[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"tool-metauto-ai--agent-as-a-judge":3,"similar-metauto-ai--agent-as-a-judge":87},{"id":4,"github_repo":5,"name":6,"description_en":7,"description_zh":8,"ai_summary_zh":8,"readme_en":9,"readme_zh":10,"quickstart_zh":11,"use_case_zh":12,"hero_image_url":13,"owner_login":14,"owner_name":15,"owner_avatar_url":16,"owner_bio":17,"owner_company":18,"owner_location":18,"owner_email":19,"owner_twitter":20,"owner_website":18,"owner_url":21,"languages":22,"stars":35,"forks":36,"last_commit_at":37,"license":38,"difficulty_score":39,"env_os":40,"env_gpu":40,"env_ram":40,"env_deps":41,"category_tags":47,"github_topics":50,"view_count":39,"oss_zip_url":18,"oss_zip_packed_at":18,"status":53,"created_at":54,"updated_at":55,"faqs":56,"releases":86},9066,"metauto-ai\u002Fagent-as-a-judge","agent-as-a-judge","👩‍⚖️ Agent-as-a-Judge: The Magic for Open-Endedness","agent-as-a-judge 是一个专为评估和优化 AI 智能体（Agent）而设计的开源框架，其核心理念是让 AI 化身“法官”，自动对复杂的开放式任务进行评判。它主要解决了传统人工评估效率低下、成本高昂且难以提供细粒度反馈的痛点。通过自动化执行评估，agent-as-a-judge 能比人类专家节省约 97% 的时间与成本，并能生成连续、分步骤的奖励信号，直接用于驱动智能体的自我迭代与训练。\n\n该工具特别适合 AI 研究人员、大模型开发者以及致力于构建自主智能体系统的工程师使用。其独特亮点在于不仅提供最终的评分，还能在任务执行过程中实时收集证据并给出具体反馈，从而支持更高效的强化学习。此外，项目还包含了基于此理念构建的 OpenWiki 演示，展示了如何仅用少量代码即可创建深度知识库。作为已被 ICML 2025 收录的研究成果，agent-as-a-judge 还提供了一套包含真实开发任务的 DevAI 基准数据集，帮助社区在不同领域生成高质量的智能体评估数据，是推动代理式 AI 从实验走向可靠应用的重要基础设施。","\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_4c0ead86aa75.png\" alt=\"aaaj Logo\" width=\"850\" \u002F>\n\u003C\u002Fdiv>\n\n\n[![License](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-blue?style=flat-square)](LICENSE)\n[![Paper](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPaper-arXiv-red?style=flat-square&logo=arxiv)](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2410.10934)\n[![Dataset](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDataset-HuggingFace-yellow?style=flat-square&logo=huggingface)](https:\u002F\u002Fhuggingface.co\u002FDEVAI-benchmark)\n\n\n> [!NOTE]\n> 📢 **Agent-as-a-Judge** is not only limited to the content of this repo, but a philosophy for judging agentic work and generating high-quality agentic datasets across domains.\n>\n> 🔥 **Accepted at ICML 2025!**\n>\n> 🔥 We build a Open-sourced DeepWiki (**OpenWiki**) which just add two codes in this repo (**following is a demo**).\n>\n\n> \u003Cdiv align=\"center\" style=\"position: relative; width: 100%; overflow: hidden;\">\n>     \u003Cdiv style=\"display: flex; transition: transform 0.5s ease;\">\n>         \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_e3d93e1f1019.jpeg\" alt=\"OpenWiki Architecture\" style=\"min-width: 100%; object-fit: contain;\" \u002F>\n>         \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_440ee92e032e.jpeg\" alt=\"OpenWiki Component\" style=\"min-width: 100%; object-fit: contain;\" \u002F>\n>     \u003C\u002Fdiv>\n> \u003C\u002Fdiv>\n\n\n## 🤠 Features\n\nAgent-as-a-Judge offers two key advantages:\n\n- **Automated Evaluation**: Agent-as-a-Judge can evaluate tasks during or after execution, saving 97.72% of time and 97.64% of costs compared to human experts.