CRUX 团队开源 CRUX-in-a-box：数周级 Agent 评测基础设施
sayashk · x · 2026-11-06
Sayash Kapoor 宣布开源 CRUX-in-a-box，一套用于运行和监控数周级长周期 Agent 评测的基础设施，源自 CRUX 项目六个月的长周期评测实践。
核心能力：
- 让 Agent 在 VM 中连续运行数周，脱离本地会话限制
- 用 LLM 分析日志与快照，标记高风险操作交人工审核
- 检查工具调用、token 用量与花费
- 设置时间和成本预算，可选自定义 SDK 阶段检查
- 可重复的 VM 环境部署，凭据单独配置
- Slack 告警与运行中对话：可给 Agent 反馈或回答其提问
项目地址见 GitHub。
所属事件:CRUX-in-a-box 开源：支撑数周级长周期 Agent 评测(3 条相关)→
「编程与Agent」频道最新
- Ampersand 多智能体模式称比同级前沿模型便宜 70% — niloofar_mire · 2026-11-06
- ServiceNow Brazil 版发布：称 9 周开发工作 3 小时完成 — azavery · 2026-11-06
- LlamaIndex LiteParse 接入 1.3B 版 MiniCPM-OCR — llama_index · 2026-11-06
- Finix 推出 MCP Server,可创建买卖家并生成支付链接 — modelcontextprotocol · 2026-11-06
- Agent Substrate 推出 MCP 服务器，配合 Antigravity CLI 免改代码操控执行器 — rakyll · 2026-11-06
- 个人 AI 助手周报:Tomo 接入 Shop Pay,Fo 电话覆盖百国 — heyneighbor · 2026-11-06