配置评测

理解评测请求的组成，并找到每类配置的权威说明。

完成快速开始后，可通过本页确定需要调整 Model、Benchmark、Harness、Environment 还是运行级控制。完整 CLI 参数及默认值见 agentcompass run，配置文件与覆盖顺序见 agentcompass config。

本页描述单个 agentcompass run 请求。如需通过同一个调度器协调多个 Model、Benchmark、Harness 或 Environment，请使用 agentcompass launch。

​

评测结构

每次运行都要选择四个核心组件：

agentcompass run <benchmark> <harness> <model> --env <environment>

每一部分负责不同的配置：

部分	控制内容	配置位置
Model	Model ID、API 端点、凭证、协议和推理参数	第三个位置参数和 --model-* 参数
Benchmark	数据集、任务选择、任务准备、评分和聚合指标	第一个位置参数和 --benchmark-params
Harness	agent 循环、框架集成、工具行为和 Harness 执行限制	第二个位置参数和 --harness-params
Environment	Environment provider（创建和管理任务运行环境的后端，如 Docker、Daytona 和 Modal）、工作区行为、网络策略、镜像和资源	--env 和 --env-params

请将参数放在负责该行为的组件中。例如，任务筛选属于 --benchmark-params，agent 步数限制属于 --harness-params，容器资源属于 --env-params。

​

运行级控制

四个核心组件之外，评测请求还包含不属于任何单个组件的运行级控制，例如并发、超时、重试、结果命名、历史运行复用、Environment 保留和日志。它们的关系和使用方式见运行控制，完整命令签名和默认值见 agentcompass run 参数参考。

​

后续操作

调整运行控制

配置并发、超时、重试、输出复用、调试现场和日志。

运行多个评测

通过一个全局调度器协调多个 Model、Benchmark、Harness 或 Environment 请求。

管理配置文件

查看配置文件的合并结果和组件字段，并了解配置文件的加载顺序。

检查结果

查看逐任务详情和汇总、保留可复用证据并分析失败。

排查运行问题

将问题缩小到单个任务，定位其生命周期阶段并采用正确修复方式。