在真实文件海洋中，检验智能体自我进化能力
Workspace-Bench 是一个用于评测自我进化智能体在真实大规模文件工作空间中表现的基准测试平台。它解决了现有智能体评测多局限于单一任务或简单环境、难以反映真实工作场景复杂性的问题。该平台提供大规模、结构复杂的文件工作空间数据集，模拟真实软件项目或文档库，要求智能体在动态变化的环境中完成多步骤、依赖文件间关联的任务。其核心能力包括：构建高仿真工作空间、设计依赖感知的任务链、量化智能体在探索、规划与执行中的长期表现，从而衡量智能体从经验中学习和适应新文件结构的能力。项目基于 Python 实现，面向 AI 代理、自主智能体及大型语言模型的研究者，为开发更鲁棒、更贴近实际应用的智能体提供标准化评测依据。
SWE-bench、AgentBench、GAIA
Workspace-Bench 是评测安全领域的开源项目，由 OpenDataBox 开发，是 2026 年新上线的项目。
它收录于评测安全分类，该分类目前共有 466 个项目，GitHub 星标数为 73。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-21。MIT许可证，提供在线文档和演示，核心功能免费。从国内网络环境看，可直接访问。
它主要面向的使用场景是：研究机构评估自主智能体在真实项目文件中的任务完成能力。同类可对比的替代方案包括 SWE-bench、AgentBench、GAIA。
akto
开源
给 AI 应用做安全体检，防提示注入和数据泄露
Akto is the fastest growing AI Security platform for your teams to secure AI agents,···
XSafeClaw
开源
给 AI 智能体装上安全盾，自动红队测试找漏洞
Introducing XSafeClaw: The Open-Source Agent Safety Platform from Fudan University
fast-llm-security-guardrails
开源
给 AI Agent 加一道快速安全闸门，防提示注入和隐私泄露
The fastest Trust Layer for AI Agents
deepteam
开源
自动模拟越狱攻击，提前测出 LLM 安全漏洞
DeepTeam is a framework to red team LLMs and AI agents.
