Areyliu/AgentBench_env

PostTrainBench — AgentBench 环境资源

下载入口：Areyliu/AgentBench_env。

本仓库保存 PostTrainBench 接入 DBBench、WebShop、ALFWorld 所需的三个资源目录。每个目录以 tar.gz 包保存，下载后解压到 PostTrainBench/envs/，即可恢复任务启动脚本使用的目录结构。

资源内容

Hugging Face 目录	包内恢复的目录	内容
agentbenchdbbench/	agentbenchdbbench/data/、run/	MySQL 8.0.28 初始化的干净数据模板；不包含此前测试的 SQL 历史或生成密钥
agentbenchwebshop/	agentbenchwebshop/webshop-src/	WebShop 源码、商品/用户指令数据、100k Lucene 索引和构建资源
agentbenchalfworld/	agentbenchalfworld/data/	ALFWorld 游戏、任务 JSON 和 PDDL 数据

WebShop 完整原始商品文件和 ALFWorld 完整游戏集合保留，便于后续扩充训练数据。当前评测使用的商品子集、索引及题目划分保持不变。WebShop 的 Python 缓存文件不纳入资源包。

各目录的 ARCHIVE.json 记录压缩包 SHA-256、文件数及大小，MANIFEST.json 记录包内每个文件的 SHA-256。根目录 ARCHIVES.json 汇总三个资源包。

下载与解压

以下命令在 Linux 上执行。下载目录应位于 envs/ 外；对已有资源先备份，再将压缩包解压到空的资源目录。

python -m pip install huggingface_hub
hf download Areyliu/AgentBench_env --repo-type dataset \
  --local-dir /absolute/path/to/agentbench-download

cd /absolute/path/to/PostTrainBench
mkdir -p envs
for name in agentbenchdbbench agentbenchwebshop agentbenchalfworld; do
  tar -xzf "/absolute/path/to/agentbench-download/$name/$name.tar.gz" -C envs
done

验证压缩包后再解压：

python - <<'PY'
import hashlib
import json
from pathlib import Path
root = Path('/absolute/path/to/agentbench-download')
for info in json.loads((root / 'ARCHIVES.json').read_text()):
    path = root / info['archive']
    digest = hashlib.sha256()
    with path.open('rb') as stream:
        for chunk in iter(lambda: stream.read(8 * 1024 * 1024), b''):
            digest.update(chunk)
    assert digest.hexdigest() == info['archive_sha256'], path
    print('OK', path.name)
PY

Conda 依赖

资源包不包含 Python/venv、JDK、MySQL 二进制或安装包。共享 Conda 环境须满足 PostTrainBench 中以下文件的依赖：

• containers/requirements-direct.txt：PTB 原有 Python 依赖；
• containers/requirements-agentbench.txt：三个任务的补充 Python 依赖；
• containers/environment-agentbench.yml：Python 3.10、Java 11、MySQL 8.0.28、ICU 70.1。

在 PostTrainBench 根目录创建共享环境：

bash scripts/setup_agentbench_conda.sh --prefix /absolute/path/to/ptb-agentbench

在 PostTrainBench 的 .env 中配置：

PTB_AGENTBENCH_CONDA_PREFIX="/absolute/path/to/ptb-agentbench"

随后照常使用 src/run_task.sh。任务资源默认位于 <repo>/envs，可以用 PTB_AGENTBENCH_ENVS_ROOT 覆盖。模型训练、vLLM 模型服务及模型评测仍使用 PTB 原有 Apptainer SIF。

DBBench 数据模板面向同版本 Linux x86_64 MySQL。也可以不下载 DBBench 模板，直接执行 PTB_AGENTBENCH_CONDA_PREFIX=... bash scripts/bootstrap_agentbench_envs.sh --only dbbench 初始化。

来源

• WebShop
• ALFWorld
• AgentBench

资源随其原始项目的许可使用；源文件中的许可证保留。训练/验证/正式题目切分和 HTTP 服务适配代码位于 PostTrainBench 的三个任务目录中。