eval-harness

关于 eval-harness

面向 AI 编码会话的评估驱动开发（EDD）框架——在编码前定义能力和回归评估，使用基于代码、模型、规则或人工的评估器评分，并跟踪 pass@k 和 pass^k 可靠性。适用于为 Agent 任务定义通过/失败标准、衡量 Agent 可靠性、为提示词或 Agent 变更构建回归测试套件，或跨模型版本进行基准测试。