[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-THUDM--AgentBench":3,"tool-THUDM--AgentBench":64},[4,17,27,35,43,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",138956,2,"2026-04-05T11:33:21",[13,15,26],"语言模型",{"id":28,"name":29,"github_repo":30,"description_zh":31,"stars":32,"difficulty_score":23,"last_commit_at":33,"category_tags":34,"status":16},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[13,14,15],{"id":36,"name":37,"github_repo":38,"description_zh":39,"stars":40,"difficulty_score":23,"last_commit_at":41,"category_tags":42,"status":16},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[13,26],{"id":44,"name":45,"github_repo":46,"description_zh":47,"stars":48,"difficulty_score":23,"last_commit_at":49,"category_tags":50,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,51,52,53,15,54,26,13,55],"数据工具","视频","插件","其他","音频",{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":10,"last_commit_at":62,"category_tags":63,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,26,54],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":79,"owner_email":80,"owner_twitter":81,"owner_website":82,"owner_url":83,"languages":84,"stars":101,"forks":102,"last_commit_at":103,"license":104,"difficulty_score":105,"env_os":106,"env_gpu":107,"env_ram":108,"env_deps":109,"category_tags":116,"github_topics":117,"view_count":23,"oss_zip_url":79,"oss_zip_packed_at":79,"status":16,"created_at":122,"updated_at":123,"faqs":124,"releases":125},3060,"THUDM\u002FAgentBench","AgentBench","A Comprehensive Benchmark to Evaluate LLMs as Agents (ICLR'24)","AgentBench 是一个专为评估大语言模型（LLM）作为智能体能力而设计的综合基准测试平台。它旨在解决当前大模型在真实复杂环境中执行多步任务时缺乏统一、可靠评估标准的问题，帮助研究者量化模型在决策、规划及工具调用等方面的实际表现。\n\n该平台特别适合 AI 研究人员、大模型开发者以及希望验证智能体算法性能的技术团队使用。AgentBench 的独特亮点在于其高度仿真的多样化任务场景，涵盖操作系统交互、数据库操作、知识图谱查询、电商购物及家庭机器人控制等领域。最新版本 AgentBench FC 更是引入了函数调用（Function Calling）风格提示，并支持与 AgentRL 框架集成，实现了端到端的多任务强化学习评估。此外，项目提供基于 Docker Compose 的一键部署方案，将复杂的测试环境完全容器化，极大降低了搭建门槛，让用户能快速在不同模型间进行公平对比与迭代优化。","# AgentBench\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_a50fc3a87eb9.jpg)\n\n\u003Cp align=\"center\">\n   \u003Ca href=\"https:\u002F\u002Fdocs.google.com\u002Fspreadsheets\u002Fd\u002Fe\u002F2PACX-1vRR3Wl7wsCgHpwUw1_eUXW_fptAPLL3FkhnW_rua0O1Ji_GIVrpTjY5LaKAhwO-WeARjnY_KNw0SYNJ\u002Fpubhtml\" target=\"_blank\">🌐 Leaderboard (new)\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Ftwitter.com\u002Fthukeg\" target=\"_blank\">🐦 Twitter\u003C\u002Fa> | \u003Ca href=\"mailto:agentbench@googlegroups.com\">✉️ Google Group\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2308.03688\" target=\"_blank\">📃 Paper \u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n👋 Join our \u003Ca href=\"https:\u002F\u002Fjoin.slack.com\u002Ft\u002Fagentbenchcol-huw1944\u002Fshared_invite\u002Fzt-20ixabcuv-31cFLBAkqGQxQkJqrWVEVg\" target=\"_blank\">Slack\u003C\u002Fa>  for \u003Ci>Q & A\u003C\u002Fi> or \u003Ci>\u003Cb>collaboration\u003C\u002Fb> on next version of AgentBench\u003C\u002Fi>!\n\u003C\u002Fp>\n\n## 🔥[2025.10.10] Introducing **AgentBench FC (Function Calling)** based on [AgentRL](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentRL)\n\nThe current repository contains the function-calling version of AgentBench, integrated with [AgentRL](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentRL), an end-to-end multitask and mutliturn LLM Agent RL framework.\nIf you wish to use the older version, you can revert to [v0.1](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentBench\u002Ftree\u002Fv0.1) and [v0.2](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentBench\u002Ftree\u002Fv0.2).