claw-swe-bench

统一接口跑 SWE-bench，横向比出哪个 agent 框架更能修 bug

开源 free 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 111

维护状态较活跃

是否开源是

定价模式 free

项目预览

项目数据

分类评测安全

开发团队TokenRhythm

所属国家

官网地址

GitHubhttps://github.com/TokenRhythm/claw-swe-bench

定价模式free

价格说明开源免费，无在线服务

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型

GitHub 星标★ 111

30天Star增速

HF 下载量

上线时间2026-06-10 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-13

浏览次数0

项目介绍

claw-swe-bench 是一个面向 SWE-bench 的评测适配框架，专门用来评估各类智能体执行框架（作者称之为 claw/harness）在真实软件工程任务上的表现。它解决的核心问题是：不同 agent 框架的接口、运行方式、日志格式各不相同，导致难以在统一标准下横向对比。项目通过提供统一的适配层，把不同 harness 接入同一套 SWE-bench 任务与评分流程，让研究者可以公平地比较各框架的修复成功率、耗时与稳定性。核心能力包括：标准化的 harness 注册与调用接口、任务分发与结果收集、与 SWE-bench 数据集的对接，以及可扩展的适配器编写方式。项目用 Python 实现，体量轻，适合作为 agent 评测流水线的基础组件，帮助团队在选型或迭代 agent 框架时获得可复现的量化依据。