\n- **Provide Reward Signals**: It provides continuous, step-by-step feedback that can be used as reward signals for further agentic training and improvement.\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_3cef5c7c1309.png\" alt=\"AaaJ\" style=\"width: 95%; max-width: 650px;\">\n\u003C\u002Fdiv>\n\n\n\n## 🎮 Quick Start \n\n### 1. install\n\n```python\ngit clone https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002Fagent-as-a-judge.git\ncd agent-as-a-judge\u002F\nconda create -n aaaj python=3.11\nconda activate aaaj\npip install poetry\npoetry install\n```\n\n\n### 2. set LLM&API\n\nBefore running, rename `.env.sample` to `.env` and fill in the **required APIs and Settings** in the main repo folder to support LLM calling. The `LiteLLM` tool supports various LLMs.\n\n```bash\ncp .env.sample .env\n# and then set the .env, please change accordingly, for example: \n# OPENAI_API_KEY=\"sk-***\"\n# ...\n```\n\n### 3. run \n\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_a0bd21dfa281.gif\" alt=\"Demo GIF\" style=\"width: 100%; max-width: 650px;\">\n\u003C\u002Fdiv>\n\n> [!TIP]\n> See more comprehensive [usage scripts](scripts\u002FREADME.md).\n>\n\n\n#### Usage A: **Ask Anything** for Any Workspace:\n\n```python \n\nPYTHONPATH=. python scripts\u002Frun_ask.py \\\n  --workspace $(pwd)\u002Fbenchmark\u002Fworkspaces\u002FOpenHands\u002F39_Drug_Response_Prediction_SVM_GDSC_ML \\\n  --question \"What does this workspace contain?\"\n```\n\nYou can find an [example](assets\u002Fask_sample.md) to see how **Ask Anything** works.\n\n\n#### Usage B: **Agent-as-a-Judge** for **DevAI**\n\n\n```python\n\nPYTHONPATH=. python scripts\u002Frun_aaaj.py \\\n  --developer_agent \"OpenHands\" \\\n  --setting \"black_box\" \\\n  --planning \"efficient (no planning)\" \\\n  --benchmark_dir $(pwd)\u002Fbenchmark\n```\n\n💡 There is an [example](assets\u002Faaaj_sample.md) that shows the process of how **Agent-as-a-Judge** collects evidence for judging.\n\n####  Usage C: **OpenWiki** 🔥🔥🔥\n\n\n\n```python\npython scripts\u002Frun_wiki.py https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002FGPTSwarm\n```\n\n\n## 🤗 DevAI Dataset \n\n\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_4006d86a109d.png\" alt=\"Dataset\" style=\"width: 100%; max-width: 600px;\">\n\u003C\u002Fdiv>\n\n> [!IMPORTANT]\n> As a **proof-of-concept**, we applied **Agent-as-a-Judge** to code generation tasks using **DevAI**, a benchmark consisting of 55 realistic AI development tasks with 365 hierarchical user requirements. The results demonstrate that **Agent-as-a-Judge** significantly outperforms traditional evaluation methods, delivering reliable reward signals for scalable self-improvement in agentic systems.\n> \n> Check out the dataset on [Hugging Face 🤗](https:\u002F\u002Fhuggingface.co\u002FDEVAI-benchmark).\n> See how to use this dataset in the [guidelines](benchmark\u002Fdevai\u002FREADME.md).\n\n\n\u003C!