斯坦福 CS329Z 公开 Harbor 框架搭建 terminal-bench 式 Agent 评测任务作业

斯坦福 CS329Z 课程公开第 2 份 starter 仓库，教授学生使用 Harbor 框架构建有效且真实的 terminal-bench 风格 Agent 评测任务。仓库由 SWE-bench 联合创作者制作并讲解，包含作业说明 PDF、示例任务 `tasks/humaneval-0`、报告模板和提交检查脚本，采用 MIT 许可。