superpowers-evals
驱动真实编码智能体，自动评分工作流合规性
项目预览
项目数据
项目介绍
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 ★ 144
核心亮点
- 支持多种主流编码智能体（Claude、Codex、Gemini、Kimi），覆盖面广
- 评估基于真实 CLI 驱动，结果更贴近实际使用场景
- 确定性后检查机制，评分客观可复现
不足之处
- 项目处于早期阶段，文档和社区支持待观察
- 依赖 superpowers 项目生态，独立使用门槛较高
适用场景
- 对比不同编码智能体的工作流执行能力
- 在 CI/CD 中集成编码代理的自动化质量评估
- 研究编码代理的合规性和行为模式
替代项目
AgentBench、SWE-bench、ToolBench
下一篇：ClawBench
同类项目推荐
evaluation-guidebook
开源
学透 LLM 评估，避开 benchmark 陷阱，科学选模型。
Sharing both practical insights and theoretical knowledge about LLM evaluation that ···
LLMVault
开源
在真实漏洞靶场中练手，掌握 LLM 安全攻防实战
An intentionally vulnerable OWASP LLM Top 10 training platform for AI Security, Prom···
power-pwn
开源
给 AI 助手做安全体检，防黑客钻空子
An offensive/defense security toolset for discovery, recon and ethical assessment of···
arc-agi-benchmarking
开源
统一流程跑多个大模型，横向对比抽象推理成绩
Testing baseline LLMs performance across various models
ps-fuzz
开源
自动模糊测试系统提示词，找出越狱漏洞并加固
Make your GenAI Apps Safe & Secure :rocket: Test & harden your system prompt
CipherChat
开源
用密码绕过安全护栏，测出大模型隐藏漏洞
A framework to evaluate the generalization capability of safety alignment for LLMs
content-debiased-fvd
开源
让视频生成评估更公平，去除内容偏差的FVD指标
[CVPR 2024] On the Content Bias in Fréchet Video Distance
Zero-Breach-Toolkit
开源
离线自查设备是否留有已知间谍软件痕迹
Free, open-source check for traces of mercenary spyware (Pegasus, Predator, Graphite···
Tracely-ai
开源
把生产事故变成回归测试，合并前自动拦截 AI 故障
Trace-native CI/CD for AI agents — production failures become regression tests that···