\n\nComparing to the original AgentBench, this version uses a function-calling style prompt,\nand adds fully-containerized deployment support for the following tasks:\n\n- `alfworld` (AF)\n- `dbbench` (DB)\n- `knowledgegraph` (KG)\n- `os_interaction` (OS)\n- `webshop` (WS)\n\n### Quick Start\n\nWe support a quick one-command setup for all the above tasks using Docker Compose.\n\nBefore starting, please download or build the following Docker images required by the tasks:\n\n```shell\n# dbbench\ndocker pull mysql:8\n\n# os_interaction\ndocker build -t local-os\u002Fdefault -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fdefault data\u002Fos_interaction\u002Fres\u002Fdockerfiles\ndocker build -t local-os\u002Fpackages -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fpackages data\u002Fos_interaction\u002Fres\u002Fdockerfiles\ndocker build -t local-os\u002Fubuntu -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fubuntu data\u002Fos_interaction\u002Fres\u002Fdockerfiles\n```\n\nTo run the KG freebase server, you will also need a copy of the data found [here](https:\u002F\u002Fgithub.com\u002Fdki-lab\u002FFreebase-Setup).\nDownload, extract and place the data at `.\u002Fvirtuoso_db\u002Fvirtuoso.db` (or modify `extra\u002Fdocker-compose.yml` and set the mount point to your data location).\n\nThen, you can bring up the stack with:\n\n```shell\ndocker compose -f extra\u002Fdocker-compose.yml up\n```\n\nThis command will download or build the necessary Docker images and start the following services in Docker:\n\n- AgentRL Controller\n- `alfworld` task worker (x1, increase as needed)\n- `dbbench` task worker (x1, increase as needed)\n- `knowledgegraph` task worker (x1, increase as needed)\n- `os_interaction` task worker (x1, increase as needed)\n- `webshop` task worker (x1, increase as needed)\n- freebase server (for `knowledgegraph` task)\n- Redis server (for container allocation)\n\nIf your machine already has Redis (version 7+) running, you can omit the Redis service from the `docker-compose.yml`.\n\n> [!WARNING]  \n> Please note that the `webshop` environment requires ~16GB of RAM to start,\n> and the current implementation of `alfworld` leaks memory and disk space until the task worker is restarted.\n> Make sure your machine has sufficient resources before running.\n\n### Benchmarking Results\n\nWe report the results of various models on the test set of AgentBench FC.\n\n![img.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_e733c7836f28.png)\n\nPlease see our [Leaderboard](https:\u002F\u002Fdocs.google.com\u002Fspreadsheets\u002Fd\u002Fe\u002F2PACX-1vRR3Wl7wsCgHpwUw1_eUXW_fptAPLL3FkhnW_rua0O1Ji_GIVrpTjY5LaKAhwO-WeARjnY_KNw0SYNJ\u002Fpubhtml) for full results.\nPlease contact [agentbench_fc@googlegroups.com](mailto:agentbench_fc@googlegroups.com) if you have any questions or would like to contribute your results.\n\n---\n\n## 🔥[2024.08.13] Introducing [VisualAgentBench](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FVisualAgentBench)\n\nVisualAgentBench is designed for evaluating and training visual foundation agents based on large multimodel models (LMMs). We introduce 5 distinct environments spanning \n\n* Embodied: VAB-OmniGibson, VAB-Minecraft\n* GUI: VAB-Mobile, VAB-WebArena-Lite\n* Visual Design: VAB-CSS\n\nto systematically benchmark 17 LMMs (proprietary & open LMMs). We also provide the trajectory dataset for behavior cloning training on open LMMs for you to develop your own visual foundation agents!\n\n---\n\nThe following is the introduction to the original AgentBench (v0.2).