-- \u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_034909c19646.jpeg\" alt=\"Sample\" style=\"width: 100%; max-width: 600px;\">\n\u003C\u002Fdiv> -->\n\n## Reference\n\nFeel free to cite if you find the Agent-as-a-Judge concept useful for your work:\n\n```\n@article{zhuge2024agent,\n  title={Agent-as-a-Judge: Evaluate Agents with Agents},\n  author={Zhuge, Mingchen and Zhao, Changsheng and Ashley, Dylan and Wang, Wenyi and Khizbullin, Dmitrii and Xiong, Yunyang and Liu, Zechun and Chang, Ernie and Krishnamoorthi, Raghuraman and Tian, Yuandong and Shi, Yangyang and Chandra, Vikas and Schmidhuber, J{\\\"u}rgen},\n  journal={arXiv preprint arXiv:2410.10934},\n  year={2024}\n}\n```\n\n\n","\u003Cdiv align=\"center\">\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_4c0ead86aa75.png\" alt=\"aaaj Logo\" width=\"850\" \u002F>\n\u003C\u002Fdiv>\n\n\n[![许可证](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FLicense-MIT-blue?style=flat-square)](LICENSE)\n[![论文](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FPaper-arXiv-red?style=flat-square&logo=arxiv)](https:\u002F\u002Farxiv.org\u002Fpdf\u002F2410.10934)\n[![数据集](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDataset-HuggingFace-yellow?style=flat-square&logo=huggingface)](https:\u002F\u002Fhuggingface.co\u002FDEVAI-benchmark)\n\n\n> [!NOTE]\n> 📢 **Agent-as-a-Judge** 不仅限于本仓库的内容，更是一种用于评估智能体工作并跨领域生成高质量智能体数据集的理念。\n>\n> 🔥 **已被 ICML 2025 接收！**\n>\n> 🔥 我们构建了一个开源的 DeepWiki（**OpenWiki**），只需在本仓库中添加两行代码即可实现（**以下是演示**）。\n>\n\n> \u003Cdiv align=\"center\" style=\"position: relative; width: 100%; overflow: hidden;\">\n>     \u003Cdiv style=\"display: flex; transition: transform 0.5s ease;\">\n>         \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_e3d93e1f1019.jpeg\" alt=\"OpenWiki 架构\" style=\"min-width: 100%; object-fit: contain;\" \u002F>\n>         \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_440ee92e032e.jpeg\" alt=\"OpenWiki 组件\" style=\"min-width: 100%; object-fit: contain;\" \u002F>\n>     \u003C\u002Fdiv>\n> \u003C\u002Fdiv>\n\n\n## 🤠 特性\n\nAgent-as-a-Judge 提供两大优势：\n\n- **自动化评估**：Agent-as-a-Judge 可以在任务执行期间或完成后进行评估，相比人类专家可节省 97.72% 的时间与 97.64% 的成本。\n- **提供奖励信号**：它能够提供连续、分步骤的反馈，这些反馈可用作奖励信号，用于进一步的智能体训练与改进。\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_3cef5c7c1309.png\" alt=\"AaaJ\" style=\"width: 95%; max-width: 650px;\">\n\u003C\u002Fdiv>\n\n\n\n## 🎮 快速入门 \n\n### 1. 安装\n\n```python\ngit clone https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002Fagent-as-a-judge.git\ncd agent-as-a-judge\u002F\nconda create -n aaaj python=3.11\nconda activate aaaj\npip install poetry\npoetry install\n```\n\n\n### 2. 配置 LLM 和 API\n\n运行前，请将 `.env.sample` 重命名为 `.env`，并在主仓库文件夹中填写 **所需的 API 和设置**，以支持 LLM 调用。`LiteLLM` 工具支持多种 LLM。\n\n```bash\ncp .env.sample .env\n# 然后配置 .env 文件，请根据实际情况修改，例如：\n# OPENAI_API_KEY=\"sk-***\"\n# ...\n```\n\n### 3. 运行 \n\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_a0bd21dfa281.gif\" alt=\"Demo GIF\" style=\"width: 100%; max-width: 650px;\">\n\u003C\u002Fdiv>\n\n> [!TIP]\n> 更多详细的 [使用脚本](scripts\u002FREADME.md) 请参阅。\n>\n\n\n#### 使用 A：针对任意工作空间的 **Ask Anything**：\n\n```python \n\nPYTHONPATH=. python scripts\u002Frun_ask.py \\\n  --workspace $(pwd)\u002Fbenchmark\u002Fworkspaces\u002FOpenHands\u002F39_Drug_Response_Prediction_SVM_GDSC_ML \\\n  --question \"这个工作空间包含什么内容？