[Feature][CI/CD] Support agent runtime env auto deploy + 5-layer DinD + safe_start (v3) - #499
Closed
Huafubing wants to merge 36 commits into
Closed
[Feature][CI/CD] Support agent runtime env auto deploy + 5-layer DinD + safe_start (v3)#499Huafubing wants to merge 36 commits into
Huafubing wants to merge 36 commits into
Conversation
added 30 commits
August 27, 2026 16:23
v3 Batch A 第一步：让 PR AISBench#410 agent-runtime 镜像在 ARM64 host 上 也能跑 SWE-bench / terminal-bench 2 等需要 x86_64 trial 镜像的 case。 - 加 ARG TARGETARCH - TARGETARCH=arm64 时 build-time 装 qemu-user-static（apt 包） - amd64 用户零开销（条件 RUN 不执行） binfmt 注册放在 runtime entrypoint（A4 批次），不在 build-time 因为 build context 没有 /proc/sys/fs/binfmt_misc。
v3 Batch A 第二步：升级 harbor 到 0.20.0。 为什么升 0.20.0： - 0.6.1 没有 harbor jobs CLI（仅 harbor run / harbor dataset / harbor task） - mini_matrix 全套基于 harbor 0.20.x 的 harbor jobs start -c matrix.yaml - 升 0.20.0 后 L3 调度才能真正跑起来（PR AISBench#410 当前 0.6.1 调不起来） 兼容性： - harbor 0.20.0 同样会升 datasets 4.0+，所以 venv 隔离逻辑不变 - harbor 0.20.0 仍走 python3.12 site-packages，patch 路径不变 - PR AISBench#410 原生用户如仍用 0.6.1 路径跑 ais_bench 不受影响（本 PR 只换 runtime image 内的 harbor 版本；源码安装路径由 docs 指引）
v3 Batch A 第三步：让 agent-runtime 镜像在 DinD 模式下能从环境变量注入 registry mirror，解决国内/海外/私有部署拉镜像的问题。 build-time ARG + runtime ENV 双覆盖： - ARG AIS_BENCH_AGENT_REGISTRY_MIRROR (build-time 锁定) - ENV AIS_BENCH_AGENT_REGISTRY_MIRROR (runtime -e 覆盖，优先级高) - 多 mirror 用英文逗号分隔 - 空值 → A4 entrypoint 不写 registry-mirrors 字段（用 DockerHub 默认） image 层只声明 env + 建 /etc/docker 目录； daemon.json 的实际生成逻辑在 A4 entrypoint（用 python 避免 jq 依赖）。
v3 Batch A 第四步：让 runtime container 启动时自动完成所有 ARM64 host 适配工作，让 bootstrap.sh 的 docker exec 启 dockerd 段可以正常接管。 新增 docker/agent_runtime/ais_bench_agent_entrypoint.sh (140 行)： 1. ARM64 检测 → mount binfmt_misc + 写 register 文件 2. 写 /etc/docker/daemon.json（cgroupfs + vfs + 可选 registry-mirrors） 3. ARM64 → export DOCKER_DEFAULT_PLATFORM=linux/amd64（避免 no matching manifest） 4. /opt/swebench/agent-patches 注入 harbor installed agents（patched/skipped 计数） 5. 打印 banner 6. exec "$@" Dockerfile.agent-runtime 变更： - COPY entrypoint 到 /usr/local/bin/ + chmod +x - ENTRYPOINT [ais_bench_agent_entrypoint.sh] - CMD ["bash"]（默认开 shell，docker run 时可被覆盖） 幂等设计： - daemon.json 已存在且内容一致 → 不重写 - binfmt 已注册 → 跳过 - harbor installed dir 不存在 → warn 但不 fail - 不启 dockerd（bootstrap.sh 负责，避免双启冲突） 覆盖入口示例： docker run <image> harbor jobs --help → entrypoint 跑完 setup，exec harbor jobs --help
v3 Batch A 第五步：在镜像层预创建 5 层 DinD 容器内的 bind mount 目标路径， bootstrap.sh 直接 docker run -v host_path:container_path 即可。 为什么要在镜像层建（而非 bootstrap.sh 临时建）： - 老 docker 版本 bind mount 到不存在路径会失败 - 即使成功 bind，权限会变成 root:root，host 普通用户写不进去 - 镜像层建好后，container 内路径已存在，bind mount 直接挂载，权限一致 5 个目录对应 mini_matrix L5 容器布局： - jobs/ : harbor trial 输出（每个 trial 一个子目录 + result.json） - tasks/ : SWE-bench / terminal-bench 任务定义（task.toml） - config/ : harbor matrix.yaml / 全局配置 - logs/ : harbor dockerd / docker pull / trial 容器日志 - agent-patches/ : harbor agent 的 patched .py（A4 entrypoint 注入） SWEBENCH_ROOT env var 给后续脚本引用，避免硬编码 /opt/swebench。
v3 Batch B 第一步：bootstrap.sh 增加 5 层 DinD L5 launch 所需的全部参数。
参数本身只为变量赋值 + 解析 + 探测日志打印，不影响 docker run（留给 B3）
和不影响 dockerd 启（留给 B5），保证 B1 独立 commit 可用。
新增参数（全部可选，J2 决策：用户主动指定 host 路径）：
bind mount 类（host → 容器内 /opt/swebench/*）：
--matrix-yaml <PATH> harbor matrix.yaml
--bind-jobs <DIR> trial 产物目录
--bind-tasks <DIR> SWE-bench / terminal-bench task.toml
--bind-config <DIR> harbor 配置目录
--api-key-file <FILE> api_key.env（含 OPENAI_API_KEY/BASE）
env 注入类：
--registry-mirror <URL> -e AIS_BENCH_AGENT_REGISTRY_MIRROR（给 A3 daemon.json 用）
其他：
--data-image <IMAGE[:TAG]> B2 commit 使用，创建只读 data 容器
--production B4 commit 使用，加 --restart unless-stopped
参数解析严格性：
- 路径类必须绝对路径（--bind-* / --api-key-file / --matrix-yaml）
- 路径存在性检查（文件 -f / 目录 -d）
- 错误信息中文，fail-fast（exit 1）
兼容性：
- 现有 CLI 参数（--datasets / --runtime-tar / --case-tar / --mode / --container-name
