AI 编码代理效能榜单

把不同编码代理在同一仓库任务上的表现变成可对比的分数

痛点

开发者想知道自己的编码代理到底有没有变强，但只能靠感觉或换模型。有人把仓库清理、加 lint、提供更及时的信息，却不知道怎么衡量这些改进是否有效。

方案

提供一个本地基准测试工具，从真实仓库中抽一组可验证的小任务（改 bug、加测试、重构），分别让不同代理或不同配置跑，自动记录通过率、耗时、token 消耗和人工介入次数，生成对比报告。

用户

重度使用 Claude Code、Cursor、Copilot 等编码代理的个人开发者和小团队

MVP

从 Git 历史中抽取近期修复提交生成任务；自动运行指定代理并收集结果；本地可比分的报表；支持自定义评分权重；一键导出分享卡

变现

免费本地版加付费团队面板和长期趋势跟踪订阅

为何现在

编码代理正从尝鲜进入日常使用，但缺乏可信的效能度量，独立开发者可以快速做出轻量基准工具