\"\n```\n\n您可以参考 [示例](assets\u002Fask_sample.md)，了解 **Ask Anything** 的具体操作方式。\n\n\n#### 使用 B：针对 **DevAI** 的 **Agent-as-a-Judge**\n\n\n```python\n\nPYTHONPATH=. python scripts\u002Frun_aaaj.py \\\n  --developer_agent \"OpenHands\" \\\n  --setting \"black_box\" \\\n  --planning \"efficient (no planning)\" \\\n  --benchmark_dir $(pwd)\u002Fbenchmark\n```\n\n💡 有一个 [示例](assets\u002Faaaj_sample.md)，展示了 **Agent-as-a-Judge** 如何收集证据来进行评判的过程。\n\n#### 使用 C：**OpenWiki** 🔥🔥🔥\n\n\n\n```python\npython scripts\u002Frun_wiki.py https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002FGPTSwarm\n```\n\n\n## 🤗 DevAI 数据集 \n\n\n\n\u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_4006d86a109d.png\" alt=\"数据集\" style=\"width: 100%; max-width: 600px;\">\n\u003C\u002Fdiv>\n\n> [!IMPORTANT]\n> 作为 **概念验证**，我们将 **Agent-as-a-Judge** 应用于代码生成任务，使用的基准是 **DevAI**，该基准包含 55 个真实的 AI 开发任务，共 365 个层次化的用户需求。结果表明，**Agent-as-a-Judge** 显著优于传统评估方法，能够为智能体系统的规模化自我改进提供可靠的奖励信号。\n> \n> 您可以在 [Hugging Face 🤗](https:\u002F\u002Fhuggingface.co\u002FDEVAI-benchmark) 上查看该数据集。\n> 请参阅 [指南](benchmark\u002Fdevai\u002FREADME.md)，了解如何使用此数据集。\n\n\n\u003C!-- \u003Cdiv align=\"center\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_readme_034909c19646.jpeg\" alt=\"样本\" style=\"width: 100%; max-width: 600px;\">\n\u003C\u002Fdiv> -->\n\n## 参考文献\n\n如果您认为 Agent-as-a-Judge 的理念对您的工作有所帮助，欢迎引用：\n\n```\n@article{zhuge2024agent,\n  title={Agent-as-a-Judge: Evaluate Agents with Agents},\n  author={Zhuge, Mingchen and Zhao, Changsheng and Ashley, Dylan and Wang, Wenyi and Khizbullin, Dmitrii and Xiong, Yunyang and Liu, Zechun and Chang, Ernie and Krishnamoorthi, Raghuraman and Tian, Yuandong and Shi, Yangyang and Chandra, Vikas and Schmidhuber, J{\\\"u}rgen},\n  journal={arXiv preprint arXiv:2410.10934},\n  year={2024}\n}\n```","# Agent-as-a-Judge 快速上手指南\n\n**Agent-as-a-Judge** 是一个用于自动化评估智能体（Agent）工作并生成高质量数据集的框架。它不仅能大幅节省人工评估的时间和成本，还能为智能体的强化学习提供连续的奖励信号。该项目已被 **ICML 2025** 接收。\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*   **Python 版本**: 3.11 (必须)\n*   **依赖管理工具**: Conda, Poetry\n*   **API Key**: 需要配置大模型 API（如 OpenAI），项目使用 `LiteLLM` 支持多种模型。\n\n## 安装步骤\n\n请按照以下命令依次执行，完成环境搭建和依赖安装：\n\n```bash\n# 1. 克隆仓库\ngit clone https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002Fagent-as-a-judge.git\ncd agent-as-a-judge\u002F\n\n# 2. 创建并激活 Python 3.11 虚拟环境\nconda create -n aaaj python=3.11\nconda activate aaaj\n\n# 3. 安装 Poetry 并使用其安装项目依赖\npip install poetry\npoetry install\n```\n\n> **提示**：如果在国内网络环境下 `pip install poetry` 较慢，可使用国内镜像源：\n> `pip install poetry -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 基本使用\n\n### 1. 配置 API 密钥\n\n在项目根目录下，将示例环境变量文件复制为 `.env`，并填入您的大模型 API Key 及其他必要设置。\n\n```bash\ncp .env.sample .env\n```\n\n编辑 `.env` 文件，填入类似以下内容（以 OpenAI 为例）：\n```bash\nOPENAI_API_KEY=\"sk-***\"\n# 根据您使用的模型提供商填写其他配置\n```\n\n### 2. 运行示例\n\n本项目提供三种主要使用模式，以下是各模式的最简启动命令：\n\n#### 模式 A：任意工作区问答 (Ask Anything)\n用于查询特定工作区的内容。