harbor

Harbor 是一个用于评估与优化智能体（agent）和大语言模型的开源框架。它支持在隔离的容器化环境中运行大规模、并行的基准测试（如 Terminal-Bench-2.0、SWE-Bench），提供统一接口对接多种代理（Claude Code、OpenHands 等）、模型及云执行后端（Daytona、Modal）。核心特性包括可扩展的环境抽象、跨平台实验编排、RL rollout 生成及用户自定义基准构建能力。适用于 AI 研究者与工程团队对智能体在终端交互、代码任务等真实场景下的可靠性、鲁棒性与泛化性进行系统性评测与迭代优化。