\n\n# AgentBench: Evaluating LLMs as Agents\n\nhttps:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentBench\u002Fassets\u002F129033897\u002F656eed6e-d9d9-4d07-b568-f43f5a451f04\n\n**AgentBench** is the first benchmark designed to evaluate **LLM-as-Agent** across a diverse spectrum of different\nenvironments. It encompasses 8 distinct environments to provide a more comprehensive evaluation of the LLMs' ability to\noperate as autonomous agents in various scenarios. These environments include 5 freshly created domains, namely\n\n-   Operating System (OS)\n-   Database (DB)\n-   Knowledge Graph (KG)\n-   Digital Card Game (DCG)\n-   Lateral Thinking Puzzles (LTP)\n\nas well as 3 recompiled from published datasets:\n\n-   House-Holding (HH) ([ALFWorld](https:\u002F\u002Fgithub.com\u002Falfworld\u002Falfworld))\n-   Web Shopping (WS) ([WebShop](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002Fwebshop))\n-   Web Browsing (WB) ([Mind2Web](https:\u002F\u002Fgithub.com\u002FOSU-NLP-Group\u002FMind2Web))\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_79c921fa59af.png)\n\n## Table of Contents\n\n-   [Dataset Summary](#dataset-summary)\n-   [Leaderboard](#leaderboard)\n-   [Quick Start](#quick-start)\n-   [Next Steps](#next-steps)\n-   [Citation](#citation)\n\n## Dataset Summary\n\nWe offer two splits for each dataset: Dev and Test. The multi-turn interaction requires an LLMs to generate around 4k\nand 13k times respectively.\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_9e85f3e1050d.png)\n\n## Leaderboard\n\nHere is the scores on test set (standard) results of AgentBench.\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_bf534b67da50.png)\n\nWhile LLMs begin to manifest their proficiency in LLM-as-Agent, gaps between models and the distance towards practical\nusability are significant.\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_1f70d325d571.png)\n\n## Quick Start\n\nThis section will guide you on how to quickly use gpt-3.5-turbo-0613 as an agent to launch the `dbbench-std` and `os-std` tasks.\nFor the specific framework structure, please refer to [Framework Introduction](docs\u002FIntroduction_en.md).\nFor more detailed configuration and launch methods, please check [Configuration Guide](docs\u002FConfig_en.md)\nand [Program Entrance Guide](docs\u002FEntrance_en.md).\n\n### Step 1. Prerequisites\n\nClone this repo and install the dependencies.\n\n> **Python version note:** AgentBench pins older scientific Python deps (e.g. `numpy~=1.23.x`).\n> Using the recommended **Python 3.9** (via conda) is the most reliable way to install dependencies.\n\n```bash\ncd AgentBench\nconda create -n agent-bench python=3.9\nconda activate agent-bench\npip install -r requirements.txt\n```\n\nEnsure that [Docker](https:\u002F\u002Fwww.docker.com\u002F) is properly installed.\n\n```bash\ndocker ps\n```\n\nBuild required images for `dbbench-std` and `os-std`.\n\n```bash\ndocker pull mysql\ndocker pull ubuntu\ndocker build -f data\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fdefault data\u002Fos_interaction\u002Fres\u002Fdockerfiles --tag local-os\u002Fdefault\ndocker build -f data\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fpackages data\u002Fos_interaction\u002Fres\u002Fdockerfiles --tag local-os\u002Fpackages\ndocker build -f data\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fubuntu data\u002Fos_interaction\u002Fres\u002Fdockerfiles --tag local-os\u002Fubuntu\n```\n\n### Step 2. Configure the Agent\n\nFill in your OpenAI API Key at the correct location in `configs\u002Fagents\u002Fopenai-chat.yaml`. (e.g. `gpt-3.5-turbo-0613`)\n\nYou can try using `python -m src.client.agent_test` to check if your agent is configured correctly.\n\nBy default, `gpt-3.5-turbo-0613` will be started. You can replace it with other agents by modifying the parameters:\n\n```bash\npython -m src.client.agent_test --config configs\u002Fagents\u002Fapi_agents.yaml --agent gpt-3.5-turbo-0613\n```\n\n### Step 3. Start the task server\n\nStarting the task worker involves specific tasks. Manual starting might be cumbersome; hence, we provide an automated\nscript.