Evaluar agentes de codificación OpenClaw con tareas reales repetibles antes del despliegue usando PinchBench
Ejecuta un conjunto de pruebas comparativas con tareas reales contra agentes OpenClaw para que los cambios en el modelo o el harness puedan compararse antes de llegar a los flujos de producción.
Requisitos previos
Instancia de OpenClaw en ejecución, Python 3.10+, uv, repositorio de PinchBench descargado, credenciales del proveedor de modelos según la documentación oficial
Instalación
Usa la instalación o ruta de configuración oficial que corresponda a tu entorno:
- git clone https://github.com/pinchbench/skill.git
Requisitos y advertencias de la fuente oficial:
- Nota: Los IDs de modelo deben incluir su prefijo de proveedor (ej. openrouter/, anthropic/). OpenRouter es el proveedor predeterminado para el enrutamiento.
- Python 3.10+
Notas de uso básico o inicio rápido:
-
Uso de herramientas — ¿Puede el modelo invocar las herramientas correctas con los parámetros adecuados?
-
bash
-
Clonar la habilidad
-
Extraído de la documentación oficial: https://raw.githubusercontent.com/pinchbench/skill/HEAD/README.md