ClawProBench

在真实 OpenClaw 里反复跑 Agent，用确定性打分比出谁更稳

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 54 👀 关注 12

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 829

维护状态维护中

是否开源开源

定价模式 🏷️完全免费开源基准测试工具，免费使用

项目预览

ClawProBench 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suyoumo

官网地址https://suyoumo.github.io/bench

GitHubhttps://github.com/suyoumo/ClawProBench

定价模式🏷️完全免费

价格说明开源基准测试工具，免费使用

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Apache-2.0

主要语言Rust

技术栈/模型agent,benchmark,evaluation,harness,leaderboard,llm,openclaw

GitHub 星标★ 829

上线时间2025-03-02 00:00:00

代码更新2026-08-25

仓库体积36.8 MB

本站数据更新2026-11-03

维护状态维护中

收录时间2026-09-16

浏览次数1

项目介绍

ClawProBench 是一个面向 LLM Agent 的评测基准框架，专门针对 OpenClaw 运行时环境设计。它解决的核心问题是：当前多数 Agent 评测依赖静态数据集或一次性运行结果，难以反映真实运行环境下的稳定性与可复现性。ClawProBench 采用 live-first 思路，在真实 OpenClaw 运行时中执行 Agent 任务，并通过确定性评分机制和重复试验来量化可靠性，而不是只看单次成功率。项目用 Rust 编写，强调执行效率与结果一致性，提供 harness 化的评测流程，可对接排行榜，适合需要横向对比不同 Agent 策略、模型或工具调用方案的研究者与工程团队。其核心能力包括：在 OpenClaw 环境中驱动 Agent 完成任务、对输出做确定性判分、通过多次重复试验统计稳定性指标，并支持将结果汇总为可比较的榜单数据。

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 2026-09-16 · 当前星标 ★ 829

技术标签

agent benchmark evaluation harness leaderboard

使用教程

难度：进阶约 25 分钟部署方式：命令行安装 4 步

环境要求

Python 3.10+
OpenClaw CLI
uv

安装与启动步骤

1装环境

OpenClaw 的基准评测套件，用 uv 管依赖。
```
pip install uv
uv pip install -r requirements.txt
```
2查清单

先看可用基准与 profile。
```
python3 run.py inventory
```
3空跑一遍

dry 模式不真执行，只校验配置。
```
python3 run.py dry
```
4正式跑

默认走 core profile，覆盖率更高用 active。
```
python3 run.py run --profile core
```