Harbor Agent 评测仓库

本仓库集中存放 Harbor 框架下各 Agent 的测评产物：测评结果报告、部署过程记录、Agent 说明，以及支撑这些产物的任务/判分/附件。

仓库的三个用途：

分类管理：把智能体按核心定位归入 NN-<分类>/ 下的 11 个主目录（学科·行业·应用大类，01-理科 ~ 11-跨领域通用），跨分类只在 agent.md 里标注次级行业；
分类说明介绍：每个分类的定义、典型场景、代表智能体、适合的 Harbor 评估方向，见分类说明.md；
Harbor 各方向评估：如何用 Harbor 为每个方向的智能体构造可自动判分的最小闭环，见 Harbor评估方法.md；并最终落实到 1001 个智能体（= 11 分类 × 7 业务环节 × 13 原型），见 1001智能体规划.md。

仓库原则：测一个，完整交付一个，再挂一个进目录。 这里不存放 242 个候选池清单（那些继续留在调研 Excel 里），也不存放 Agent 的源码（源码用上游 GitHub 链接指向）。仓库里出现的每一个 Agent，都必须已经按 Definition of Done 交付。

一、文档导航

文档	说明
分类说明.md	11 个智能体方向（学科·行业·应用）的详细说明：定义、典型场景、代表智能体、适合的 Harbor 评估方向
Harbor评估方法.md	如何用 Harbor 评估各方向智能体的方法论：最小闭环、评测规模、五类指标、9 大方向闭环构造
1001智能体规划.md	1001 个智能体落地规划：11×7×13 组织地图、Agent/Eval 双卡、阶段路线、候选池
快速使用SOP.md	Harbor 安装→跑通 Task→查看结果的快速上手 + 本仓库使用流程
FAQ.md	常见问题（仓库用法 / 如何评测 / 如何提交 Agent）
CONTRIBUTING.md	提交规范 + 赛道/资产类型受控词表 + 分类目录词表 + Definition of Done
_registry/candidates.md	候选池台账（11 分类 · 50 项目，通向 1001 的种子）

二、分类规则

分类做目录：每个 Agent 按”核心定位分类”归入 NN-<分类>/ 下的一个主目录；跨分类/跨行业的，在 agent.md 里标注次级行业，不复制目录。
赛道做标签：测评维度（deep_research / 数据分析 / text_to_sql / 浏览器操作……）作为 agent.md 和注册表里的标签，用 _registry/by-track.md 反查，不设目录层级。

仓库的 11 个分类按学科·行业·应用界定（详细说明见分类说明.md；文中”行业/行业包/行业知识”等词指各分类所对应的领域场景）：

目录	分类	一句话说明
`01-理科`	理科	数学/物理/化学/生物/地球与环境科学等基础研究与科学发现
`02-工科`	工科	机械/电子/材料/土木/机器人等工程设计·仿真·实现
`03-文科`	文科	语言/写作/翻译/法律/社科等文字与咨询类
`04-金融`	金融	投研/交易/风控/财报分析
`05-教育`	教育	教学/出题/答疑/教务
`06-医疗`	医疗	临床/药物/生物信息/医学影像
`07-交通（智驾）`	交通（智驾）	自动驾驶/车/出行/物流调度
`08-文娱`	文娱	内容创作/音视频/游戏/营销创意
`09-能源`	能源	电力/油气/新能源
`10-智能制造`	智能制造	工业研发/制造执行/质检/设备运维
`11-跨领域通用`	跨领域通用	通用编码/编排/框架/助手 + 跨学科自动科研

说明：11 个分类与《1001 智能体规划》的”11×7×13 网格”一一对应（11 分类 × 7 业务环节 × 13 智能体原型 = 1001）——11-跨领域通用 也是网格的一行（第 11 行，主码 GEN），不再是网格外。