/ --runtime-image / --host-path）全部保留
- 现有参数行为不变
- 不传新参数 → 行为退化到 PR AISBench#410 原版（用户自己 docker exec 跑 ais_bench）
v3 Batch B 第二步：在 [4/6] 启动容器 段加入 data container 处理逻辑。
仅在用户传 --data-image 时生效。
data container 概念（来自 mini_matrix start_orchestrator.sh）：
- `docker create --name X image` 创建空容器（不启动）
- 容器自带 image 的所有数据卷
- runtime 容器通过 `--volumes-from X:ro` 继承这些数据卷
- runtime 容器只能读，不能改（ro）
用途：
- 案例镜像预置场景：把 case 镜像 tar load 后打成一个 data image
- 多 runtime 共享同一份基础数据集，无需重复 load
- 数据集版本化：换 data image tag 即可换数据集
实现细节：
- data container 名 = ${CONTAINER_NAME}-data（避免与 runtime 重名）
- 已存在则复用（多次启动不需要重建）
- 创建失败（镜像不存在）fail-fast 退出
- DATA_VOLUMES_ARG 在 docker run 时插入（mode A 和 B 都生效）
- 不传 --data-image → DATA_VOLUMES_ARG="" → 行为退化到 PR AISBench#410 原版
J 决策：J2 决策里 --bind-* 仍然是 host mount 主路径，
--data-image 是辅助（用于 image 内置数据集场景），二者可组合使用。
v3 Batch B 第三步：在 [4/6] 启动容器 段把 B1 新增的 6 个参数接到
docker run 命令上（mode A 和 mode B 都生效）。
新增拼装块（在 DATASET_ENV 之后、docker run 之前）：
SWEBENCH_BINDS / SWEBENCH_ENVS 两个变量
SWEBENCH_BINDS 拼装规则（每个 if 独立）：
--matrix-yaml → -v $MATRIX_YAML:/opt/swebench/config/matrix.yaml:ro
--bind-jobs → -v $BIND_JOBS:/opt/swebench/jobs
--bind-tasks → -v $BIND_TASKS:/opt/swebench/tasks
--bind-config → -v $BIND_CONFIG:/opt/swebench/config
--api-key-file → -v $API_KEY_FILE:/opt/swebench/api_key.env:ro
SWEBENCH_ENVS 拼装规则：
--api-key-file → source 后提取 OPENAI_API_KEY / OPENAI_API_BASE 注入 -e
(set -a 让 source 变量自动 export 给后续 docker run)
--registry-mirror → -e AIS_BENCH_AGENT_REGISTRY_MIRROR=$REGISTRY_MIRROR
docker run 接入（mode A + mode B 同样处理）：
原: ${MOUNT_ARGS} \ ${DATASET_ENV} \
新: ${MOUNT_ARGS} \ ${DATA_VOLUMES_ARG} \ ${SWEBENCH_BINDS} \
${DATASET_ENV} \ ${SWEBENCH_ENVS} \
顺带补 B2 漏掉的 ${DATA_VOLUMES_ARG}（data container volumes-from）
mode B 原版 docker run 也没插，B2 留下的小洞这里一并补。
兼容性 / 退化路径：
- 不传任何 B1 新参数 → MATRIX_YAML/BIND_* 都为空 → if 块全不进入 →
SWEBENCH_BINDS="" SWEBENCH_ENVS="" → 行为完全等同 PR AISBench#410 原版
- mode A 不变（仍然是 --privileged --cgroupns=host -w /benchmark）
- mode B 不变（仍然挂 -v docker.sock + HOST_PATH）
- 与 B1/B2 独立：本 commit 不修改 CLI 解析 / 不创建 data container，
变量空引用也无害（set -e + 未定义 → 空字符串）
J 决策一致性：
J2 host bind mount 是主路径（用户主动指定 host 路径），
本 commit 是 J2 的实际接线点。
--bind-jobs/tasks/config 缺失时容器内目录是空的（DIN A5 已预创建），
harbor CLI 仍可读 matrix.yaml 中的 jobs.dir 字段自行创建。
v3 Batch B 第四步：J4 决策落地。仅当用户显式传 --production 时， runtime 容器加 --restart unless-stopped；不传则不加（行为零变化）。 J4 决策回顾： - 候选 A：默认加 --restart unless-stopped（强制 production-ready） - 候选 B：仅 --production 启用（默认与 PR AISBench#410 行为一致） → 用户决定 B：避免 PR AISBench#410 用户行为变化，新行为 opt-in 实现： - 新增 PRODUCTION_CLI=0 暂存变量（line ~96） - 参数解析段新增 case --production（不消耗额外参数，幂等） - 应用默认值段 PRODUCTION="${PRODUCTION_CLI:-0}" - 计算 RESTART_ARG：PRODUCTION=1 → "--restart unless-stopped"，否则 "" - mode A 和 mode B 两条 docker run 都插入 ${RESTART_ARG}（空时展开为空格，无副作用） - 顶部 help doc 加 --production 说明（含 J4 决策依据） 兼容性 / 退化路径： - 不传 --production → PRODUCTION=0 → RESTART_ARG="" → docker run 不加 --restart → 行为完全等同 PR AISBench#410 原版（默认 user 零感知） - 传 --production → 容器加 --restart → 物理机重启后自动拉起 - mode A/B 都生效（两条 docker run 都加了） 独立 commit 设计： - 不依赖 B1/B2/B3 的任何变量（B4 用到的只有 PRODUCTION） - 不修改 mode A/B 的现有 docker run 选项（仅插入新行） - 单独 revert 不影响其它 B* commit J 决策一致性： J2 host bind mount 是接入主路径（由 B1+B3 联合完成）， J4 production flag 是接入副开关（仅本 commit）。 两者无依赖关系，可独立 ship。
v3 Batch B 第五步：在 [5/6] 模式 A 的 docker exec heredoc 顶部加
export DOCKER_DEFAULT_PLATFORM=linux/amd64，作为 A4 entrypoint.sh
同一 export 的冗余兜底。
为什么需要冗余：
- A4 entrypoint.sh 已经在容器启动时 export，但那是 PID 1 的 env
- `docker exec` 启动新 bash 进程时是否继承 PID 1 的 env，取决于
docker daemon 实现细节（理论上应该通过 /proc/1/environ 拿，但
docker 27.x 在 cgroup v2 宿主上有过丢失 env 的 bug）
- 显式再 export 一次，dockerd 100% 拿到，无副作用（重复 export 同值
是幂等的）
用途：
- dockerd 启动后所有 docker pull / docker run 命令挑 linux/amd64 manifest
- ARM64 host 跑 x86_64 case 镜像：harbor trial 启动 case 容器时
走 qemu-x86_64_static（由 L4 A1 装好的 binfmt_misc 注册）
- 不设此变量时 dockerd 默认按 host arch（arm64）挑 manifest，