\n\n```python\nPYTHONPATH=. python scripts\u002Frun_ask.py \\\n  --workspace $(pwd)\u002Fbenchmark\u002Fworkspaces\u002FOpenHands\u002F39_Drug_Response_Prediction_SVM_GDSC_ML \\\n  --question \"What does this workspace contain?\"\n```\n\n#### 模式 B：智能体评估 (Agent-as-a-Judge for DevAI)\n用于对开发型智能体（如 OpenHands）进行自动化评估。\n\n```python\nPYTHONPATH=. python scripts\u002Frun_aaaj.py \\\n  --developer_agent \"OpenHands\" \\\n  --setting \"black_box\" \\\n  --planning \"efficient (no planning)\" \\\n  --benchmark_dir $(pwd)\u002Fbenchmark\n```\n\n#### 模式 C：构建开源 DeepWiki (OpenWiki)\n仅需一行代码即可为指定 GitHub 仓库构建深度百科。\n\n```python\npython scripts\u002Frun_wiki.py https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002FGPTSwarm\n```\n\n> **注意**：更多详细用法脚本请参考项目内的 `scripts\u002FREADME.md` 文件。","某 AI 初创团队正在开发一个能自动编写复杂数据分析脚本的编程助手，急需对成千上万次代码生成任务进行质量评估与迭代优化。\n\n### 没有 agent-as-a-judge 时\n- **评估成本高昂**：依赖资深工程师人工审查代码逻辑与运行结果，耗时极长且人力成本难以承受。\n- **反馈严重滞后**：人工评审只能在任务全部完成后进行，无法在代码生成的中间步骤提供即时纠正信号。\n- **标准难以统一**：不同评审人员对“代码优劣”的主观判断存在差异，导致训练数据噪声大，模型优化方向模糊。\n- **开放场景束手无策**：面对没有标准答案的开放式编程需求（如“优化此算法效率”），传统自动化测试脚本无法判定好坏。\n\n### 使用 agent-as-a-judge 后\n- **降本增效显著**：agent-as-a-judge 自动接管评审工作，相比专家人工评估节省了约 97.7% 的时间与成本，实现全天候批量处理。\n- **过程实时指导**：它能深入执行过程，提供分步骤的连续反馈信号，直接作为奖励函数指导模型在训练中自我修正。\n- **评判客观一致**：基于统一的哲学框架对代理工作进行打分，消除了人为偏见，为模型迭代提供了高质量、标准化的数据集。\n- **驾驭开放任务**：即便面对无固定答案的复杂开发场景，也能通过收集证据链智能判定任务完成度，完美适配 DevAI 等真实基准测试。\n\nagent-as-a-judge 将原本昂贵且滞后的“人工考官”转化为低成本、实时的“智能裁判”，为代理系统的规模化自我进化提供了核心动力。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fmetauto-ai_agent-as-a-judge_4c0ead86.png","metauto-ai","metauto.ai","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fmetauto-ai_c6e65ed4.png","Meta + Auto  ",null,"mingchen.zhuge@kaust.edu.sa","MingchenZhuge","https:\u002F\u002Fgithub.com\u002Fmetauto-ai",[23,27,31],{"name":24,"color":25,"percentage":26},"HTML","#e34c26",76.9,{"name":28,"color":29,"percentage":30},"Python","#3572A5",22.6,{"name":32,"color":33,"percentage":34},"TeX","#3D6117",0.6,751,102,"2026-04-17T14:06:34","MIT",2,"未说明",{"notes":42,"python":43,"dependencies":44},"项目使用 Poetry 进行依赖管理，需配置 .env 文件以设置 LLM API 密钥（支持多种大模型）。主要功能包括自动化评估代理任务和生成奖励信号，并包含一个名为 OpenWiki 的开源 DeepWiki 演示。","3.11",[45,46],"poetry","LiteLLM",[48,49],"Agent","语言模型",[6,51,52],"llm-as-a-judge","llms","ready","2026-03-27T02:49:30.150509","2026-04-18T22:34:12.295963",[57,62,67,72,77,81],{"id":58,"question_zh":59,"answer_zh":60,"source_url":61},40674,"运行 run_ask.py 时报错 'JudgeAgent' object has no attribute 'get_evidence' 怎么办？","这是一个已知的代码缺失问题，维护者已通过 Pull Request #10 修复了该问题。请拉取最新的代码更新即可解决该 AttributeError 错误。","https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002Fagent-as-a-judge\u002Fissues\u002F9",{"id":63,"question_zh":64,"answer_zh":65,"source_url":66},40670,"使用 Poetry 安装时遇到 tensorflow 或 torch 安装失败（Unable to find installation candidates）怎么办？","这通常是由于版本不兼容导致的。建议尝试降低 tensorflow 和 torch 的版本，或者更新 pip。具体解决步骤如下：\n1. 移除现有的 sentence-transformers 并重新指定 torch 版本：\n   poetry remove sentence-transformers\n   poetry add sentence-transformers torch=2.0.1\n2. 删除 poetry.lock 文件后重新安装。\n3. 或者直接安装特定低版本：\n   pip install tensorflow==2.13.0\n   pip install torch==2.0.1\n4. 