skills-benchmarks

给 AI 智能体技能上秤，跑分对比不靠嘴

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署 评测安全 🍴 复刻 10 🐛 待处理 1 👀 关注 1
GitHub ↗
GitHub 星标 ★ 119
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源免费

项目预览

skills-benchmarks 项目界面预览图
图片来源：GitHub 官方仓库名片

项目数据

分类评测安全
开发团队langchain-ai
GitHubhttps://github.com/langchain-ai/skills-benchmarks
定价模式🏷️完全免费
价格说明开源免费
访问状态🔧 仅开源项目，无在线服务，需自行部署
是否开源是
开源协议MIT
主要语言JavaScript
GitHub 星标★ 119
上线时间2026-01-24 00:00:00
代码更新2026-09-21
仓库体积4.2 MB
本站数据更新2026-11-03
维护状态维护中
收录时间2026-09-12
浏览次数8

项目介绍

skills-benchmarks 是一个面向 AI 智能体技能（skills）的评测基准集合，用 JavaScript 实现。它要解决的问题是：当前大量 AI Agent 项目宣称自己会调用工具、执行多步任务，但缺少统一、可复现的量化标准，导致能力好坏只能靠演示和主观感受判断。项目提供了一套可运行的基准任务与打分流程，把技能拆成具体场景来测，输出可对比的结果，帮助开发者在选型、迭代或发布前拿到客观数据。核心能力包括：定义标准化任务集、自动执行并采集结果、按维度给出评分，以及便于扩展新技能测试的框架结构。它适合做 Agent 框架、工具调用、多步规划等方向的横向对比，也适合团队内部做回归测试，防止版本升级后能力退化。项目目前处于早期，星标不多，但方向明确，是给智能体能力“上秤”的基础设施型工具。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-09-12 · 当前星标 ★ 119

核心亮点

  • 把智能体技能拆成可执行任务并自动打分，结果可复现、可横向对比
  • 用 JavaScript 实现，前端和 Node 生态的开发者接入成本低
  • 框架结构便于扩展新技能测试，适合做团队内部回归基准

不足之处

  • 项目处于早期，任务覆盖面和评测维度可能还不够全面
  • 文档和社区规模较小，遇到问题可参考的案例有限

适用场景

  • 对比不同 Agent 框架或工具调用方案的实际能力差异
  • 团队迭代智能体版本时做回归测试，防止能力退化
  • 发布前用统一基准给模型或技能组合做量化体检

替代项目

SWE-bench、AgentBench

上一篇：openevals

下一篇：EvalForge

同类项目推荐

DreamLayer-Eval 开源

一键自动化评测扩散模型，告别手动调参和结果不可复现。

DreamLayer Eval: open-source benchmarking for image and video diffusion models. Auto···

★ 412 2026-08-09
LLM-for-misinformation-research 开源

一键速览大模型打假研究全景，找论文不迷路

Paper list of misinformation research using (multi-modal) large language models, i.e···

★ 335 2026-08-09
Anti-DreamBooth 开源

给照片加隐形噪声，让AI学不会你的脸

Anti-DreamBooth: Protecting users from personalized text-to-image synthesis (ICCV 20···

★ 318 2026-08-09
PersonaMem 开源

测测你的AI有多懂你：动态画像+个性化回复基准

[COLM 2025] Know Me, Respond to Me: Benchmarking LLMs for Dynamic User Profiling and···

★ 206 2026-08-09
llm-guard 开源

给 LLM 应用加把安全锁，防注入防泄露

The Security Toolkit for LLM Interactions

★ 3219 2026-08-09
llm-leaderboard 开源

一站式对比LLM基准分数和价格，快速选型

A comprehensive set of LLM benchmark scores and provider prices. (deprecated, read m···

★ 356 2026-08-09
phi-boundary-gate 开源

给医疗 AI 加一道 PHI 闸门，该拦的拦、该脱敏的脱敏

Detect, gate, redact, and report PHI candidate flows across healthcare and insurance···

★ 204 2026-10-12
AISafetyHot-Hub 开源

每天一份 AI 安全论文清单，md/bib/json 直接喂给 Agent

Safety News & Research Monitor. https://aisafetyhot.com

★ 2097 2026-10-10
rizzo-pii 开源

本地脱敏文档，再放心喂给 LLM

Local-first privacy guard: anonymize your documents before sharing with LLMs.

★ 1240 2026-09-28