agent-eval-harness は何をしますか？
実際のGitHub Issueを使用してAIコーディングエージェントを比較する、ライブでオープンソースのベンチマーク
実際のGitHub Issueを使用してAIコーディングエージェントを比較する、ライブでオープンソースのベンチマーク
linny006/agent-eval-harnessは、実際のGitHub Issueをベースにしたライブベンチマークを提供するオープンソースツールです。複数のAIコーディングエージェント（Claude Code、Cursor、Codexなど）の性能を、実世界の問題解決能力で比較評価できます。開発者は自身のエージェントスタックをテストし、客観的なスコアを取得することで、最適なツール選択やワークフロー改善に活用できます。このハーネスは、実際のGitHubリポジトリからIssueを取得し、エージェントに解決させた結果を自動的に評価・集計する仕組みを提供します。
npx skills add linny006/agent-eval-harnessInstalled? Explore more 研究＆データ分析 skills: affaan-m/uspto-database, affaan-m/scholar-evaluation, affaan-m/literature-review · View all 6 →
実際のGitHub Issueを使用してAIコーディングエージェントを比較する、ライブでオープンソースのベンチマーク
USPTO patent and trademark data workflow for official record lookup, PatentSearch queries, TSDR checks, assignment data, and reproducible IP research logs.
Structured scholarly-work evaluation for papers, proposals, literature reviews, methods sections, evidence quality, citation support, and research-writing feedback.
Systematic literature-review workflow for academic, biomedical, technical, and scientific topics, including search planning, source screening, synthesis, citation checks, and evidence logging.
The agent harness performance optimization system. Skills, instincts, memory, security, and research-first development for Claude Code, Codex, Opencode, Cursor and beyond.
Agent skill repository discovered by 10x-chat research.
Review backend code for quality, security, maintainability, and best practices based on established checklist rules. Use when the user requests a review, analysis, or improvement of backend files (e.g., `.py`) under the `api/` directory. Do NOT use for frontend files (e.g., `.tsx`, `.ts`, `.js`). Supports pending-change review, code snippets review, and file-focused review.