驱动真实编码智能体，自动评分工作流合规性
superpowers-evals 是 superpowers 项目的行为评估实验室（Quorum），用于驱动真实编码智能体 CLI（如 Claude、Codex、Gemini、Kimi 等）通过 QA 代理执行任务，并根据场景标准和确定性后检查对工作流合规性进行评分。它解决的核心问题是：如何客观、可重复地评估编码智能体在真实工作流中的表现，而不仅仅是单元测试或人工判断。核心能力包括：定义场景化评估标准、自动化驱动多种编码智能体、执行后检查并生成合规性评分。项目采用 TypeScript 编写，技术栈涉及 AI 代理、编码代理、评估框架等，目前处于早期阶段（95 星），但设计思路清晰，适合需要量化编码代理能力的团队参考或使用。
AgentBench、SWE-bench、ToolBench
superpowers-evals 是评测安全领域的开源项目，由 prime-radiant-inc 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 458 个项目，GitHub 星标数为 118。
近 44 天，它的 GitHub 星标从 95 增加到 118，净增 23。
项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-20。无官网，需自行部署，全部功能免费。
它主要面向的使用场景是：对比不同编码智能体的工作流执行能力。同类可对比的替代方案包括 AgentBench、SWE-bench、ToolBench。
下一篇：ClawBench
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
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.
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···
