harbor - 用于技能测试和基准评估的Agent评估框架用于agent评估和技能基准测试的框架标签更新于: 2026-02-24评估基准测试测试agent能力典型输入典型输出该技能可以做什么运行harbor命令验证SkillsBench任务创建任务模板执行agent测试输入任务配置文件agent技能API密钥测试用例输出执行日志测试结果验证文件基准报告要求harbor安装Docker环境API访问权限agent技能目录来源规范: SKILL.md