x86_64 case 镜像拉不到 ARM64 manifest → trial 启动失败
实现细节：
- 仅 mode A（mode B 走宿主 dockerd，宿主 DOCKER_DEFAULT_PLATFORM 不影响
我们：用户在自己 host 上自行处理）
- 加在 docker exec heredoc 的 set -e 之后，mkdir /etc/docker 之前
- 一行 export + 4 行注释（共 +5 行）
兼容性：
- mode A 行为变化：内层 dockerd 启动时一定设 DOCKER_DEFAULT_PLATFORM=linux/amd64
（即使 A4 未生效也不会跑出问题：amd64 是 case 镜像主架构，
只有在 ARM64 host 上跑 x86_64 case 才有意义，其他场景无影响）
- mode B 行为不变
- 不修改现有 daemon.json 内容（仍由 entrypoint.sh 写 registry-mirrors）
v3 Batch B 第六步：替换 [7/7] 自检 + 下一步提示中"激活 venv 跑原生 ais_bench"
的默认推荐路径，改为推荐"harbor jobs start -c matrix.yaml" 矩阵调度。
为什么换：
- 5 层 DinD 架构下，矩阵调度（harbor CLI 多 trial）是真正的标准工作流
- 原生 ais_bench 单 config 模式只跑一个 (case, agent) 对，不符合 mini_matrix
的批量矩阵语义
- harbor CLI 0.20.x（已由 A2 装）支持 `harbor jobs start -c matrix.yaml`
是 5 层 DinD L3 的实际调度入口
修改内容（[7/7] cat <<EOF 块）：
- step 4 加注释：用 harbor jobs start 时无需 vim 改 path/model_name/api_base
（这些都从 matrix.yaml 读）
- step 5 完全改写：从"激活 venv 跑 ais_bench" → "harbor jobs start -c matrix.yaml"
+ 推荐 ais_bench_agent_run.sh / watch.sh / summarize.sh（C 批封装脚本）
- 新增 step 6 作为回退路径：明确写出"不推荐，仅在矩阵调度不适用时用"原生 ais_bench
- 顶部脚本注释第 7 步说明："原 ais_bench" → "harbor jobs start 矩阵调度"
引用 C 批脚本：
- ais_bench_agent_run.sh / watch.sh / summarize.sh 还未创建（C 批将新增）
- 此处引用是预告，C 批完成后即可在容器内调用
- 即便 C 批脚本尚未创建，用户用 harbor jobs start 也能跑（C 批只是封装便利）
兼容性 / 退化路径：
- 不传 --matrix-yaml（PR AISBench#410 老用户）：matrix.yaml 不存在，harbor jobs start 会失败
→ 用户会自然回退到 step 6 原生 ais_bench 路径
- 不会删除 step 6（PR AISBench#410 兼容）
- 行为变化：默认推荐项变了，但 PR AISBench#410 用户的工作流仍能用（step 6）
与 Batch A 决策一致性：
- A2 装 harbor 0.20.x → B6 推荐 harbor jobs start（决策落地闭环）
- A5 预创建 /opt/swebench/{jobs,tasks,config} → B6 让用户把 matrix.yaml 放 /opt/swebench/config
路径与 A5 完全对齐（--matrix-yaml bind 到这个路径）
独立 commit 设计：
- 不修改任何 docker run / mode 选择 / 配置逻辑
- 仅修改 [7/7] 末尾的 cat <<EOF 输出文本 + 顶部注释一行
- 不依赖 B1-B5 任何变量（--matrix-yaml 概念由 B6 第一次在用户输出中提及）
v3 Batch C 第一步：实现 5 层 DinD L3 调度入口 — `ais_bench_agent_run.sh`，
简单包装 harbor CLI 0.20.x 的 `harbor jobs start -c matrix.yaml`，加上
默认参数（容器名 / matrix 路径 / jobs-dir）以及子集过滤。
新增文件 2 个：
docker/agent_runtime/ais_bench_agent_run.sh 165 行
docker/agent_runtime/scripts/filter_matrix.py 65 行（辅助脚本）
Dockerfile.agent-runtime 改动（+8 行）：
- COPY ais_bench_agent_run.sh → /usr/local/bin/ais_bench_agent_run.sh
- COPY scripts/filter_matrix.py → /usr/local/bin/ais_bench_agent_filter_matrix.py
- 都 chmod +x
脚本设计要点：
1. 默认参数对应当前 batch A+B 的 bootstrap 默认：
- CONTAINER_NAME=ais_bench_agent
- MATRIX_YAML=/opt/swebench/config/matrix.yaml（B1 --matrix-yaml bind）
- JOBS_DIR=/opt/swebench/jobs（B1 --bind-jobs bind）
- API_KEY_FILE=/opt/swebench/api_key.env（B1 --api-key-file bind）
2. CLI 参数：
--job-name <NAME> 自定义 job 名（默认 matrix-YYYYMMDD-HHMMSS）
--datasets <LIST> 数据集子集过滤（逗号分隔；substring 匹配）
--agents <LIST> agent 子集过滤（逗号分隔；精确匹配）
--container-name <NAME> 改 runtime 容器
--matrix <PATH> 改 matrix.yaml 路径
--dry-run 只打印 harbor 命令，不实际执行
3. 前置检查（fail-fast）：
- matrix.yaml 存在
- harbor 命令可用（A2 已装 harbor 0.20.x）
- jobs-dir / log-dir 可写
- api_key.env 存在（warn-only，不强制）
4. api_key.env 自动 source：
- set -a 让 source 的变量自动 export
- harbor CLI 直接读 OPENAI_API_KEY / OPENAI_API_BASE
5. filter tmp yaml 写到 /opt/swebench/logs/（host bind mount，可写）：
- harbor CLI 在容器内看 /opt/swebench/logs/_tmp_filtered_*.yaml
- 用 filter_matrix.py 读 matrix.yaml 过滤后写 tmp yaml
- trap EXIT 自动清理 tmp yaml
6. harbor 调用：
harbor jobs start -c $CMD_YAML --job-name $JOB_NAME \
--jobs-dir /opt/swebench/jobs -n 2
7. 提交成功后打印下一步提示：
- harbor jobs view $JOB_NAME
- ls -la $JOBS_DIR/$JOB_NAME/
- ais_bench_agent_watch.sh / summarize.sh（C2/C3 将提供）
filter_matrix.py 设计要点：
- 与 mini_matrix/scripts/filter_matrix.py 兼容（同样算法）
- 改 input/output 帮助文字适配 PR AISBench#410 容器内场景
- 不引入额外依赖（仅 pyyaml，runtime 容器基镜像已装）
与 batch A/B 决策一致性：
- J2 host bind mount：A5 预创建 /opt/swebench/{jobs,tasks,config,logs}，
B1+B3 把 host 路径 bind 进容器；C1 假定这些点都存在
- J1 harbor 0.20.x：A2 已装；C1 调 harbor CLI 0.20.x 专属接口
- J4 production flag：与 C1 无关（C1 不启停容器，只在已起容器内跑）