\n\nThe assumption for this step is that ports from 5000 to 5015 are available. For Mac OS system, you may want to follow [here](https:\u002F\u002Fstackoverflow.com\u002Fquestions\u002F69955686\u002Fwhy-cant-i-run-the-project-on-port-5000) to free port 5000 to use.\n\n```bash\npython -m src.start_task -a\n```\n\nThis will launch five task_workers each for `dbbench-std` and `os-std` tasks and automatically connect them\nto the controller on port 5000. **After executing this command, please allow approximately 1 minute for the task setup to complete.** If the terminal shows \".... 200 OK\", you can open another terminal and follow step 4.\n\n#### Lite preset (laptops \u002F limited RAM)\n\nIf you want to start with minimal concurrency (1 worker per task), use the lite preset:\n\n```bash\npython -m src.start_task -a --config configs\u002Fstart_task_lite.yaml\n```\n\n### Step 4. Start the assigner\n\nThis step is to actually start the tasks.\n\nIf everything is correctly configured so far, you can now initiate the task tests.\n\n```bash\npython -m src.assigner\n```\n\nIf you started the task server with the lite preset, you can also run the lite evaluation preset:\n\n```bash\npython -m src.assigner --config configs\u002Fassignments\u002Flite.yaml\n```\n\n## Next Steps\n\nIf you wish to launch more tasks or use other models, you can refer to the content\nin [Configuration Guide](docs\u002FConfig_en.md) and [Program Entrance Guide](docs\u002FEntrance_en.md).\n\nFor the environment of the remaining five tasks, you will need to download the Docker images we provide.\n\n```\nlonginyu\u002Fagentbench-ltp\nlonginyu\u002Fagentbench-webshop\nlonginyu\u002Fagentbench-mind2web\nlonginyu\u002Fagentbench-card_game\nlonginyu\u002Fagentbench-alfworld\n```\n\nThe resource consumption of a single task_worker for the eight tasks is roughly as follows; consider this when\nlaunching:\n\n| Task Name | Start-up Speed | Memory Consumption |\n| --------- | -------------- | ------------------ |\n| webshop   | ~3min          | ~15G               |\n| mind2web  | ~5min          | ~1G                |\n| db        | ~20s           | \u003C 500M             |\n| alfworld  | ~10s           | \u003C 500M             |\n| card_game | ~5s            | \u003C 500M             |\n| ltp       | ~5s            | \u003C 500M             |\n| os        | ~5s            | \u003C 500M             |\n| kg        | ~5s            | \u003C 500M             |\n\n\n### Deploy the KnowledgeGraph service loacally\nthe KnowledgeGraph task depends on an online service which now is not stable, if you want to deploy the service locally, you can follow steps below:\n\n**step1.** \u003Cbr \u002F>\ndownload the database and setup the service [freebase-setup](https:\u002F\u002Fgithub.com\u002Fdki-lab\u002FFreebase-Setup).\n\n\n**step2.** \u003Cbr \u002F>\nchange this line `sparql_url: \"http:\u002F\u002F164.107.116.56:3093\u002Fsparql\"` to `sparql_url: \"\u003Cyour service api of sparql>\"` in `\u002Fconfigs\u002Ftasks\u002Fkg.yaml`.\n\n**P.S.** you should start your KG service before you start the agent tasks services.\n\n## Extending AgentBench\n\nIf you wish to add new tasks to AgentBench, you may refer to [Extension Guide](docs\u002FExtension_en.md).\n\n## References\n\nAvalon task is merged from [AvalonBench](https:\u002F\u002Fgithub.com\u002Fjonathanmli\u002FAvalon-LLM\u002F), which implements a multi-agent framework.