三、目录结构

harbor-agent-eval/             # = Harbor Agent 评测仓库
├── README.md                  # 本文件（入口）
├── 分类说明.md                 # 11 个智能体方向（学科·行业·应用）详细说明
├── Harbor评估方法.md           # 如何用 Harbor 评估各方向智能体
├── 1001智能体规划.md           # 1001 落地规划
├── 快速使用SOP.md              # Harbor 快速上手 + 仓库使用流程
├── FAQ.md                     # 常见问题
├── LICENSE                    # 木兰宽松许可证第2版
├── CONTRIBUTING.md            # 提交规范 + 赛道/资产类型/分类目录词表 + DoD
├── _template/                 # 每个新 Agent 的模板（从这里复制）
│   ├── agent.md
│   ├── deploy.md
│   └── report.md
├── _registry/
│   ├── tested.md              # 已测 Agent 台账（唯一权威清单）
│   ├── by-track.md            # 按赛道反查
│   ├── status.md              # 候选池 → 部署中 → 测评中 → 已完成 进度看板
│   └── candidates.md          # 候选池台账（通向 1001 的种子）
├── scripts/
│   └── add_agent.py           # 从调研 Excel 读一行，自动生成目录 + 三件套初稿
├── _infra/                    # 评测基础设施（Benchmark / 工具 / 技能库，不是被测对象）
│   ├── benchmarks/
│   └── tools-skills/
├── 工作进展总结/               # 团队工作进展（赵一耕/于露/李丹/刘雨琨/彭子恒 各一子夹）
└── NN-<分类>/                 # 11 个分类目录（01-理科 ~ 11-跨领域通用）
    └── owner__repo/           # 一个已测 Agent 一个目录
        ├── agent.md           # 这个 Agent 是干什么的
        ├── deploy.md          # 部署/安装过程
        ├── report.md          # 测评结果报告
        └── artifacts/         # 分数、日志、截图、评分脚本等附件

Harbor Agent 评测仓库目录结构

四、快速开始（新测一个 Agent）

在 _registry/status.md 把该 Agent 标为 测评中；
运行脚本生成目录和三件套初稿：
```
.\.venv\Scripts\python.exe scripts\add_agent.py "owner/repo" --survey "D:\harbor-project\报告表格及文档\可测评Agent调研总表（2026）.xlsx"
```
（调研表里没有的项目，用 --industry 10-智能制造 --track <slug> 手工指定所属分类目录）
填完 agent.md / deploy.md / report.md，附件放进 artifacts/；
在 _registry/tested.md、by-track.md 各登记一行，status.md 标 已完成；
走 Fork + PR 合入（见 CONTRIBUTING）。

评测怎么跑？ 每个方向的评测环境（任务、Verifier、评分脚本）按 Harbor评估方法.md 构造，具体安装运行步骤见快速使用SOP.md。

五、1001 智能体规划速览

本仓库最终落实 1001 个智能体的适配与评测。核心思路：

1001 = 11 分类 × 7 业务环节 × 13 智能体原型，每个格子 = 一个候选 Agent（如 ENG-P2-A4 = 工科 × 设计仿真 × 仿真建模 = 结构/电路仿真建模智能体）；
智能体 = 通用 Agent 运行时 + 领域知识 + 岗位 Skill + 工具权限 + 安全规则，是”1001 张 Agent Card”，不是 1001 套烟囱系统；
每个 Agent 必须配套 Agent Card（定义）+ Eval Card（如何评价） 两张卡；
落地分 5 个阶段：建地图 → 最小闭环 → 跨领域验证 → 50 标杆 → 1001 张卡，从”1 个分类 × 5 任务 × 3 次 = 15 trials”开始。

详见 1001智能体规划.md。

六、核心约定速记

目录命名：owner__repo（双下划线），全小写，空格转 -。
分类目录：NN-<分类>（01-理科 ~ 11-跨领域通用），一个 Agent 只放一个主目录，跨分类只在 agent.md 标注，不复制、不建软链。
赛道/资产类型必须用受控词表（见 CONTRIBUTING.md），否则注册表没法汇总对比。
_registry/tested.md 是唯一权威清单：目录里出现的东西必须先登记；登记过的必须指向真实目录。
**Benchmark / 工具 / 技能库进 _infra/**，不进分类目录——它们是被测 Agent 的”裁判和任务环境”。