独立 commit 设计：
- C1 不引用 C2/C3/C4 脚本（仅在下一步提示中提及）
- C1 不修改 bootstrap.sh（A+B 已固化）
- filter_matrix.py 是 C1 内部辅助（C3 summarize.py 不会用这个）
- C2/C3/C4 可独立 commit，集成时无冲突
与 PR AISBench#410 原生 ais_bench 路径兼容性：
- 不传 --matrix-yaml bootstrap → 容器内 /opt/swebench/config/matrix.yaml 不存在
→ C1 fail-fast（matrix.yaml 不存在），提示用户 bootstrap --matrix-yaml
- 原生 ais_bench 流程仍然可用（详见 bootstrap [7/7] step 6）
- C1 是 5 层 DinD 完整工作流的入口，但不是唯一入口
v3 Batch C 第二步：实现 5 层 DinD L3 监控入口 — `ais_bench_agent_watch.sh`，
阻塞等 harbor job 完成（results.json 出现），然后解析并打印最终统计。
新增文件 1 个：
docker/agent_runtime/ais_bench_agent_watch.sh 181 行
Dockerfile.agent-runtime 改动（+6 行）：
- COPY ais_bench_agent_watch.sh → /usr/local/bin/ais_bench_agent_watch.sh
- chmod +x
脚本设计要点：
1. 默认参数对应当前 batch A+B 的 bootstrap 默认：
- JOBS_DIR=/opt/swebench/jobs（B1 --bind-jobs bind）
2. CLI 参数：
<job-name> 必填,要 watch 的 job 名
--interval <SECONDS> 轮询间隔(默认 15s)
--timeout <SECONDS> 超时时间(默认 0=无限)
--jobs-dir <PATH> 改 jobs 目录
--no-poll 不调 harbor jobs view(只等 result.json)
-h|--help 帮助
3. 主循环:
- 每 INTERVAL 秒检查 /opt/swebench/jobs/<job>/result.json
- 出现即 break,调 python 解析统计
- result.json 未出现但 harbor jobs view 显示 finished_at:
→ 多等 2s 再确认(harbor 写 result.json 之前的瞬态)
- 任意 Ctrl-C (SIGINT/SIGTERM) trap 清理退出
4. 进度提示:
- 每 4 轮(即 INTERVAL*4 秒)打"等待中...(Xs,共 N 轮)"
- 默认 15s * 4 = 60s 一次,避免日志 spam
5. 完成统计(用 python3 解析 result.json):
- started_at / finished_at / n_total / n_completed / n_errored
- n_running / n_pending / n_pass / pass@1
- 与 mini_matrix/scripts/monitor_3x3.sh 算法一致
(evals.reward_stats.reward 中 reward=1.0 的 trial 数)
6. 下一步提示:
- cat result.json 看完整结果
- ais_bench_agent_summarize.sh 聚合 md/csv/json
- harbor jobs view 原生命令
7. 超时处理(TIMEOUT > 0):
- ELAPSED >= TIMEOUT → exit 2
- 让 CI/批量调度脚本可检测超时
与 batch A+B 决策一致性:
- J2 host bind mount:依赖 --bind-jobs 路径,不传则 jobs-dir 不存在 fail-fast
- J1 harbor 0.20.x:依赖 harbor CLI 可用(无 harbor 命令则跳过 harbor jobs view 探测)
- python3 解析:与 harbor 0.20.x result.json schema 对齐
(stats.evals.reward_stats.reward → {reward_value: [trial_ids]} 桶)
独立 commit 设计:
- C2 不引用 C1/C3/C4 脚本(仅在下一步提示中提及)
- C2 不修改 bootstrap.sh(A+B 已固化)
- C2 修改 Dockerfile.agent-runtime(COPY 顺序独立,合并时无冲突)
- C1/C3/C4 可独立 commit,集成时每 commit 加自己的 COPY 即可
兼容性:
- 不传 <job-name> → fail-fast 提示
- jobs-dir 不存在 → fail-fast(提示 bootstrap --bind-jobs)
- result.json 出现后即使 harbor jobs view 不可用也能完成统计
- harbor 命令不可用 → 仅靠 result.json 文件检查(降级模式)
v3 Batch C 第三步：实现 5 层 DinD L3 聚合入口 — `ais_bench_agent_summarize.sh` +
配套 Python 聚合脚本，扫 jobs/*/result.json 输出 pass@1 by (bench, agent) 表。
新增文件 2 个：
docker/agent_runtime/ais_bench_agent_summarize.sh 95 行（bash wrapper）
docker/agent_runtime/scripts/summarize.py 169 行（Python 聚合）
Dockerfile.agent-runtime 改动（+7 行）：
- COPY ais_bench_agent_summarize.sh → /usr/local/bin/ais_bench_agent_summarize.sh
- COPY summarize.py → /usr/local/bin/ais_bench_agent_summarize.py
- 都 chmod +x
bash wrapper 设计要点：
1. 默认参数对应当前 batch A+B 的 bootstrap 默认：
- JOBS_DIR=/opt/swebench/jobs（B1 --bind-jobs bind）
- OUTPUT_DIR=/opt/swebench/logs（B5 中 path 可能调整，此处用默认）
2. CLI 参数：
<job-name> [...] 要聚合的 job 名(substring 匹配,逗号分隔)
--latest 仅最新一个 job(ls -1dt 取最新)
--jobs-dir <PATH> 改 jobs 目录
--output-dir <PATH> 改输出目录
3. 调用 summarize.py：
python3 /usr/local/bin/ais_bench_agent_summarize.py \
--jobs-dir $JOBS_DIR --output-dir $OUTPUT_DIR \
[--include "<substring1,substring2>"]
4. 完成后 ls 列出生成的 summary-*.{md,csv,json} 文件
Python summarize.py 设计要点：
1. 算法与 mini_matrix/scripts/summarize.py 一致：
- load_jobs: 扫 jobs_dir 子目录,过滤 substring
- parse_job: 读 result.json + config.json,提取 stats/evals
- 算 n_pass = sum(reward == 1.0),pass_at_1 = n_pass / len(rewards)
- 按 (bench, agent) 分组输出
2. 输出 3 份(同 timestamp)：
- summary-<ts>.md Pass@1 by (Bench, Agent) 表 + All Jobs 详细行
- summary-<ts>.csv DictWriter 输出,Excel/pandas 可读
- summary-<ts>.json raw rows,default=str 让 datetime 可序列化
3. 容错：
- 缺 result.json 跳过
- JSON 解析失败打印 warn 跳过(不中断全量聚合)
- config.json 不存在时 bench="?"
