harbor

Harbor 是一个用于评估和优化代理及语言模型的框架。它支持多种核心功能，包括但不限于：评估如Claude Code、OpenHands等任意代理；构建并分享自定义基准测试与环境；通过Daytona和Modal等服务提供商在数千个环境中并行执行实验；以及为强化学习优化生成展开。该项目采用Python编写，具有良好的社区支持（GitHub上获得2176星标），并且遵循Apache License 2.0开源许可。Harbor特别适用于需要对AI模型进行大规模测试或比较的研究场景中，无论是本地运行还是利用云端资源都能轻松实现。