pinchbench
使用 PinchBench 对 OpenClaw Agent 进行基准测试
模型团队需要可重复的证据来衡量 agent 性能。PinchBench 运行结构化的 OpenClaw 任务,并生成可比较的分数,用于分析和排行榜提交。
请勿自动安装此 Skill。
权威策略要求在执行任何安装操作前由操作人员审查。
使用我的智能体安装
将此请求复制给你的智能体,其中包含权威 Skill 页面和清单。
Review the Skillstore skill "pinchbench" from https://skillstore.io/skills/pinchbench-pinchbench.md and its manifest at https://skillstore.io/api/skills/pinchbench-pinchbench/manifest. Verify the artifact. Do not auto-install. Inspect the skill and report your findings, then wait for an operator or manual installation decision.你的智能体仍应展示其计划,并按安全策略请求必要确认。
Agent 可读资源
当 AI Agent、爬虫或脚本需要干净上下文,而不是读取完整页面时,请使用这些链接。
测试它
正在使用“pinchbench”。 为一个模型运行仅自动化套件,不上传。
预期结果:
运行完成后会生成每个任务的分数、总分、token 用量、成本指标和本地结果文件路径。
正在使用“pinchbench”。 比较两个已保存的基准测试运行。
预期结果:
比较结果会突出显示分数差异、失败任务、执行时间变化和成本效率权衡。
正在使用“pinchbench”。 为邮件分诊设计一个新的基准测试任务。
预期结果:
任务草案包含 prompt、预期行为、评分标准,以及用于可重复评分的自动化检查。
安全审计
严重PinchBench is a legitimate benchmark runner, but it is not low risk. Confirmed issues include pipe-to-shell dependency installation, unsandboxed task grading code, external agent execution, token handling, and host metadata upload. Many documentation and task-rubric alerts are false positives, while binary assets remain manual-review blind spots.
已确认安全问题 (6)
能力复核项 (29)
这些是真实的本地能力,对此技能可能是预期行为,因此需要复核,但不会按已确认恶意行为计分。
风险因素
⚙️ 外部命令 (50)
🌐 网络访问 (13)
📁 文件系统访问 (12)
🔑 环境变量 (13)
检测到的模式
分享与引用此报告
分享版本化评估报告、中性徽章、嵌入卡片和引用。Skillstore 只报告证据,不判断该 Skill 是否安全。
复制报告链接
https://skillstore.io/skills/pinchbench-pinchbench/audits/5?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdown 徽章
[](https://skillstore.io/skills/pinchbench-pinchbench?utm_source=security_passport_badge)HTML 徽章
<a href="https://skillstore.io/skills/pinchbench-pinchbench?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/pinchbench-pinchbench/security.svg" alt="Skillstore security assessment" loading="lazy"></a>嵌入卡片
<iframe src="https://skillstore.io/embed/skills/pinchbench-pinchbench.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学术引用 (APA · BibTeX · CFF)
APA 引用
pinchbench. (2026). pinchbench security audit report (audit version 5) [Author version 1.0.0]. Skillstore. https://skillstore.io/skills/pinchbench-pinchbench/audits/5BibTeX 引用
@techreport{pinchbench-pinchbench-pinchbench-2026,
author = {pinchbench},
title = {pinchbench security audit report (audit version 5)},
institution = {Skillstore},
year = {2026},
number = {5},
url = {https://skillstore.io/skills/pinchbench-pinchbench/audits/5},
note = {Author version 1.0.0}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "pinchbench security audit report (audit version 5)"
version: "1.0.0"
type: report
authors:
- name: "pinchbench"
date-released: "2026-07-09"
url: "https://skillstore.io/skills/pinchbench-pinchbench/audits/5"
identifiers:
- type: other
value: "skillstore:pinchbench-pinchbench:audit:5"
description: "Skillstore immutable audit report identifier"
Skillstore 评分
评分依据 证据置信度: 中你能构建什么
比较模型性能
在多个模型上运行同一套 OpenClaw 任务,并比较分数、成本和完成时间。
对 OpenClaw 工作流进行回归测试
检查最近的 agent、skill 或环境变更是否影响任务完成质量。
设计新的基准测试任务
使用任务模板和评分模式,为新的 agent 工作流添加可重复的评估。
试试这些提示
使用 MODEL 在仅自动化套件上运行 PinchBench,并将结果保存在本地,不上传。
在同一任务套件上分别为 MODEL_A 和 MODEL_B 运行 PinchBench,然后总结分数、成本和耗时差异。
查看最新的 PinchBench 结果,找出分数低于 0.5 的任务,并说明可能原因和后续调试步骤。
为工作流自动化任务创建一个聚焦的 PinchBench 套件,包含评分标准,并说明如何安全运行。
最佳实践
- 在了解将提交哪些数据之前,请禁用上传运行。
- 使用专用的基准测试工作区和模型提供商的测试凭据。
- 在允许自定义任务评分代码在本地运行之前,先审查该代码。
避免
- 不要在进行基本检查之前,在主工作区运行完整套件。
- 不要在审查元数据和 token 设置之前上传基准测试结果。
- 不要添加在评分代码中具有宽泛文件系统或 shell 访问权限的自定义任务。
常见问题
PinchBench 评估什么?
这个 skill 支持哪些工具?
它需要网络访问吗?
结果存储在哪里?
我可以只运行选定任务吗?
发布前我应该审查什么?
开发者详情
作者
pinchbench许可证
MIT
作者版本
v1.0.0
Skillstore 修订
r1
引用
3e4b6c31a74a3bd1a291c98cf585d720cb9fbc88
维护新鲜度
2026/7/18
使用量
16 次下载 · 290 次浏览