\n\n## Citation\n\n```\n@article{liu2023agentbench,\n  title   = {AgentBench: Evaluating LLMs as Agents},\n  author  = {Xiao Liu and Hao Yu and Hanchen Zhang and Yifan Xu and Xuanyu Lei and Hanyu Lai and Yu Gu and Hangliang Ding and Kaiwen Men and Kejuan Yang and Shudan Zhang and Xiang Deng and Aohan Zeng and Zhengxiao Du and Chenhui Zhang and Sheng Shen and Tianjun Zhang and Yu Su and Huan Sun and Minlie Huang and Yuxiao Dong and Jie Tang},\n  year    = {2023},\n  journal = {arXiv preprint arXiv: 2308.03688}\n}\n```\n","# AgentBench\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_a50fc3a87eb9.jpg)\n\n\u003Cp align=\"center\">\n   \u003Ca href=\"https:\u002F\u002Fdocs.google.com\u002Fspreadsheets\u002Fd\u002Fe\u002F2PACX-1vRR3Wl7wsCgHpwUw1_eUXW_fptAPLL3FkhnW_rua0O1Ji_GIVrpTjY5LaKAhwO-WeARjnY_KNw0SYNJ\u002Fpubhtml\" target=\"_blank\">🌐 排行榜（新）\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Ftwitter.com\u002Fthukeg\" target=\"_blank\">🐦 Twitter\u003C\u002Fa> | \u003Ca href=\"mailto:agentbench@googlegroups.com\">✉️ Google Group\u003C\u002Fa> | \u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2308.03688\" target=\"_blank\">📃 论文 \u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n👋 欢迎加入我们的 \u003Ca href=\"https:\u002F\u002Fjoin.slack.com\u002Ft\u002Fagentbenchcol-huw1944\u002Fshared_invite\u002Fzt-20ixabcuv-31cFLBAkqGQxQkJqrWVEVg\" target=\"_blank\">Slack\u003C\u002Fa>，参与\u003Ci>问答\u003C\u002Fi>或\u003Ci>\u003Cb>协作\u003C\u002Fb>开发AgentBench的下一版本\u003C\u002Fi>！\n\u003C\u002Fp>\n\n## 🔥[2025.10.10] 基于[AgentRL](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentRL)推出**AgentBench FC（函数调用）**\n\n当前仓库包含与[AgentRL](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentRL)集成的函数调用版AgentBench，AgentRL是一个端到端的多任务、多轮次大模型代理强化学习框架。若需使用旧版本，可回退至[v0.1](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentBench\u002Ftree\u002Fv0.1)和[v0.2](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentBench\u002Ftree\u002Fv0.2)。\n\n相较于原始AgentBench，此版本采用函数调用风格的提示，并为以下任务增加了完全容器化的部署支持：\n\n- `alfworld` (AF)\n- `dbbench` (DB)\n- `knowledgegraph` (KG)\n- `os_interaction` (OS)\n- `webshop` (WS)\n\n### 快速入门\n\n我们支持使用Docker Compose一键快速搭建上述所有任务。\n\n在开始之前，请下载或构建各任务所需的以下Docker镜像：\n\n```shell\n# dbbench\ndocker pull mysql:8\n\n# os_interaction\ndocker build -t local-os\u002Fdefault -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fdefault data\u002Fos_interaction\u002Fres\u002Fdockerfiles\ndocker build -t local-os\u002Fpackages -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fpackages data\u002Fos_interaction\u002Fres\u002Fdockerfiles\ndocker build -t local-os\u002Fubuntu -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fubuntu data\u002Fos_interaction\u002Fres\u002Fdockerfiles\n```\n\n运行KG Freebase服务器时，还需准备位于[此处](https:\u002F\u002Fgithub.com\u002Fdki-lab\u002FFreebase-Setup)的数据副本。请下载、解压并将数据放置于`.\u002Fvirtuoso_db\u002Fvirtuoso.db`（或修改`extra\u002Fdocker-compose.yml`，将挂载点设置为您存放数据的位置）。\n\n随后，可通过以下命令启动整个栈：\n\n```shell\ndocker compose -f extra\u002Fdocker-compose.yml up\n```\n\n该命令将下载或构建所需Docker镜像，并在Docker中启动以下服务：\n\n- AgentRL控制器\n- `alfworld`任务工作器（x1，可根据需要增加）\n- `dbbench`任务工作器（x1，可根据需要增加）\n- `knowledgegraph`任务工作器（x1，可根据需要增加）\n- `os_interaction`任务工作器（x1，可根据需要增加）\n- `webshop`任务工作器（x1，可根据需要增加）\n- Freebase服务器（用于`knowledgegraph`任务）\n- Redis服务器（用于容器分配）\n\n若您的机器已运行Redis（版本7及以上），可在`docker-compose.yml`中省略Redis服务。\n\n> [!WARNING]  \n> 请注意，`webshop`环境启动时约需16GB内存，且当前`alfworld`实现存在内存和磁盘空间泄漏问题，直到重启任务工作器才会缓解。请确保您的机器具备足够的资源后再运行。\n\n### 基准测试结果\n\n我们报告了多种模型在AgentBench FC测试集上的表现。\n\n![img.png](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_e733c7836f28.png)\n\n完整结果请参阅我们的[排行榜](https:\u002F\u002Fdocs.google.com\u002Fspreadsheets\u002Fd\u002Fe\u002F2PACX-1vRR3Wl7wsCgHpwUw1_eUXW_fptAPLL3FkhnW_rua0O1Ji_GIVrpTjY5LaKAhwO-WeARjnY_KNw0SYNJ\u002Fpubhtml)。如有任何疑问或希望提交您的结果，请联系[agentbench_fc@googlegroups.com](mailto:agentbench_fc@googlegroups.com)。\n\n---\n\n## 🔥[2024.08.13] 推出[VisualAgentBench](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FVisualAgentBench)\n\nVisualAgentBench旨在评估和训练基于大型多模态模型（LMMs）的视觉基础代理。