4. 与 harbor 0.20.x result.json schema 对齐：
- stats.evals[eval_key].reward_stats.reward = {reward_value: [trial_ids]}
- 与 C2 watch.sh 解析算法保持一致
与 batch A/B 决策一致性:
- J2 host bind mount:依赖 --bind-jobs(/opt/swebench/jobs 存在)
- J1 harbor 0.20.x:result.json schema 与 harbor CLI 0.20.x 输出对齐
- J4 production flag:与 C3 无关(纯只读聚合)
- 5 层 DinD L3:与 C1/C2 串联(run → watch → summarize)
独立 commit 设计:
- C3 不引用 C1/C2/C4 脚本(纯聚合)
- C3 不修改 bootstrap.sh(A+B 已固化)
- C3 修改 Dockerfile.agent-runtime(COPY 顺序独立,合并时无冲突)
- C1/C2/C4 可独立 commit
兼容性:
- jobs-dir 不存在 → fail-fast(提示 bootstrap --bind-jobs)
- summarize.py 缺失 → fail-fast(image 构建漏装)
- jobs-dir 下无 result.json → "No jobs found" 退出 0(不报错)
- 单个 result.json 损坏 → 跳过该 job 继续聚合其他
v3 Batch C 第四步：实现 5 层 DinD L3/L4/L5 健康检查入口 —
`ais_bench_agent_orchestrator_status.sh`，5 段查询输出容器状态。
新增文件 1 个：
docker/agent_runtime/ais_bench_agent_orchestrator_status.sh 171 行
Dockerfile.agent-runtime 改动（+5 行）：
- COPY ais_bench_agent_orchestrator_status.sh → /usr/local/bin/ais_bench_agent_orchestrator_status.sh
- chmod +x
脚本设计要点：
1. 自动检测调用上下文：
- 容器内视角(/var/run/docker.sock 可访问 + /opt/swebench 有内容)
→ 直接用内层 docker CLI
- host 视角(否则)→ docker exec <container> 进容器查
- host 视角下未传 --container-name 时自动找
(grep -E 'ais_bench_agent|swebench-orchestrator' 取首个 running)
2. 5 段输出:
[1] 容器基础 hostname/uptime/arch (内) 或 state/image/restart policy (外)
[2] 内层 docker server-ver / storage-driver / cgroup-driver /
running containers / images / DOCKER_DEFAULT_PLATFORM
[3] bind mount /opt/swebench/{jobs,tasks,config,logs} 可见性 +
可见性 api_key.env 存在 + OPENAI_API_KEY 行数
[4] jobs 目录 total jobs / with result.json (completed) / running (估) /
状态 latest 3 个 job 名
[5] harbor CLI --version + `harbor jobs list` 行数
3. 容错设计:
- 内层 docker 不可用 → "[错误] docker info 失败,daemon 可能未启动"
- harbor CLI 不可用 → "[错误] harbor 命令不可用" + 提示 v3 A2 commit
- bind mount 路径不存在 → 列出 ✗ 不报 exit
- 所有 docker / docker exec 都加 2>/dev/null,失败不中断
- jobs-dir 不存在 → 仅警告,继续后续段
4. 收尾提示:
- "如需追踪 trial" → watch.sh + summarize.sh
- "如需启动新 trial" → run.sh
- 与 C1/C2/C3 串联
5. 适用场景:
- bootstrap 完成后第一次验证(runtime 容器 / harbor daemon / bind mount 全通)
- 跑 harbor jobs start 前的快速自检
- trial 出错时排查(container crashed? daemon down? mount lost?)
与 batch A/B 决策一致性:
- J2 host bind mount:[3] 段验证 --bind-{jobs,tasks,config} + --api-key-file 都生效
- J1 harbor 0.20.x:[5] 段验证 harbor CLI 可用
- J4 production flag:[1] 段显示 RestartPolicy.Name(--restart unless-stopped 已生效)
- 5 层 DinD L3/L5:status 综合检查 L3 (harbor) + L4 (daemon) + L5 (mounts)
独立 commit 设计:
- C4 不引用 C1/C2/C3(纯查询)
- C4 不修改 bootstrap.sh(A+B 已固化)
- C4 修改 Dockerfile.agent-runtime(COPY 顺序独立,合并时无冲突)
- C1/C2/C3 可独立 commit
兼容性:
- 容器内调用:不传 --container-name(自动用内层 docker)
- host 调用:不传 --container-name → auto-detect 找名字含 ais_bench_agent
或 swebench-orchestrator 的 running 容器
- 找不到容器 → "[错误] 没找到 runtime 容器,显式传 --container-name"
- mount 检查用 mount | grep(内层)或 docker exec du(外层),跨容器类型兼容
v3 Batch D 第一步:实现 L1 (case-base) + L2 (agent) baked image 一键构建脚本。
新增文件 1 个:
docker/agent_runtime/build_l2_baked_image.sh 220+ 行
Dockerfile.agent-runtime 改动 (+3 行):
- COPY build_l2_baked_image.sh → /usr/local/bin/ais_bench_agent_build_l2_baked_image.sh
- chmod +x
脚本设计要点:
1. 模板自动检测:
- 容器内:/opt/swebench/dockerfiles/(D2 COPY 注入)
- host :./docker/agent_runtime/dockerfiles/(git checkout)
- 都不是 → 报错退出
2. 默认参数对齐 batch B 的 bind mount:
- --tasks-dir 默认 /opt/swebench/tasks(B --bind-tasks 注入)
- --dockerfiles-root 默认 /opt/swebench/dockerfiles(D2 COPY)
- 模板内不直接用 tasks-dir(仅留作参考)
3. Image tag 命名沿用 mini_matrix 规范:
- L1:swebench/<dataset>-<case>-base:latest
