claw-swe-bench

claw-swe-bench 是一个用于统一评估代码类智能体“harness”（即 agent harness，项目中称 claw）在 SWE-bench 基准上的表现的适配框架。它通过标准化提示词、沙箱环境、补丁收集与评估流程，确保不同 harness（如 OpenClaw、Hermes、NanoBot 等）在相同条件下运行，实现可控、可比的横向评测。核心采用 Docker 隔离工作区，支持多语言代码任务（含 SWE-bench Verified 与 Multilingual 子集），并提供 Lite 版本供快速迭代。适用于 AI 编程智能体研发团队对 agent 执行能力、工具调用一致性及代码修复效果的公平基准测试。