Frontier CodingHarbor 格式的代码任务数据

2.1 交付资产

标准交付包含以下四类资产，模型、运行次数与统计口径按项目约定配置。

delivery/
├── manifest.json
│   # 任务 ID、编程语言、任务类型、应用领域与摘要
├── task.zip
│   # Harbor 任务包
├── harbor_run_job@n-[model].zip
│   # 指定模型的 n 次完整运行记录与轨迹
└── score.json
    # PassRate@n([model])、[model]平均轮数

2.2 分类体系

数据按编程语言、任务类型和应用领域三类维度标注，便于按能力切片选题、配比和评测。具体标签可随客户技术栈与训练目标扩展。

2.3 Harbor 任务包结构

每道任务以 ZIP 形式交付，标准目录如下；可选文件根据任务复杂度配置。

[task_id]/
├── instruction.md              # 面向 Agent 的任务说明
├── task.toml                   # Harbor 元数据和运行限制
├── environment/
│   ├── Dockerfile 或 docker-compose.yaml
│   ├── setup.sh / resources/   # 可选的初始化脚本和素材
│   └── ...                     # 代码、依赖和环境配置
├── solution/
│   ├── solve.sh                # 参考解法，必需
│   └── solution.py             # 可选的辅助脚本
└── tests/
    ├── test.sh                 # 验收入口，必需
    └── test_outputs.py         # 可选的结果校验

2.4 Trial 与轨迹记录

每个模型的运行结果打包为 harbor_run_job@n-[model].zip。Harbor 将一次独立运行称为一个 trial；n 次运行分别保留完整配置、Agent 轨迹、原始日志、验证器输出和最终结果，可逐次复查并区分模型失败、环境异常与验证器问题。

harbor_run_job@n-[model]/
├── attempt-1/
│   └── [trial_name]/               # 任务名前缀 + 随机后缀，如 emaj_reincarnated_relation_rollb__pjrTxhm
│       ├── config.json             # 运行配置：任务路径、Agent、模型、max_turns、环境与验证器设置
│       ├── lock.json               # 锁定的任务版本摘要（sha256）与 Agent / 环境配置，用于复现
│       ├── result.json             # 结果汇总：reward、token 用量与费用、各阶段起止时间、异常信息
│       ├── trial.log               # Harbor 执行日志：Agent 安装与启动命令（含完整任务指令）
│       ├── agent/
│       │   ├── trajectory.json     # 结构化轨迹（ATIF 格式）
│       │   ├── claude-code.txt     # Agent 原始流式输出（stream-json）
│       │   └── sessions/           # Agent 会话原始记录（jsonl）及运行中生成的文件
│       ├── artifacts/
│       │   └── manifest.json       # 运行结束后收集的产物清单
│       └── verifier/
│           ├── reward.txt          # 最终判分：1.0 通过，0.0 未通过
│           └── test-stdout.txt     # UT 完整输出，含失败用例与断言信息
├── attempt-2/
│   └── ...
└── attempt-n/
    └── ...

trajectory.json 是轨迹主体，采用 ATIF（Agent Trajectory Interchange Format）逐步记录任务指令、模型响应、推理内容、工具调用、环境返回与 token 消耗。成功轨迹经筛选后可用于 SFT，失败轨迹用于失败归因与能力诊断；用于 RLVR 时，训练所需的轨迹由待训练模型在同一环境中在线采样，交付的轨迹作为基线与对照。

{
  "schema_version": "ATIF-v1.7",
  "session_id": "...",
  "agent": { "name": "claude-code", "version": "2.1.266", "model_name": "anthropic/claude-opus-5" },
  "steps": [
    { "step_id": 1, "source": "user", "message": "任务指令" },
    { "step_id": 2, "source": "agent",
      "message": "模型回复", "reasoning_content": "推理内容",
      "tool_calls": [ { "function_name": "Bash", "arguments": { "command": "..." } } ],
      "observation": { "results": [ { "content": "工具返回结果" } ] },
      "metrics": { "prompt_tokens": 0, "completion_tokens": 0, "cached_tokens": 0 } },
    ...
  ],
  "final_metrics": { "total_prompt_tokens": 0, "total_completion_tokens": 0, "total_cost_usd": 0, "total_steps": 0 }
}