R-CLI 开源：Terminal Bench 2.1 最高分背后的编程脚手架

dev.to · AI#CLI#AI编程#开源

Editor brief · 编辑速览

Backboard 将其刷榜 Terminal Bench 2.1 的完整 CLI 脚手架开源，MIT 许可证，macOS/Linux 一行命令安装，作者认为 harness 比模型本身对结果影响更大。

文章思维导图

Knowledge map

拖拽缩放

Full translation

完整中文译文

R-CLI 现已开源。MIT 协议。完整的技术 harness。

仓库地址：https://github.com/Backboard-io/Backboard-R-CLI

我们把在 Terminal Bench 2.1 上有史以来记录的最高分背后的 harness 拿出来了。免费、MIT 协议、用你自己的密钥，大约两分钟就能跑起来。证据在下面，每一项声明都有公开的 verifier 日志。

给仓库点个 star。Star 是开源项目被发现的方式。三十秒搞定。

把这个分享给任何一个为 AI 编程付钱太多的人。就这样。这对社区和开源都是一次胜利，我们希望它被大声传播。

在 macOS 或 Linux 上一条命令：

curl -fsSL https://app.backboard.io/api/cli | sh

irm https://app.backboard.io/api/cli/windows | iex

或者从源码构建，因为现在可以了：clone 仓库，bun install --frozen-lockfile，然后 bun run build 即可生成你操作系统的原生二进制文件。Bun、Git 和 ripgrep 是仅有的依赖前提。

这就是为什么这很重要，以及为什么我们把它开源了。

核心论点：harness 是决定性变量

行业故事说编程性能取决于模型。选最大的前沿模型，付账单，拿结果。

我们的运行结果给出了不同的答案。同一个模型，只换 harness，得分移动的幅度超过一次模型生成带来的效果。

R-CLI 构建在 RLM 之上，一个递归编程引擎。父级 agent 将工作委托给运行在有限上下文中的子级 agent。每个子级拿到问题的清晰、小巧的一片，而不是一个巨大的、不断积累噪声的上下文窗口。工作结果汇总上来，上下文被压缩，循环继续。这种结构就是为什么同一个模型在 R-CLI 内部得分更高，也是为什么它能以少 10% 到 30% 的 token 完成。

数据，有据可查

来自我们技术报告的两组已发布的运行数据。每个任务的 verifier 日志公开在 https://github.com/Backboard-io/Backboard-R-CLI-Terminal-Bench-2.1-Results

同一个模型，更好的 harness。Claude Opus 4.8，完整 Terminal Bench 2.1 提交流式：89 个任务，每个 5 次尝试，共 445 次试验，没有任何让步。R-CLI 得分 85.4%。Claude Code 公布的同模型得分是 78.9%。这意味着只改变一个变量就提升了 +5.14 分。结果位于全部 17 个已发布条目之上。它尚未提交给评委审核，所以请把它当作一个带公开日志的已发布运行，而不是排行榜条目。

这次运行没用任何前沿模型。通过 OpenRouter 调用 Moonshot AI 的 Kimi K3，DeepSeek V4 Flash 处理子 agent 工作。每个任务单次尝试：91.0%（89 个中完成 81 个）。整个运行的总成本：28.72 美元。每个任务约 32 美分。报告中自带的一个注意事项：单次尝试运行的置信区间大约在 ±3%，这不是一个评委审核过的提交。即使取这个区间的底部，一个在这个 harness 中运行的开放权重模型，其表现也在基准测试的前列，而成本只是通常花费的零头。

一组运行展示了 harness 把前沿模型提升到超越它自己的工具。另一组展示了 harness 让前沿级编程几乎零成本。两次都是同一个引擎。

你实际得到的东西

终端原生编程 agent：检查文件、编辑、运行命令、搜索网页

递归引擎：模型外委托、有界的子上下文、上下文压缩

数百个预加载的技能，可以用 /skills 浏览，加上你自己放在 .agents/skills/ 里的

数百个 MCP 连接，用 /mcp 管理

权限模式：manual、acceptEdits、bypass。你决定它能碰什么

检查点：撤销和重做 agent 的变更，可审查的 diff

会话日志、单次模式、JSON 输出用于脚本化、通过 /hooks 钩入

任何模型。你的密钥。

R-CLI 是模型无关的，有通往数百个模型的路径。用你自己的密钥接入 OpenAI、OpenRouter、Anthropic 或 Grok，或者用 Backboard 登录。用 /model 切换。下个月出了更好或更便宜的模型，你改一个设置就行。不需要迁移平台，不需要新工具。

最重要的那部分：在你代码所在的地方跑

每个闭源编程工具都把你的源码送到 vendor 的 API。这是这笔交易的条件，不管营销怎么说的。

把 R-CLI 和你自己托管的开放模型配对，这笔交易就作废了。前沿级编程，你的代码永远不会离开你的基础设施。Kimi K3 的运行结果证明这条路并不是性能降级。

而且现在 harness 本身是 MIT 的。你可以阅读它、审计它、分叉它、在你自己的环境里跑。没有人能以政策为由封禁它、废弃它，或者在你脚下重新定价。

因为这个论点要求这样做。如果我们声称 harness 是决定性变量，那 harness 就应该是可审查的。带公开 verifier 日志的基准测试是其中的一半。开源代码是另一半。

也因为所有权是我们构建的所有东西的核心。拥有模型。拥有 harness。在你自己的云里跑这两者。

再一次请求

我们开源了 harness。你来 star 和分享。这就是交易。

https://github.com/Backboard-io/Backboard-R-CLI

然后安装它、拆解它、提 issue、发 PR：

curl -fsSL https://app.backboard.io/api/cli | sh

文档：https://docs.backboard.io