Harness trace（Agent 生产轨迹数据）
Long-Horizon AgentTool OrchestrationProduction Traces
一线工程师、研究员在、白领专家真实生产工作中留下的 Agent 会话轨迹，完整保留请求上下文、思维链与工具执行结果，覆盖长程自主执行、多智能体协作与多模态交互形态。
产品
Data&Leaderboard
Data&Leaderboard_
在这里，我们展示的是已经打磨完成的数据集与我们支持的训练范式。 它们不是为"跑分"而生，而是为真实使用场景而构建。
- RLVR & Agentic
- Rubrics & Verifierharbor format
- SFTgolden coldstart trajectory
- Expert Evaluation
- Private Workspace/Repo
Terminal RL Data（终端强化学习数据）
Coding AgentDevOps AutomationCLI Tool Use
由软件、运维、安全等领域专家设计真实终端任务，并在沙箱中逐条验证，提供可执行、可复现、可评分的强化学习轨迹。
UI/UX Design（网页设计与交互生成数据）
Webpage GenerationFrontend AgentMultimodal UI
记录从需求、多轮修改到可运行网页与视觉证据的完整轨迹，覆盖主流网页场景，用于多模态 UI 生成与前端 Agent 训练。
MCP（模型上下文协议数据）
Agentic WorkflowsBrowser Agent
专家原创构建多轮、跨工具与多跳推理任务，配套程序化验证环境，用于训练可靠的工具调用与 Agent 协作能力。
Code Harbor（Harbor 格式的代码任务数据）
CodingHarborExecutable Evaluation
由领域专家基于真实场景设计代码任务，并按照 Harbor 规范组织任务说明、运行环境、参考解与测试，形成可执行、可复现、可验证的数据，用于代码模型的训练与能力评测。
GDPval（高经济价值白领任务）
Real-World TaskEconomic ValueVerifiable Rubric
由行业专家复现真实职业工作流，构建可执行、可验证、直接对齐经济价值的Agent评测与训练任务；依托结构化Rubric建立机器可执行的逐条判定机制，并以SOTA模型多次作答实测任务区分度，最终达成评分可解释、奖励信号可信赖、训练梯度充足的三重交付保障。
Private Repo（非公开软件工程资产）
把未公开的真实软件工程经验，转化为更少数据污染、更贴近真实研发环境的 Coding Agent 训练与评测资产。
ALE（真实工作流 Agent 评测数据）
Computer UseProfessional SoftwareVerifiable Tasks
行业专家围绕真实专业工作流构建可执行、可验证的 Agent 任务，覆盖专业软件操作与复杂成果交付，并通过参考产物、Rubric 与评估器核验执行过程和最终结果。
Data&Leaderboard_
在这里，我们展示的是已经打磨完成的数据集与我们支持的训练范式 ——它们不是为"跑分"而生，而是为真实使用场景而构建。 我们关注的不是让模型在基准测试上多拿 10%， 而是让模型在真实世界里少犯一次低级错误， 多理解一次隐含意图，多承担一份责任。
- RLVR & Agentic
- Rubrics & Verifierharbor format
- SFTgolden coldstart trajectory
- Expert Evaluation
- Private Workspace/Repo
Terminal RL Data（终端强化学习数据）
Coding AgentDevOps AutomationCLI Tool Use
由软件、运维、安全等领域专家设计真实终端任务，并在沙箱中逐条验证，提供可执行、可复现、可评分的强化学习轨迹。
UI/UX Design（网页设计与交互生成数据）
Webpage GenerationFrontend AgentMultimodal UI
记录从需求、多轮修改到可运行网页与视觉证据的完整轨迹，覆盖主流网页场景，用于多模态 UI 生成与前端 Agent 训练。
MCP（模型上下文协议数据）
Agentic WorkflowsBrowser Agent
专家原创构建多轮、跨工具与多跳推理任务，配套程序化验证环境，用于训练可靠的工具调用与 Agent 协作能力。
Harness trace（Agent 生产轨迹数据）
Long-Horizon AgentTool OrchestrationProduction Traces
一线工程师、研究员在、白领专家真实生产工作中留下的 Agent 会话轨迹，完整保留请求上下文、思维链与工具执行结果，覆盖长程自主执行、多智能体协作与多模态交互形态。
Code Harbor（Harbor 格式的代码任务数据）
CodingHarborExecutable Evaluation
由领域专家基于真实场景设计代码任务，并按照 Harbor 规范组织任务说明、运行环境、参考解与测试，形成可执行、可复现、可验证的数据，用于代码模型的训练与能力评测。
GDPval（高经济价值白领任务）
Real-World TaskEconomic ValueVerifiable Rubric
由行业专家复现真实职业工作流，构建可执行、可验证、直接对齐经济价值的Agent评测与训练任务；依托结构化Rubric建立机器可执行的逐条判定机制，并以SOTA模型多次作答实测任务区分度，最终达成评分可解释、奖励信号可信赖、训练梯度充足的三重交付保障。
Private Repo（非公开软件工程资产）
把未公开的真实软件工程经验，转化为更少数据污染、更贴近真实研发环境的 Coding Agent 训练与评测资产。
ALE（真实工作流 Agent 评测数据）
Computer UseProfessional SoftwareVerifiable Tasks
行业专家围绕真实专业工作流构建可执行、可验证的 Agent 任务，覆盖专业软件操作与复杂成果交付，并通过参考产物、Rubric 与评估器核验执行过程和最终结果。