skill

PinchBench 是一个面向 AI 编程智能体（coding agents）的现实场景基准测试框架，用于评估大语言模型在 OpenClaw 架构中作为决策核心的实际能力。其核心特点是基于 53 个真实任务（如日程调度、邮件处理、股票查询、代码生成等），重点考察工具调用准确性、多步推理连贯性、对模糊指令的鲁棒性及端到端任务完成效果。项目采用 Python 实现，依赖 OpenClaw 运行时环境，支持主流 LLM 通过 OpenRouter 等接口接入。适用于 AI 编程代理研发、智能体能力横向对比及工具增强型 LLM 的工程化验证场景。