Workspace-Bench

在真实文件海洋中，检验智能体自我进化能力

开源 🏷️完全免费 ✅ 目前可打开 智能体 🍴 复刻 11 🐛 待处理 6 👀 关注 1
访问官网 ↗ GitHub ↗
GitHub 星标 ★ 84
维护状态 维护中
是否开源 开源
定价模式 🏷️完全免费 开源项目，MIT许可证，提供在线文档和演示，核心功能免费。

项目预览

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

项目数据

分类智能体
开发团队OpenDataBox
官网地址https://workspace-bench.github.io
GitHubhttps://github.com/OpenDataBox/Workspace-Bench
定价模式🏷️完全免费
价格说明开源项目，MIT许可证，提供在线文档和演示，核心功能免费。
访问状态✅ 目前可打开
是否开源是
开源协议MIT
主要语言Python
技术栈/模型ai-agents,autonomous-agents,benchmark,dataset,file-dependencies,large-language-models,llm,workspace-learning
GitHub 星标★ 84
上线时间2026-05-04 00:00:00
代码更新2026-08-27
仓库体积104.4 MB
本站数据更新2026-11-09
维护状态维护中
收录时间2026-08-09
浏览次数5

项目介绍

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。

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 2026-08-09 · 当前星标 ★ 84

核心亮点

  • 首创聚焦大规模文件工作空间的智能体评测，填补现有基准在环境复杂度上的空白
  • 任务设计强调文件间依赖关系，能有效区分智能体的深层理解与浅层检索能力
  • 提供动态工作空间，支持评估智能体长期适应与自我进化，而非单次静态表现

不足之处

  • 项目处于早期阶段，星标数少，文档和社区支持尚待完善
  • 评测场景偏重软件工程类文件，对其他领域（如办公文档）覆盖有限

适用场景

  • 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
  • 开发者测试大模型驱动的编程助手在大型代码库中的导航与修改效率
  • AI 公司验证智能体在持续变化的工作环境中的学习与适应性能

替代项目

SWE-bench、AgentBench、GAIA

上一篇：meta-agents-research-environments

下一篇：awesome-ai-agents-security

同类项目推荐

openai-guardrails-js 开源

给 LLM 应用加一道输入输出安检门，拦截越狱与敏感内容

OpenAI Guardrails - TypeScript / JavaScript

★ 113 2026-09-26
auto_eval 开源

让机器人策略评估全自动，省时省力又客观

AutoEval: Autonomous Evaluation of Generalist Robot Manipulation Policies in the Rea···

★ 108 2026-08-09
FuzzyAI 开源

自动给 LLM 做安全体检，找出越狱漏洞

A powerful tool for automated LLM fuzzing. It is designed to help developers and sec···

★ 1602 2026-08-09
AutomationBench 开源

测测你的AI智能体，能不能搞定真实业务流程

A benchmark for evaluating AI agents on realistic business workflows

★ 381 2026-08-10
benchmarks 开源

跑分选型，用数据说话，避免MLOps工具踩坑。

️ Performance Comparison of MLOps Engines, Frameworks, and Languages on Mainstream ···

★ 143 2026-08-09
workshop 开源

让编码代理自己写评测、跑评测，回归验证不再靠手测

Give your coding agent the power to write and run agent evals.

★ 1120 2026-09-14
FollowBench 开源

用多级细粒度约束，精准测出大模型指令遵循的真实水平

[ACL 2024] FollowBench: A Multi-level Fine-grained Constraints Following Benchmark f···

★ 121 2026-08-09
lintlang 开源

上线前扫一遍，AI 智能体配置不踩坑

Static analysis for AI agent configs, tool descriptions, and system prompts — catch···

★ 144 2026-08-09
agentgg 开源

百个AI安全智能体，扫仓库和PR，自动挖漏洞

Open source agentic SAST. The engine behind hundreds of disclosed zero-days. 100+ AI···

★ 460 2026-09-30