- L2:swebench/<dataset>-<case>-with-<agent>:latest
4. 上游 prebuilt 解析:
- 简单约定:<registry>/swebench/sweb.eval.x86_64.<dataset>_1776_<dataset>-<case>:latest
- 默认 registry=docker.1ms.run(用户可 --registry 改)
- 复杂 dataset id 映射留给用户在 matrix.yaml 里显式覆盖
5. 并行 build:
- L1 N 个 case 同时 docker build &
- L2 (N case × M agent) 同时 docker build &
- wait 全部完成
- 已存在的 tag 自动 skip (用 docker images grep)
6. ARM64 默认:
- 默认 --platform linux/amd64(QEMU + binfmt 已在 A1 装)
- --skip-arm64 标志:x86 host 关掉
7. CLI 灵活性:
- --case 11099 12308 单 case 全 agent
- --agent aider msa 所有 case 同一 agent
- --l1-only / --l2-only 分阶段
- --dataset-prefix 改 dataset 名
- --registry 改 prebuilt registry
8. 容错:
- 缺模板 → 报错并列出哪个 agent 缺
- docker 不可用 → fail
- L1 build 失败 → 打印最后 5 行 log + exit 1
- L2 build 失败 → 继续跑其他 + 末段打印 fail 列表
与 batch A/B 决策一致性:
- J3 L2 baked image:D1 + D2 落地 L1/L2 build,D3 bootstrap --l2-image 接入
- A1 ARM64 QEMU:docker build --platform linux/amd64 依赖 A1
- B --bind-tasks:tasks 目录由 B 注入(虽然 D1 不直接用,留 ref)
独立 commit 设计:
- D1 不引用 D3 --l2-image(纯 build)
- D1 可独立运行(用户手 docker run 也行)
- D1 修改 Dockerfile.agent-runtime(COPY 顺序独立,与 D2 紧邻但 merge 时无冲突)
兼容性:
- 与 mini_matrix build_baked_v2.sh 行为等价,但接口更通用
- 不依赖 jinja2 CLI(模板里没有 jinja 语法,只是 bash + ARG)
- 用户既可容器内也可 host 跑
- 已 build 的 image 自动 skip,幂等
v3 Batch D 第二步:把 mini_matrix 5 层 DinD L1/L2 baked image 模板 搬进 PR AISBench#410 runtime 镜像,让 runtime 容器内用户可一键 build。 新增文件 6 个: docker/agent_runtime/dockerfiles/Dockerfile.l1-base.j2 (6 行) docker/agent_runtime/dockerfiles/Dockerfile.l2-agent-aider.j2 (12 行) docker/agent_runtime/dockerfiles/Dockerfile.l2-agent-msa.j2 (12 行) docker/agent_runtime/dockerfiles/Dockerfile.l2-agent-oh.j2 (15 行) docker/agent_runtime/dockerfiles/Dockerfile.l2-agent-qwen.j2 (17 行) docker/agent_runtime/dockerfiles/README.md (20 行) Dockerfile.agent-runtime 改动 (+9 行): - ENV SWEBENCH_DOCKERFILES_ROOT=/opt/swebench/dockerfiles - RUN mkdir -p - COPY docker/agent_runtime/dockerfiles/ ${SWEBENCH_DOCKERFILES_ROOT}/ 5 个模板设计: - l1-base:ARG BASE_IMAGE → FROM ${BASE_IMAGE} → WORKDIR /testbed + mkdir /logs - l2-agent-{aider,msa,oh,qwen}:ARG BASE_IMAGE + ARG AGENT → FROM ${BASE_IMAGE} → 装对应 agent - AGENT 校验:if 不匹配 agent 名 → exit 1(防呆) 模板来源:移植自 mini_matrix cli/swebench_dind/dockerfiles/,Jinja2 语法 兼容 docker buildx / docker build (无依赖 Jinja2 CLI,直接用模板原样即可) 与 batch A/B/C 决策一致性: - J3 L2 baked image:D2 提供模板,D1 build 脚本生成 L1/L2,D3 bootstrap --l2-image 接入 - 与 v3 L4 image 协作:L4 镜像内置 docker engine,容器内用户直接 docker build 即可 独立 commit 设计: - D2 只增文件 + Dockerfile COPY/ENV - D2 不依赖 D1 build 脚本(用户可手 docker build) - D2 不依赖 D3 bootstrap --l2-image - D1/D3 可独立 commit 兼容性: - 模板复制自 mini_matrix,与原版字节级一致 - 容器内路径:/opt/swebench/dockerfiles/(与 bootstrap --bind-config /opt/swebench/config 区分) - 模板内不引用 docker/agent_runtime 内部路径(全路径绝对)
v3 Batch D 第三步:bootstrap 加 --l2-image 参数,容器注入
-e AIS_BENCH_AGENT_L2_IMAGE=<tag>,harbor trial 容器直接用 baked image
启动,跳过 trial 内 pip/npm install (节省 ~10min/trial)。
Dockerfile.agent-runtime 无改动(脚本改动,不需 rebuild image)。
bootstrap.sh 改动 (+18 行):
- help doc 加 --l2-image <IMAGE[:TAG]> 行(101-105)
- 默认变量 L2_IMAGE=""(164-168)
- CLI 参数解析 --l2-image,空值报错(283-288)
- log 段:l2-image 设了就打印 tag,没设就提示默认行为(376-380)
- SWEBENCH_ENVS 构造处:if L2_IMAGE 非空 → -e AIS_BENCH_AGENT_L2_IMAGE=<tag>(524-527)
- log 段:env 注入提示加 AIS_BENCH_AGENT_L2_IMAGE (529)
- [7/7] 下一步段:加 ais_bench_agent_build_l2_baked_image.sh 示例
设计要点:
1. 不传 --l2-image → L2_IMAGE="" → 不注入 env → harbor 走默认行为
(trial 内装 agent,行为完全退化到 PR AISBench#410 原版,J3 决策 opt-in)
2. 不强校验 image 是否存在:
- image 可能在 host 不存在(用户可能先 bootstrap 再 build baked image)
