01 / 项目

项目,以及背后的细节。

两个关于 Agent 如何执行、如何被评测,以及结果能说明什么的项目。

01 / TOOLING · EVALUATIONGitHub

skillfit

在相同任务上比较 Skill、规则和 MCP 配置,同时看任务质量、触发行为与 Token 成本。

相同任务 · 配对运行
A基线配置
/
B新配置
任务质量触发行为Token 成本
02 / HARNESS · TOOL USEGitHub

DeviceAgent Arena

用于评测中文工具调用 Agent 的实验环境。操作会改变后续状态,评测同时检查最终结果与执行轨迹。

有状态任务 · 闭环执行
任务Harness工具
观测 → 下一次决策
最终状态完整轨迹

02 / OPEN SOURCE

把改动带回上游。

给自己使用和关注的开源项目做的一些贡献。

查看贡献记录