Harbor（Laude Institute）

做什么

Harbor 是 Terminal-Bench 团队（斯坦福与 Laude Institute）开源的执行框架（Apache-2.0；仓库现位于 harbor-framework 组织，原在 laude-institute 下），随 Terminal-Bench 2.0（2025-11-07 发布，89 个人工验证的容器任务，斯坦福与 Laude 联合）配套推出，让同一批容器化任务既能做评测也能接入训练 [1]。Fleet AI 的训练层 harbor-train 即建立在它之上（Apache-2.0）[2]。

harness 工具族

开源 agent harness 还包括 SWE-agent、OpenHands、mini-SWE-agent、Agentless、Terminus-2（Terminal-Bench 2.0 默认 harness）、goose、HUD 的 hud-python 与 Mercor 的 Archipelago。各家模型方自测则倾向用自家产品：Anthropic 用 Claude Code，OpenAI 用 Codex CLI，Google 用 Gemini CLI。

意义与局限

约一半 benchmark 需要专属 harness，且多数各家自建不共享，Harbor 是少数例外；这使 harness 本身成为数据商护城河，也引出 Harness 敏感性 的可比性问题。

来源

1. https://snorkel.ai/blog/terminal-bench-2-0-raising-the-bar-for-ai-agent-evaluation/ (2026-10-15)
2. https://www.rl-list.com/vendors/fleet-ai (2026-10-15)