- 真正报错留给 docker pull / harbor trial 启动时
3. SWEBENCH_ENVS 注入:
- 与 REGISTRY_MIRROR 同样的模式(if 非空则注入)
- mode A/mode B 两条 docker run 都生效(SWEBENCH_ENVS 是共享变量)
与 batch D1+D2 协作:
- D1 build_l2_baked_image.sh 产物 image tag 命名规范:
swebench/<dataset>-<case>-with-<agent>:latest
- D3 --l2-image <tag> 用户用 D1 产物的 tag
- 完整工作流:
bootstrap.sh --l2-image swebench/django-11099-with-aider:latest
→ 容器起 harbor → harbor trial 容器读 AIS_BENCH_AGENT_L2_IMAGE
→ 直接 docker run <tag> 启动 → 跳过 trial 内 pip install aider-chat
与 batch A/B/C 决策一致性:
- J3 L2 baked image 必传 → opt-in(J4 一致),不传 = 原版行为
- J2 host bind mount:不冲突(--l2-image 是 image tag,不是 bind 路径)
- C 批脚本:不需改(C1 harbor jobs start 默认会读 container env)
独立 commit 设计:
- D3 不依赖 D1/D2(纯参数注入)
- D3 可独立合入
- D1+D2+D3 merge 时可能 Dockerfile 有冲突(D1 加了 build script COPY,D2 加了 dockerfiles COPY,
都是相邻 COPY 块),按 C 批经验解决:保留 HEAD 侧 + 追加 incoming + 更新注释
兼容性:
- 默认行为不变(不传 --l2-image = PR AISBench#410 原版)
- mode A/B 都生效(SWEBENCH_ENVS 共享)
- 不与 B 批 --data-image 冲突(两个独立 flag,可叠加)
added 3 commits
August 27, 2026 16:44
v3 E 批(增量):给 bootstrap.sh 加 --qemu <auto|yes|no> 参数,
解决 host arch vs runtime image target arch 不匹配时需装 qemu-user-static 的需求,
同时避免 host=image arch 时无谓的 x86→x86 翻译开销。
CLI:
--qemu auto (默认):自动检测 host arch vs image target arch,不匹配才装
--qemu yes :强制装(debug / 跨架构确认用)
--qemu no :明确不装(用户已用其他方式确保 binfmt)
实现要点:
1. help doc 加 4 行说明(--qemu 三种模式 + 用途)
2. 默认变量 QEMU_INSTALL="auto"(B/D 参数下方)
3. CLI 解析:--qemu) case,白名单 auto/yes/no,空值/非法值报错
4. log 段:启动时打印 qemu:
5. 新增 [6.5/7] 步骤(在 case-tar load 与 [7/7] 自检之间):
- 探测 host arch:uname -m,归一化 aarch64/x86_64
- 解析 image arch:从 --runtime-image <tag> 后缀推断
(-x86_64 / -amd64 → x86_64;-arm64 / -aarch64 → aarch64)
- 决策:yes 必装 / no 必不装 / auto 按 arch 匹配决定
- 装时:docker exec <container> bash <<'EOF' 调 apt-get install qemu-user-static
- 装前查重(已装则跳过,幂等)
设计动机:
- 当前 A1 build-time 装 qemu(仅 TARGETARCH=arm64 时装)只能解决 build 时已知 arch 的场景
- 但 bootstrap 启动时 host arch 可能与 image arch 不匹配(且 image 是预先 build 好的)
- 给 bootstrap 加运行时按需装能力更灵活
- 同时 auto 模式避免无谓 x86→x86 翻译(节省启动 + trial 时间)
实际启动验证(本 sandbox):
[1] --qemu no 路径:host x86_64 + ubuntu x86_64 → 检测 arch 匹配 → SKIP ✓
[2] --qemu yes 路径:force install qemu-user-static 1:8.2.2+ds-0ubuntu1.18
→ qemu-x86_64-static 二进制 3.75MB,version 8.2.2 ✓
[3] --qemu auto 路径:host x86_64 + image x86_64 → SKIP(避免 x86→x86 翻译) ✓
兼容性:
- 默认行为:auto,host=image arch 时不装(避免开销)
- 用户显式 --qemu no:明确不装(用于用户已配 binfmt)
- 用户显式 --qemu yes:强制装(用于跨架构确认 / debug)
- mode A/B 都生效(在 docker exec 阶段,与模式无关)
- 不与 B/D 任何参数冲突(独立 flag)
独立 commit:
- 仅改 bootstrap.sh
- Dockerfile / 其他脚本不动
- 不需 rebuild image
方案 A(arch 检测)由 A4 entrypoint.sh 已实现(本批不重复)。
方案 B(本批): 移除 docker run 的 --cgroupns=host
- 原方案:--privileged + --cgroupns=host 让容器内 binfmt_misc mount 传播到 host
- 风险:x86_64 host 上,容器内 qemu-x86_64-static 被泄漏到 host
→ host 的 ELF (如 /usr/bin/sleep) 被路由到 qemu → ELOOP
- 新方案:依赖 daemon.json "exec-opts": ["native.cgroupdriver=cgroupfs"]
+ --net=host --ipc=host 让 dockerd 用 cgroupfs 文件直接管理 cgroup
(不依赖 systemd,不依赖 host cgroup namespace 共享)
- 配合 A4 entrypoint.sh arch 检测:x86_64 host 不装 qemu,binfmt 无泄漏源
参见 docs/research/31-v3-f-batch-ab-fix-2026-08.md
3 层安全网:
① 预检(docker / binfmt / sleep)
② setsid + nohup + disown watchdog 子进程
★ 关键顺序:sleep → 先清 host binfmt(写文件,不调 ELF)→ 再 docker rm -f
解决"watchdog 自身也被 ELOOP"问题:binfmt 污染时 docker CLI 也会失败
③ trap cleanup(用户 Ctrl-C 自动停 watchdog)
解决 ELOOP 重现时"管理员介入"问题:即便 shell 完全卡死,
watchdog 在 3 分钟后自动 docker rm -f,把恢复时间从"不可控"压到"≤ 3 分钟"。
用法:
bash safe_start_ais_bench_agent_bootstrap.sh --datasets /data/datasets
bash safe_start_ais_bench_agent_bootstrap.sh --keep-alive --datasets ...