我们引入了5个不同的环境，涵盖：\n\n* 身体化：VAB-OmniGibson、VAB-Minecraft\n* GUI：VAB-Mobile、VAB-WebArena-Lite\n* 视觉设计：VAB-CSS\n\n以系统性地基准测试17种LMMs（专有及开源）。此外，我们还提供了行为克隆训练的轨迹数据集，供您开发自己的视觉基础代理！\n\n---\n\n以下是原始AgentBench（v0.2）的介绍。\n\n# AgentBench：评估大模型作为代理\n\nhttps:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentBench\u002Fassets\u002F129033897\u002F656eed6e-d9d9-4d07-b568-f43f5a451f04\n\n**AgentBench**是首个针对**大模型作为代理**设计的基准测试，覆盖多样化的不同环境。它包含8个独特的环境，以便更全面地评估大模型在各种场景中作为自主代理的能力。这些环境包括5个全新创建的领域：\n\n- 操作系统（OS）\n- 数据库（DB）\n- 知识图谱（KG）\n- 数字卡牌游戏（DCG）\n- 侧向思维谜题（LTP）\n\n以及3个基于公开数据集重新编译的领域：\n\n- 家务管理（HH）（[ALFWorld](https:\u002F\u002Fgithub.com\u002Falfworld\u002Falfworld)）\n- 网上购物（WS）（[WebShop](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002Fwebshop)）\n- 网页浏览（WB）（[Mind2Web](https:\u002F\u002Fgithub.com\u002FOSU-NLP-Group\u002FMind2Web)）\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_79c921fa59af.png)\n\n## 目录\n\n- [数据集概览](#dataset-summary)\n- [排行榜](#leaderboard)\n- [快速入门](#quick-start)\n- [后续步骤](#next-steps)\n- [引用](#citation)\n\n## 数据集概览\n\n我们为每个数据集提供两个划分：开发集和测试集。多轮次交互分别要求大模型生成约4千和1万3千次响应。\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_9e85f3e1050d.png)\n\n## 排行榜\n\n以下是AgentBench测试集（标准）上的得分。\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_bf534b67da50.png)\n\n尽管大模型在“大模型作为代理”方面逐渐展现出能力，但不同模型之间的差距以及距离实际应用仍有较大距离。\n\n![](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_readme_1f70d325d571.png)\n\n## 快速入门\n\n本节将指导您如何快速使用gpt-3.5-turbo-0613作为代理来启动`dbbench-std`和`os-std`任务。有关具体框架结构，请参阅[框架介绍](docs\u002FIntroduction_en.md)。更多详细配置和启动方法，请查看[配置指南](docs\u002FConfig_en.md)和[程序入口指南](docs\u002FEntrance_en.md)。\n\n### 第 1 步：先决条件\n\n克隆此仓库并安装依赖项。\n\n> **Python 版本说明：** AgentBench 锁定了较旧的科学计算 Python 依赖包版本（例如 `numpy~=1.23.x`）。\n> 使用推荐的 **Python 3.9**（通过 conda 安装）是安装依赖项最可靠的方式。\n\n```bash\ncd AgentBench\nconda create -n agent-bench python=3.9\nconda activate agent-bench\npip install -r requirements.txt\n```\n\n确保已正确安装 [Docker](https:\u002F\u002Fwww.docker.com\u002F)。\n\n```bash\ndocker ps\n```\n\n为 `dbbench-std` 和 `os-std` 构建所需的镜像。\n\n```bash\ndocker pull mysql\ndocker pull ubuntu\ndocker build -f data\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fdefault data\u002Fos_interaction\u002Fres\u002Fdockerfiles --tag local-os\u002Fdefault\ndocker build -f data\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fpackages data\u002Fos_interaction\u002Fres\u002Fdockerfiles --tag local-os\u002Fpackages\ndocker build -f data\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fubuntu data\u002Fos_interaction\u002Fres\u002Fdockerfiles --tag local-os\u002Fubuntu\n```\n\n### 第 2 步：配置代理\n\n在 `configs\u002Fagents\u002Fopenai-chat.yaml` 中的正确位置填写您的 OpenAI API 密钥。（例如 `gpt-3.5-turbo-0613`）\n\n您可以尝试使用 `python -m src.client.agent_test` 来检查您的代理是否配置正确。\n\n默认情况下，将启动 `gpt-3.5-turbo-0613`。您可以通过修改参数将其替换为其他代理：\n\n```bash\npython -m src.client.agent_test --config configs\u002Fagents\u002Fapi_agents.yaml --agent gpt-3.5-turbo-0613\n\n### 第 3 步：启动任务服务器\n\n启动任务工作进程涉及一些特定步骤。手动启动可能会比较繁琐，因此我们提供了一个自动化脚本。\n\n此步骤的前提是端口 5000 到 5015 是可用的。对于 Mac OS 系统，您可能需要参考 [这里](https:\u002F\u002Fstackoverflow.com\u002Fquestions\u002F69955686\u002Fwhy-cant-i-run-the-project-on-port-5000) 来释放端口 5000 以供使用。\n\n```bash\npython -m src.start_task -a\n```\n\n这将为 `dbbench-std` 和 `os-std` 任务分别启动五个任务工作进程，并自动将它们连接到端口 5000 上的控制器。**执行此命令后，请预留大约 1 分钟的时间等待任务设置完成。** 如果终端显示“.... 200 OK”，则可以打开另一个终端并按照第 4 步操作。\n\n#### 轻量级预设（笔记本电脑\u002F内存有限）\n\n如果您希望以最小并发数（每个任务 1 个工作进程）启动，可以使用轻量级预设：\n\n```bash\npython -m src.start_task -a --config configs\u002Fstart_task_lite.yaml\n```\n\n### 第 4 步：启动分配器\n\n此步骤用于实际启动任务。\n\n如果到目前为止所有配置都正确无误，现在就可以开始进行任务测试了。