腾讯 WorkBuddy Bench：面向多领域编码代理、抗污染任务构造的基准

腾讯发布 WorkBuddy Bench，用统一协议评测编码代理在 Code、Web、Office、Security 四类真实工作中的表现。任务由真实提交、PR 或业务场景逆向改写为口语化请求，避免直接搜索原始文本获得答案；项目开放任务目录、环境镜像、评测工具、测试与参考解法，并在 CodeBuddy Code 和 Claude Code 两种代理框架上提供跨模型排行榜。