基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
  • 知识卡片碎片时间过考点
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
    • AI 热点每日 AI 资讯与动向
AI 工作台
旧版
AIHT
内容
精选全部 AI 动态热点榜AI 日报收藏
分类
模型行业编程产品技术观点开源
更多
Agent 接入
返回首页开发者导航
AIHT
精选 / 资讯详情
8.0
热点
AI SCORE
开源项目2026-08-13 22:12

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

Original source

本文由 AI 翻译整理,来源 dev.to · AI,原文版权归原作者所有。

阅读原文
上一篇
A2A 协议详解:多 Agent 通信架构与实战实现
下一篇
CVE-2026-16584:AWS API MCP Server安全漏洞深度分析

资讯速览

dev.to · AI · 2026-08-13 22:12

AI 评分 8.0 / 10

相关标签

#CLI#AI编程#开源

继续阅读

  • 把 Claude Code 脚手架工程写成一条命令,开源了
  • A2A 协议详解:多 Agent 通信架构与实战实现
  • CVE-2026-16584:AWS API MCP Server安全漏洞深度分析
  • GitHub Copilot已上线Gemini 3.7 Flash
  • Anthropic 为 Claude 输出文本添加水印:API 开放检测,版权认定存争议