\n\n```bash\npython -m src.assigner\n```\n\n如果您使用轻量级预设启动了任务服务器，也可以运行轻量级评估预设：\n\n```bash\npython -m src.assigner --config configs\u002Fassignments\u002Flite.yaml\n```\n\n## 后续步骤\n\n如果您希望启动更多任务或使用其他模型，可以参考 [配置指南](docs\u002FConfig_en.md) 和 [程序入口指南](docs\u002FEntrance_en.md) 中的内容。\n\n对于剩余五项任务的环境，您需要下载我们提供的 Docker 镜像：\n\n```\nlonginyu\u002Fagentbench-ltp\nlonginyu\u002Fagentbench-webshop\nlonginyu\u002Fagentbench-mind2web\nlonginyu\u002Fagentbench-card_game\nlonginyu\u002Fagentbench-alfworld\n```\n\n八项任务中单个任务工作进程的资源消耗大致如下，请在启动时予以考虑：\n\n| 任务名称   | 启动速度 | 内存消耗 |\n| ---------- | -------- | -------- |\n| webshop    | ~3 分钟  | ~15G     |\n| mind2web   | ~5 分钟  | ~1G      |\n| db         | ~20 秒   | \u003C 500M   |\n| alfworld   | ~10 秒   | \u003C 500M   |\n| card_game  | ~5 秒    | \u003C 500M   |\n| ltp        | ~5 秒    | \u003C 500M   |\n| os         | ~5 秒    | \u003C 500M   |\n| kg         | ~5 秒    | \u003C 500M   |\n\n### 在本地部署 KnowledgeGraph 服务\nKnowledgeGraph 任务依赖于一个目前尚不稳定的在线服务。如果您希望在本地部署该服务，可以按照以下步骤操作：\n\n**步骤 1.** \u003Cbr \u002F>\n下载数据库并设置服务 [freebase-setup](https:\u002F\u002Fgithub.com\u002Fdki-lab\u002FFreebase-Setup)。\n\n**步骤 2.** \u003Cbr \u002F>\n将 `\u002Fconfigs\u002Ftasks\u002Fkg.yaml` 文件中的这一行 `sparql_url: \"http:\u002F\u002F164.107.116.56:3093\u002Fsparql\"` 修改为 `sparql_url: \"\u003C您的 SPARQL 服务 API 地址>\"`。\n\n**附注：** 您应在启动代理任务服务之前先启动 KG 服务。\n\n## 扩展 AgentBench\n如果您希望向 AgentBench 添加新任务，可以参考 [扩展指南](docs\u002FExtension_en.md)。\n\n## 参考文献\nAvalon 任务源自 [AvalonBench](https:\u002F\u002Fgithub.com\u002Fjonathanmli\u002FAvalon-LLM\u002F) 的合并，后者实现了一个多智能体框架。\n\n## 引用\n```\n@article{liu2023agentbench,\n  title   = {AgentBench: Evaluating LLMs as Agents},\n  author  = {Xiao Liu and Hao Yu and Hanchen Zhang and Yifan Xu and Xuanyu Lei and Hanyu Lai and Yu Gu and Hangliang Ding and Kaiwen Men and Kejuan Yang and Shudan Zhang and Xiang Deng and Aohan Zeng and Zhengxiao Du and Chenhui Zhang and Sheng Shen and Tianjun Zhang and Yu Su and Huan Sun and Minlie Huang and Yuxiao Dong and Jie Tang},\n  year    = {2023},\n  journal = {arXiv preprint arXiv: 2308.03688}\n}\n```","# AgentBench 快速上手指南\n\nAgentBench 是首个旨在评估大语言模型（LLM）作为智能体（Agent）在不同环境中表现的综合基准测试工具。本指南基于最新的 **AgentBench FC (Function Calling)** 版本，帮助您快速搭建环境并运行评测。\n\n## 环境准备\n\n在开始之前，请确保您的系统满足以下要求：\n\n*   **操作系统**：Linux 或 macOS（Windows 用户建议使用 WSL2）。\n*   **Docker**：必须安装 Docker Engine 和 Docker Compose。\n    *   验证安装：`docker ps`\n*   **硬件资源**：\n    *   **内存**：建议至少 16GB RAM。`webshop` 环境启动需约 16GB 内存；`alfworld` 存在内存泄漏问题，需定期重启容器。\n    *   **磁盘**：预留足够空间用于拉取镜像和存储数据库文件（特别是 KnowledgeGraph 任务）。\n*   **网络**：需要能够访问 GitHub 和 Docker Hub（国内用户建议配置镜像加速）。\n\n## 安装步骤\n\n### 1. 克隆项目\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentBench.git\ncd AgentBench\n```\n\n### 2. 准备基础镜像\n根据官方文档，需预先拉取或构建任务所需的 Docker 镜像。\n\n**拉取数据库镜像：**\n```bash\ndocker pull mysql:8\n```\n\n**构建操作系统交互镜像：**\n```bash\ndocker build -t local-os\u002Fdefault -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fdefault data\u002Fos_interaction\u002Fres\u002Fdockerfiles\ndocker build -t local-os\u002Fpackages -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fpackages data\u002Fos_interaction\u002Fres\u002Fdockerfiles\ndocker build -t local-os\u002Fubuntu -f .\u002Fdata\u002Fos_interaction\u002Fres\u002Fdockerfiles\u002Fubuntu data\u002Fos_interaction\u002Fres\u002Fdockerfiles\n```\n\n### 3. 配置 KnowledgeGraph (KG) 数据（可选但推荐）\n若需运行 `knowledgegraph` 任务，需本地部署 Freebase 服务：\n1.  从 [Freebase-Setup](https:\u002F\u002Fgithub.com\u002Fdki-lab\u002FFreebase-Setup) 下载数据。\n2.  解压并将数据放置在 `.\u002Fvirtuoso_db\u002Fvirtuoso.db` 目录下。\n3.  或者，修改 `extra\u002Fdocker-compose.yml` 中的挂载点指向您的数据位置。\n\n> **注意**：如果不运行 KG 任务或希望使用简化模式，可跳过此步并在后续启动时调整配置。\n\n## 基本使用\n\nAgentBench FC 版本支持通过一条命令利用 Docker Compose 启动所有服务（包括控制器、各任务 Worker、Redis 及 Freebase 服务器）。\n\n### 1. 