跳到主要内容

训练与评估

Harbor / Terminal-Bench

在 E2B 沙箱而非本地容器中运行 Harbor 试验,包括 Terminal-Bench。一个参数即可将作业迁移到 E2B,从而提高并发,而不会加重您机器的负载。

维护方
Harbor
集成方式
内置于 Harbor
软件包
harbor[e2b]
语言
Python

配置

快速开始

将提示词粘贴到您的编程智能体中,或按以下步骤自行配置。

粘贴到您的编程智能体中

在 E2B 沙箱上运行此项目的 Harbor 评估。

  1. 1.安装带 e2b 扩展的 Harbor("harbor[e2b]"),例如使用 uv tool install。
  2. 2.Harbor 需要 E2B_API_KEY 环境变量。如果尚未设置,请向我索要 API 密钥(在 https://console.e2b.dev/?tab=keys 获取)。切勿将其硬编码。
  3. 3.按照 https://docs.harborframework.com/sandboxes/pre-integrated-sandboxes 上的沙箱指南,用 -e e2b 运行作业,或在作业配置中将 environment.type 设为 e2b。
  4. 4.运行一个小型作业,并展示从沙箱返回的试验结果。

或自行配置

  1. 1. 安装带 E2B 支持的 Harbor

    uv tool install "harbor[e2b]"
  2. 2. 设置 API 密钥

    export E2B_API_KEY="e2b_..."
  3. 3. 在 E2B 上运行 Terminal-Bench

    harbor run \
      -d terminal-bench@2.0 \
      -a codex -m openai/gpt-5.6-sol \
      -e e2b \
      -n 32
  4. 4. 或写入作业配置

    {
      "n_concurrent_trials": 32,
      "environment": {
        "type": "e2b"
      },
      "agents": [
        {
          "name": "codex",
          "model_name": "openai/gpt-5.6-sol"
        }
      ],
      "datasets": [
        {
          "name": "terminal-bench",
          "version": "2.0"
        }
      ]
    }

安全

沙箱中运行的内容

每个 Harbor 试验都在独立的 E2B 沙箱中运行,与运行作业的机器隔离。

  • 代码被测智能体和任务的验证器,运行在任务定义的环境中。
  • 环境Harbor 将任务环境构建为 E2B 模板,只构建一次,并在各次试验中复用。
  • 网络任务可以关闭互联网访问或只允许列出的主机名,并可在试验运行期间更改。
  • 生命周期默认每次试验结束后删除沙箱。-⁠-⁠no-⁠delete 会保留它们以便检查。

已启动 30亿+ 个沙箱

为每个智能体 配一台机器