Datasets:

Areyliu
/

AgentBench_env

---
language:
- zh
- en
tags:
- agentbench
- posttrainbench
- webshop
- alfworld
- dbbench
---
# PostTrainBench — AgentBench 环境资源

下载入口：[Areyliu/AgentBench_env](https://huggingface.co/datasets/Areyliu/AgentBench_env/tree/main)。

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。

```bash
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：

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

在 PostTrainBench 的 `.env` 中配置：

```bash
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](https://github.com/princeton-nlp/WebShop)
- [ALFWorld](https://github.com/alfworld/alfworld)
- [AgentBench](https://github.com/THUDM/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。

	---
	language:
	- zh
	- en
	tags:
	- agentbench
	- posttrainbench
	- webshop
	- alfworld
	- dbbench
	---

	# PostTrainBench — AgentBench 环境资源

	下载入口：[Areyliu/AgentBench_env](https://huggingface.co/datasets/Areyliu/AgentBench_env/tree/main)。

	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。

	```bash
	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：

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

	在 PostTrainBench 的 `.env` 中配置：

	```bash
	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](https://github.com/princeton-nlp/WebShop)
	- [ALFWorld](https://github.com/alfworld/alfworld)
	- [AgentBench](https://github.com/THUDM/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。