这是一个跑 AI 智能体和大模型评测的开源框架，一条命令就能在 Docker 里把 Claude Code、Codex CLI 这些 Agent 拉起来，用 SWE-Bench 等评测集跑分。嫌本地慢也可以接 Daytona 这类云平台，开多个环境同时跑。