启动服务栈\n在项目根目录执行以下命令：\n\n```bash\ndocker compose -f extra\u002Fdocker-compose.yml up\n```\n\n该命令将自动完成以下操作：\n*   拉取或构建缺失的镜像。\n*   启动 **AgentRL Controller**。\n*   为 `alfworld`, `dbbench`, `knowledgegraph`, `os_interaction`, `webshop` 各启动一个 Task Worker。\n*   启动 Redis 服务器（用于容器分配）和 Freebase 服务器（如需）。\n\n> **提示**：如果您的机器已运行 Redis (v7+)，可编辑 `extra\u002Fdocker-compose.yml` 注释掉 Redis 服务部分以避免端口冲突。\n\n### 2. 运行评测\n服务启动完成后（终端显示日志正常滚动），您可以在另一个终端窗口通过 AgentRL 框架提交评测任务。具体的评测脚本和参数配置请参考 [AgentRL](https:\u002F\u002Fgithub.com\u002FTHUDM\u002FAgentRL) 项目的文档，因为 AgentBench FC 已深度集成该框架。\n\n### 3. 旧版本使用 (v0.2)\n如果您需要使用传统的非 Function Calling 版本（支持 OS, DB, KG, DCG, LTP, HH, WS, WB 八大环境），请切换至 v0.2 分支：\n\n```bash\ngit checkout v0.2\n```\n\n**v0.2 版本快速运行示例：**\n\n1.  **安装依赖** (推荐使用 Python 3.9):\n    ```bash\n    conda create -n agent-bench python=3.9\n    conda activate agent-bench\n    pip install -r requirements.txt\n    ```\n\n2.  **配置 API Key**:\n    编辑 `configs\u002Fagents\u002Fopenai-chat.yaml`，填入您的 OpenAI API Key。\n\n3.  **启动任务服务器** (以 dbbench 和 os 任务为例):\n    ```bash\n    # 全量模式（需较多端口和资源）\n    python -m src.start_task -a\n    \n    # 轻量模式（适合笔记本，每个任务仅 1 个 worker）\n    python -m src.start_task -a --config configs\u002Fstart_task_lite.yaml\n    ```\n    *等待终端显示 \".... 200 OK\" 表示服务就绪。*\n\n4.  **开始评测**:\n    ```bash\n    # 全量评测\n    python -m src.assigner\n    \n    # 轻量评测\n    python -m src.assigner --config configs\u002Fassignments\u002Flite.yaml\n    ```\n\n## 查看结果\n评测完成后，您可以查看本地生成的日志或通过 AgentBench 官方 [Leaderboard](https:\u002F\u002Fdocs.google.com\u002Fspreadsheets\u002Fd\u002Fe\u002F2PACX-1vRR3Wl7wsCgHpwUw1_eUXW_fptAPLL3FkhnW_rua0O1Ji_GIVrpTjY5LaKAhwO-WeARjnY_KNw0SYNJ\u002Fpubhtml) 对比不同模型的表现。","某 AI 实验室团队正在研发一款能自主操作数据库、文件系统并浏览网页的通用智能体，急需验证其在复杂真实环境中的执行能力。\n\n### 没有 AgentBench 时\n- **评估维度单一**：团队只能依赖静态问答数据集测试模型，无法判断智能体在动态环境（如 Linux 终端或 MySQL 数据库）中能否正确执行多步指令。\n- **环境搭建繁琐**：为测试“操作系统交互”或“知识图谱查询”等场景，需手动配置 Docker 容器、数据库实例及依赖服务，耗时数天且难以复现。\n- **缺乏统一标准**：不同成员使用自定义脚本测试，导致结果无法横向对比，难以客观衡量模型迭代后的真实性能提升。\n- **长程任务难验证**：面对需要数十步推理的复杂任务（如电商购物流程），缺乏自动化评估机制，只能靠人工肉眼观察日志，效率极低。\n\n### 使用 AgentBench 后\n- **全场景覆盖评估**：直接利用内置的 OS、DB、WebShop 等八大领域基准，全面量化智能体在真实交互环境中的规划与执行成功率。\n- **一键部署环境**：通过 Docker Compose 单命令即可启动包含 Redis、Freebase 服务器及各任务 Worker 的完整测试栈，将环境准备时间从几天缩短至几分钟。\n- **标准化排行榜对标**：基于统一的 Function Calling 提示风格和评测协议，团队可将自研模型结果直接与官方 Leaderboard 上的 SOTA 模型进行公平对比。\n- **自动化多轮评测**：框架自动处理多轮对话状态管理与结果判定，快速发现模型在长程任务中的记忆丢失或逻辑断裂问题，加速调试迭代。\n\nAgentBench 将原本碎片化、高成本的智能体评估工作，转化为标准化、自动化的全流程基准测试，成为衡量大模型从“聊天机器人”进化为“全能代理人”的关键标尺。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTHUDM_AgentBench_a50fc3a8.jpg","THUDM","THUKEG","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FTHUDM_698cabbc.png","ChatGLM, GLM-4, CogVLM, CodeGeeX, CogView, ImageReward, CogVideoX | CogDL, GraphMAE, AMiner | Zhipu.ai (Z.ai) & Knowledge Engineering Group (KEG)",null,"keg.cs.tsinghua@gmail.com","thukeg","https:\u002F\u002Fhuggingface.co\u002FTHUDM","https:\u002F\u002Fgithub.com\u002FTHUDM",[85,89,93,97],{"name":86,"color":87,"percentage":88},"Python","#3572A5",86.2,{"name":90,"color":91,"percentage":92},"Shell","#89e051",5.9,{"name":94,"color":95,"percentage":96},"PDDL","#0d00ff",5.5,{"name":98,"color":99,"percentage":100},"Dockerfile","#384d54",2.4,3297,243,"2026-04-03T15:06:55","Apache-2.0",4,"Linux, macOS","未说明","最低 16GB (WebShop 环境启动需约 16GB)，推荐更多以支持多任务并发",{"notes":110,"python":111,"dependencies":112},"必须安装 Docker 和 Docker Compose。部分任务（如 KnowledgeGraph）需要额外下载 Freebase 数据集并部署本地服务。WebShop 环境内存占用极大，ALFWorld 存在内存泄漏问题需重启任务 worker。Mac OS 用户可能需要释放 5000 端口。建议使用 Conda 创建 Python 3.9 环境以避免依赖冲突。","3.9",[113,114,115],"numpy~=1.23.x","docker","redis>=7.0",[15,13,26],[118,119,120,121],"chatgpt","gpt-4","llm","llm-agent","2026-03-27T02:49:30.150509","2026-04-06T05:15:21.313028",[],[]]