本文介绍了十大开源智能体编码基准，用于评估AI代理在真实代码库中的能力。包括SWE-bench（问题修复）、Terminal-Bench（终端操作）、SWE-Bench Pro（复杂任务）、Senior SWE-bench（代码质量）、DeepSWE（原创任务）、SlopCodeBench（迭代开发）等。这些基准覆盖多语言、长周期任务和完整程序生成，反映代理的实际工程能力，但各有侧重，需综合使用以全面衡量进展。