读懂 Harbor 前。先背下这 个词

你兴冲冲打开 Harbor 文档，想看看「它到底怎么考我的 agent」。结果第一屏就撞上 Agent、Adapter、Dataset、Trial、Registry、ATIF 排成一排——每个词单看都认识，连起来全懵。

更坑的是它们长得像亲戚，其实辈分差着代：Trial 和 Agent 不是一回事。Adapter 接的不是 agent，Registry 也不是考场。话说回来，新人最容易在这里绕晕，接下来放弃读源码、转去抄别人的命令。

这篇不扯原理、不跑 benchmark，就干一件事：先把这 个词钉死。读完你再看 harbor run 的输出，会像看考场的记分牌一样清楚。

为什么要先搞懂这些词

评测工具的文档之所以难读。不是因为逻辑复杂，而是它发明了一套「考场」。这 个词就是本，搞懂它们，你才能回答三个实际问题：

• harbor run 输出里那一堆 trial。到底对应你考了几次，
• 为什么有的 benchmark 直接能跑、有的要先「接 adapter」？
• 跑完的轨迹文件，凭什么能被别的工具直接吃？

先把关系图立住后面每个词都挂得上。

flowchart TB
U
AG
DS
AD
H
TR
SB[&#;隔离沙箱&#，}
TJ[&;Trajectory，&}
RG[(;Registry，'>
AN[;'>
U --> AG
U --> DS
DS --> AD
AD --> H
AG --> H
H --> TR
TR --> SB
TR --> TJ
TJ --> AN
RG --> DS
style U fill:#86909c,stroke:#86909c,color:#ffffff
style AG fill:#e8ffea,stroke:#00b42a,color:#00875a
style DS fill:#fff1f0,stroke:#f53f3f。color:#cf1322
style AD fill:#ffffff,stroke:#86909c,color:#1d2129
style H fill:#1e80ff,stroke:#1e80ff,color:#ffffff
style TR fill:#e8f3ff,stroke:#1e80ff,color:#1d2129
style SB fill:#ffffff,stroke:#86909c,color:#1d2129
style TJ fill:"background";怎么说呢，

You bring Agent and Dataset in;

• Agent:  定义：  被评测/调整的任意 AI agent——Claude Code、OpenHands、Codex CLI、Aider、自研都行。
• Dataset:  定义：  可运行评测的题目集 / 第三方基准，例如 terminal-bench@、SWE-Bench、Aider Polyglot。说起来，
• Adapter:  定义：  把某个外部 benchmark 接进 Harbor 执行引擎的小胶水代码。 仓库里 adapters/ 下有实现，例如 research-code-bench adapter。其实，
• Trial :  定义：  一次「单个任务 × 单个 agent × 单个模型」完整运行记录；按理说，Dataset 有多道题，一场就是多份 Trial。
• Registry:  定义：  存储 task、dataset manifest、指标等元信息；harbor publish 上传题目；harbor download 或 sync 拉取数据。
• ATIF:& *注：此处应为 ATIF 而非 ATIF* – 已修正*

Agent这方面，考生

• 定义：\t被评测/调整的任意 AI agent — Claude Code、OpenHands 等。
• 类比：\t驾照考试里的考生。
• CLI 示证：\tharbor run --agent claude-code ,agent 任你指定。Harbor 不锁写法，
• 常见误用：\t以为 Harbor 自带一个默认 agent 来跑任务。错，Harbor 是考场，你自己负责挑选或实现 Agent。此点正好说明 Ep1 “Harbor 是考场不是考官”。

Dataset：题库

• 定义：\t可运行评测的一组题目集合/第三方基准，如 terminal-bench@ 等。

Adapter：题库的「接线员」

   ，  ，