="
cp "$RECODE_DIR/scripts/terminal_bench_bridge.py" "$HARBOR_ASSETS/scripts/"
echo "✓ 脚本已同步"
echo ""
echo "=== 同步完成 ==="
ls -la "$HARBOR_ASSETS"
# 1. 修改 Rust 代码
vim recode-core/src/execution/python_executor.rs
# 2. 本地快速测试 (macOS)
cargo run --release --manifest-path recode-core/Cargo.toml -- \
execute --task-name test --instruction "test task" --working-dir /tmp --max-steps 5
# 3. 同步到 Harbor
./sync-to-harbor.sh
# 4. Harbor 测试
cd /Users/arthur/harbor-workspace
harbor run -d terminal-bench@2.0 -t regex-log -a recode-agent --debug
# 5. 检查结果
cat jobs/latest/*/agent/command-2/stdout.txt
# 修改模板后快速同步
cp recode-core/templates/recode_tb2_agents_md.jinja2 \
/Users/arthur/.local/share/uv/tools/harbor/lib/python3.13/site-packages/harbor/agents/installed/recode-assets/templates/
# 立即测试
harbor run -d terminal-bench@2.0 -t regex-log -a recode-agent
# 本地运行时直接看到输出
cargo run --release --manifest-path recode-core/Cargo.toml -- \
execute --task-name test --instruction "..." --working-dir . --max-steps 50
# 输出示例:
# 2025-11-22T10:00:00Z INFO recode_core::orchestrator::runtime: Executing pending node...
# 2025-11-22T10:00:01Z INFO recode_core::codex::thread_manager: Codex exec spawned...
# 找到运行中的容器
docker ps | grep terminal-bench
# 实时查看日志
docker logs -f <container-id>
# 进入容器
docker exec -it <container-name>-main-1 /bin/bash
# 查看实时输出
tail -f /app/recode.txt
# 查看 AGENTS.md
cat /app/AGENTS.md | head -50
# 任务完成后查看详细输出
cat /Users/arthur/harbor-workspace/jobs/YYYY-MM-DD__HH-MM-SS/task-name__ID/agent/command-2/stdout.txt
RUST_LOG=info 已在 recode_agent.py 中默认启用，会输出:
Executing pending node)Codex exec process spawned)Execution successful)task_completed signal detected)/Users/arthur/harbor-workspace/jobs/2025-11-22__18-03-20/regex-log__532fPEU/
├── config.json # 任务配置 (包含 kwargs)
├── result.json # 最终结果 (reward, tokens, etc.)
├── trial.log # Harbor 试验日志
├── agent/ # Agent 执行日志
│ ├── install.sh # 渲染后的安装脚本
│ ├── command-0/ # Step 1: Codex 认证设置
│ │ ├── command.txt # 执行的命令
│ │ ├── stdout.txt # 标准输出
│ │ └── return-code.txt
│ ├── command-1/ # Step 2: AGENTS.md 渲染
│ ├── command-2/ # Step 3: 任务执行 (主要日志)
│ └── command-3/ # Step 4: 清理
└── verifier/ # 验证结果
├── ctrf.json # 测试框架结果
├── reward.txt # 奖励值 (0.0 或 1.0)
└── test-stdout.txt # pytest 输出
cat config.json | jq '.agent.kwargs'
# 输出: {"template": "recode_tb2_prompt.jinja2"}
cat result.json | jq '{reward, n_input_tokens, n_output_tokens}'
# 检查是否有错误
grep -i "ERROR\|NameError\|failed" agent/command-2/stdout.txt
# 检查任务是否完成
grep "task_completed" agent/command-2/stdout.txt
# 检查执行步数
grep "Total steps" agent/command-2/stdout.txt
# 查看 pytest 输出
cat verifier/test-stdout.txt | tail -30
# 常见失败原因:
# - AssertionError: 输出不匹配预期
# - FileNotFoundError: 未创建预期文件
| 问题 | 检查位置 | 可能原因 |
|---|---|---|
| Mean: 0.000 | verifier/test-stdout.txt | LLM 解答错误 |
| Errors: 1 | agent/install.sh + trial.log | 安装脚本超时/OOM |
| 无输出 | agent/command-2/stdout.txt | Codex 认证失败 |
| NameError: 're' | agent/command-2/stdout.txt | 旧版二进制 (已修复) |
| Exec format error | trial.log | macOS 二进制而非 Linux |
# 统计所有任务的 reward
for dir in jobs/2025-11-22__*/*/; do
task=$(basename "$dir")
reward=$(cat "$dir/verifier/reward.txt" 2>/dev/null || echo "N/A")
echo "$task: $reward"
done
# 找出所有失败的任务
find jobs/ -name "reward.txt" -exec grep -l "0.0" {} \; | \
xargs -I {} dirname {} | xargs -I {} dirname {}
# 构建 Linux 二进制
docker build --platform linux/amd64 -f Dockerfile.build-x86 -t recode-builder .
# 同步到 Harbor
cp ./recode-agent-linux-x86_64 /Users/arthur/.local/share/uv/tools/harbor/.../recode-assets/recode-agent
# 运行任务
harbor run -d terminal-bench@2.0 -t regex-log -a recode-agent
# 查看最新结果
cat jobs/$(ls -t jobs | head -1)/*/agent/command-2/stdout.txt | tail -50
| 描述 | 路径 |
|---|---|
| Rust 源码 | recode-core/src/ |
| 模板源 | recode-core/templates/ |
| Harbor 二进制 | ~/.local/share/uv/tools/harbor/.../recode-assets/recode-agent |
| Harbor 模板 | ~/.local/share/uv/tools/harbor/.../recode-assets/templates/ |
| 任务结果 | ~/harbor-workspace/jobs/ |
原因: 使用了 macOS 二进制而非 Linux x86_64 二进制
解决:
# 重新构建 Linux 二进制
docker build --platform linux/amd64 -f Dockerfile.build-x86 -t recode-builder .
# 提取并部署...
原因: 旧版 python_executor.rs 未导入 re 模块
解决: 已在 python_executor.rs:228 修复:
script.push_str("import json, sys, re, os\n");
原因: 容器 OOM 或超时
解决:
--timeout-multiplier 2.0原因: Codex 认证未挂载到容器
解决: 确保 docker-compose-prebuilt.yaml 包含:
volumes:
- ${HOME}/.codex:/tmp/host-codex:ro
END OF FILE