bash safe_start_ais_bench_agent_bootstrap.sh --test (只跑预检)
参见 docs/research/32-v3-g-batch-safe-launch-2026-08.md
github-actions
Bot
added
large_pr
|
🚫 PR 合入质量检查未通过，PR 已被禁止合入。 未通过项：
请按上述提示整改后，重新推送（push）或评论本 PR 即可触发再次检查。 |
三个文件改动: - 新增 ais_bench_agent.sh (483 行):顶层 facade 脚本,提供 build/run/status/watch/summarize/doctor 6 个子命令 - 修改 Dockerfile.agent-runtime (+27/-5):新增 ARG HARBOR_WHEEL_FILE + COPY 占位文件 + 条件安装(空文件回退 harbor==0.6.1) - 修改 build_image_agent_runtime.sh (+24):新增 --harbor-wheel 参数 + wheel cp/trap 清理 核心能力: - build 命令:一键构建 L4 runtime 镜像(可选 L2 baked image),支持 --harbor-wheel 替换自定义 harbor - run 命令:6 步串联(校验→派生 config→启容器→doctor 自检→docker exec 透传命令),支持 --pack/--split 自动推导 config - 向下兼容:现有 10 个脚本零改动 Co-Authored-By: Claude <noreply@anthropic.com>
|
🚫 PR 合入质量检查未通过，PR 已被禁止合入。 未通过项：
请按上述提示整改后，重新推送（push）或评论本 PR 即可触发再次检查。 |
Dockerfile.agent-runtime: 条件安装的 fallback 分支改为 harbor==0.20.0 build_image_agent_runtime.sh: 注释更新 ais_bench_agent.sh: usage 更新 PR499_DESCRIPTION.md: 示例命令更新 Co-Authored-By: Claude <noreply@anthropic.com>
|
🚫 PR 合入质量检查未通过，PR 已被禁止合入。 未通过项：
请按上述提示整改后，重新推送（push）或评论本 PR 即可触发再次检查。 |
从零端到端复现 PR AISBench#499 的 618 行操作手册，包含： - 5 层 DinD runtime 镜像构建 - harbor offline 升级到 0.21.0 + --agent-deps 机制 - mini-swe-agent-ubuntu2204.tarball 注入 case 镜像 - msa-echo-test 自建 task + msa-base:ubuntu22 base image 重建 - 最终 trial 验证：msa-echo-test__aD8PXUd reward=1.0 诚实声明部分： - 失败原因全部归因于环境基础设施 / 自加配置 / 自写 task 配置，与 PR 文档和 tarball 无关 - LLM 算力方案在 PR AISBench#499 中尚未确定（mock / 商业 API / 本地 vLLM / 跳板机 gateway 四选项待定） - mini-swe-agent tarball 不绑定 LLM endpoint，必须在 harbor run 时通过 --ae 显式传入 新增的引导链接让 reviewer 能从 README.md / PR499_DESCRIPTION.md 直接跳到详细手册。 Co-Authored-By: Claude Code <noreply@anthropic.com>
|
🚫 PR 合入质量检查未通过，PR 已被禁止合入。 未通过项：
请按上述提示整改后，重新推送（push）或评论本 PR 即可触发再次检查。 |
3 tasks
Author
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
2 participants
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
AISBench Agent Runtime — 5 层 DinD 统一测评环境
为 AISBench Agent 测评（Harbor Terminal-Bench、SWE-bench、SWE-bench Pro）提供
镜像构建 + 容器启动 + 命令执行 的完整运行时方案。
架构总览
分层职责
ais_bench_agent.shDockerfile.agent-runtime+build_image_agent_runtime.shais_bench_agent_bootstrap.sh+safe_start_...ais_bench_agent_{run,watch,summarize,orchestrator_status}.shbuild_l2_baked_image.sh+ 5 个 Jinja2 模板doctor.sh快速拉起流程
1. 构建 runtime 镜像（宿主机）
2. 跑测评（宿主机）
3. 查询 / 等待 / 汇总（宿主机）
Pack 智能化：
--pack+--split自动派生 config用户只需传
--pack和--split，wrapper 自动选择正确的 ais_bench config 文件：--pack--splitharborais_bench/configs/agent_example/harbor_terminal_bench_2_task.pyswebenchlite.../swe_bench_examples/mini_swe_agent_swe_bench_lite.pyswebenchverified.../swe_bench_examples/mini_swe_agent_swe_bench_verified.pyswebenchverified_mini.../swe_bench_examples/mini_swe_agent_swe_bench_verified_mini.pyswebenchfull.../swe_bench_examples/mini_swe_agent_swe_bench_full.pyswebenchmultilingual.../swe_bench_examples/mini_swe_agent_swe_bench_multilingual.pyswebench_promini.../swe_bench_pro_examples/mini_swe_agent_swe_bench_pro_mini.pyswebench_profull.../swe_bench_pro_examples/mini_swe_agent_swe_bench_pro_full.py非法
--split会明确报错并提示合法值列表。命令透传设计
ais_bench_agent.sh run --command "..."将用户在宿主机交付的任意命令原样透传到容器内执行：目录结构（核心文件）
所有提交概览
PR410 baseline (12 commits)
b92b18c→25af9e0: 基镜像 docker 安装、ais_bench configs 更新、Dockerfile + build 脚本 + bootstrap.sh + doctor.sh + packs + patches + 文档v3 A 批 — L4 镜像改造 (5 commits)
7875023A1: ARM64 host 适配 ·abb9024A2: harbor 0.6.1 → 0.20.0 ·c2663f9A3: DinD registry-mirrors 参数化 ·848ec98A4: ENTRYPOINT + binfmt + daemon.json ·ce8a1f9A5: /opt/swebench 预创建v3 B 批 — L5 launcher 改造 (6 commits)
21200a4B1: bootstrap.sh 新增 8 个参数 ·7f36db1B2: --data-image ·3f89ec6B3: bind mount + env 接入 ·ead9f51B4: --production --restart unless-stopped ·c6fe5adB5: DOCKER_DEFAULT_PLATFORM ·3a6ded5B6: 推荐 harbor jobs startv3 C 批 — L3 调度接入 (4 commits)
05e6221C1: run.sh + filter_matrix.py ·6b17bcdC2: watch.sh ·08e3f0fC3: summarize.sh + summarize.py ·638d17bC4: orchestrator_status.shv3 D 批 — L2 baked image (3 commits)
d65f44dD1: build_l2_baked_image.sh ·f0d0871D2: 5 个 Jinja2 模板 ·c59c4f8D3: bootstrap.sh --l2-imagev3 E/F/G/H 批 (4 commits)
6cf5edbE: bootstrap.sh --qemu ·43ebb27F: 移除 --cgroupns=host ·085a826G: safe_start watchdog ·1e523aaH: ais_bench_agent.sh 统一入口 + harbor wheel 可替换🤖 Generated with Claude Code