升级 pip 到最新版：\n   python -m pip install --upgrade pip","https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002Fagent-as-a-judge\u002Fissues\u002F11",{"id":68,"question_zh":69,"answer_zh":70,"source_url":71},40671,"运行评估时出现“文件不存在”（File does not exist）错误如何解决？","该错误通常是因为本地目录中缺少对应的测试实例文件。项目默认只提供了 instance 39 用于测试。解决方法是：\n1. 复制 benchmark\u002Fdevai\u002Finstances 目录。\n2. 删除其他基准测试实例，仅保留任务 39（39_Drug_Response_Prediction_SVM_GDSC_ML）。\n3. 确保评估脚本只针对任务 39 生成的文件进行运行，避免引用不存在的路径。","https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002Fagent-as-a-judge\u002Fissues\u002F15",{"id":73,"question_zh":74,"answer_zh":75,"source_url":76},40672,"如何自动收集 Agent 的开发轨迹（trajectory）？","轨迹可以通过在其他开源框架（如 MetaGPT, OpenHands, GPT-Pilot）中注入几行代码来自动生成。需要在合适的位置（例如 Agent 的思考过程、执行动作以及环境反馈处）添加记录逻辑，即可生成包含关键决策和动作的开发轨迹文件。","https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002Fagent-as-a-judge\u002Fissues\u002F20",{"id":78,"question_zh":79,"answer_zh":80,"source_url":76},40673,"如何使用 LLM-as-a-judge 评估代码生成结果？黑盒设置（black-box setting）的命令参数是什么？","如果没有轨迹或开发日志，需要使用规划（planning）来决定 Agent-as-a-Judge 的动作，此时应使用黑盒设置。运行命令时，需将 `--setting` 参数设置为 `\"black_box\"`。示例命令如下：\nPYTHONPATH=. python scripts\u002Frun_aaaj.py \\\n  --developer_agent \"OpenHands\" \\\n  --setting \"black_box\" \\\n  --planning \"planning\" \\\n  --benchmark_dir $(pwd)\u002Fbenchmark",{"id":82,"question_zh":83,"answer_zh":84,"source_url":85},40675,"默认配置中 data 目录同时存在于 include_dirs 和 exclude_dirs 会导致什么问题？","默认情况下 `--exclude_dirs` 包含了 \"data\"，而 \"data\" 也在 `include_dirs` 中，这会导致 data\u002F 下的文件被静默跳过，可能导致评估模型找不到预期文件并错误地标记任务为未完成。建议手动修改配置，从默认的 exclude_dirs 中移除 \"data\" 以确保文件被正确读取。","https:\u002F\u002Fgithub.com\u002Fmetauto-ai\u002Fagent-as-a-judge\u002Fissues\u002F33",[],[88,100,108,116,126,134],{"id":89,"name":90,"github_repo":91,"description_zh":92,"stars":93,"difficulty_score":94,"last_commit_at":95,"category_tags":96,"status":53},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[48,97,98,99],"开发框架","图像","数据工具",{"id":101,"name":102,"github_repo":103,"description_zh":104,"stars":105,"difficulty_score":94,"last_commit_at":106,"category_tags":107,"status":53},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,"2026-04-05T11:01:52",[97,98,48],{"id":109,"name":110,"github_repo":111,"description_zh":112,"stars":113,"difficulty_score":39,"last_commit_at":114,"category_tags":115,"status":53},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",160015,"2026-04-18T11:30:52",[97,48,49],{"id":117,"name":118,"github_repo":119,"description_zh":120,"stars":121,"difficulty_score":122,"last_commit_at":123,"category_tags":124,"status":53},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[48,125],"插件",{"id":127,"name":128,"github_repo":129,"description_zh":130,"stars":131,"difficulty_score":39,"last_commit_at":132,"category_tags":133,"status":53},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。",109154,"2026-04-18T11:18:24",[97,98,48],{"id":135,"name":136,"github_repo":137,"description_zh":138,"stars":139,"difficulty_score":39,"last_commit_at":140,"category_tags":141,"status":53},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[125,48,98,97]]