Harvey LAB部署指南:Linux/macOS/Windows跨平台环境搭建-港品优选

Harvey LAB部署指南:Linux/macOS/Windows跨平台环境搭建

【免费下载链接】harvey-labsA benchmark built to evaluate and improve agent capabilities for supporting legal work.项目地址: https://gitcode.com/GitHub_Trending/ha/harvey-labs

Harvey LAB（Legal Agent Benchmark）是 Harvey AI 开源的法律智能体基准测试平台，内含 1,600+ 个真实感法律任务，用于评测大模型 Agent 完成法律工作的能力。本文是一份面向新手的完整部署教程，带你用一条脚本完成 Linux、macOS、Windows 三大平台的环境搭建，从克隆仓库到跑通第一个法律评测任务，全程约 10 分钟。

一、Harvey LAB 是什么？部署后能得到什么 🧭

Harvey LAB 由两部分组成：

组成	说明	所在位置
任务数据集	1,660 个任务，覆盖 24 个法律实践领域，含合成案卷文档与评分标准（rubric）	tasks/
执行测试台（harness）	驱动 Agent 在沙箱容器中读写文档、执行命令，并由 LLM 裁判打分生成报告	harness/

部署完成后，你可以：

✅ 让任意大模型（Claude / GPT / Gemini）完成真实感法律任务，如审阅数据室、起草并购协议
✅ 用 LLM-as-Judge 对产出逐条评分，生成可视化 HTML 报告
✅ 用 sweep 工具批量对比多个模型在同一任务上的表现

📖 官方教程入口：docs/tutorial.md

二、部署前准备：3 项前置检查清单 📋

在跑安装脚本前，确认以下三项：

检查项	要求	备注
Python 版本	3.12 或 3.13（<3.14）	由`uv`自动管理，无需手动装
操作系统	Linux / macOS /Windows 11	Windows 需在 BIOS 中开启 CPU 虚拟化，脚本会自动引导安装 WSL2
模型 API 密钥	Anthropic 密钥必需（用作评分裁判）；OpenAI / Google 密钥可选	详见下文

💡 macOS 用户建议先装好 Homebrew；Linux 用户需有apt与sudo权限（脚本会自动处理）。

依赖声明见 pyproject.toml，容器镜像见 sandbox/Dockerfile。

三、一键安装：3 步完成跨平台部署 🚀

1. 克隆仓库

git clone https://gitcode.com/GitHub_Trending/ha/harvey-labs cd harvey-labs

2. 运行一键安装脚本

./scripts/setup.sh

这个幂等脚本（可重复执行、自动跳过已完成步骤）会按顺序完成6 个步骤，覆盖全部三大平台：

安装uv（Python 包管理器）
uv sync同步 Python 依赖
安装pandoc（docx 文档解析器）
安装podman（每个任务的沙箱容器运行时，rootless 免 GUI）
初始化并启动podman machine（macOS / Windows 专属虚拟机）
拉取沙箱镜像lab-sandbox:latest（失败时自动本地构建）

3. Windows 用户特别注意 ⚠️

首次运行会在检测硬件条件后安装 WSL2 并提示重启——重启后重新执行./scripts/setup.sh，脚本会自动从断点继续。整个过程完全在 git-bash 中完成，无需手动配置。

脚本详细逻辑见 scripts/setup.sh。

四、配置模型 API 密钥 🔑

在仓库根目录创建.env文件（已在.gitignore中，不会被提交），每行一条密钥：

ANTHROPIC_API_KEY=你的密钥 OPENAI_API_KEY=你的密钥 # 可选 GOOGLE_API_KEY=你的密钥 # 可选

Anthropic 密钥必需：默认 LLM 裁判用它给 Agent 的产出打分
OpenAI / Google 密钥可选，仅当你要评测对应模型时配置
测试台每次运行会自动加载.env，只需配置一次

模型适配器源码位于 harness/adapters/，支持 anthropic、openai、google、mistral、fireworks 等提供商。

五、首次运行验证：跑一个真实法律任务 ✨

环境就绪后，用这条命令验证部署是否成功——让 Agent 完成一个并购数据室红旗审查任务（含 60 份案卷文档、68 条评分标准）：

uv run python -m harness.run \ --model anthropic/claude-sonnet-4-6 \ --task corporate-ma/review-data-room-red-flag-review \ --max-turns 200

运行结束后会输出轮次数、Token 消耗、耗时和结果路径，例如results/corporate-ma/.../20260428-142301。随后对产出评分并生成报告：

uv run python -m evaluation.run_eval --run-id <run-id> \ --task corporate-ma/review-data-room-red-flag-review

浏览器打开results/<run-id>/report.html，即可看到逐项评分与裁判理由。完整 12 步走查（含模型对比、批量 sweep、对比看板）请参考 docs/tutorial.md。

六、常见问题快速排查 🛠️

问题	解决方法
提示`uv: command not found`	新开一个终端，或`source ~/.zshrc`（uv 装到了`~/.local/bin`）
macOS / Windows 上`podman`连不上	执行`podman machine start`启动虚拟机
Windows 装 WSL2 失败	进 BIOS/UEFI 开启 Intel VT-x 或 AMD-V 虚拟化后重试
重新跑脚本会不会重复安装？	不会。scripts/setup.sh 是幂等的，已装组件自动跳过

七、部署完成后的下一步 🗺️

浏览全部任务：uv run python -m utils.list_tasks --area corporate-ma，按领域/工作类型筛选
理解架构：docs/architecture.md 讲解任务模型、Agent 循环与评分流程
评测方法论：docs/eval-strategies.md 详解 all-pass 计分与 LLM 裁判机制
沙箱原理：sandbox/README.md 说明每个任务独立容器的隔离设计
参与贡献：CONTRIBUTING.md 提供添加任务与适配器的完整指引

从克隆到第一次评测跑通，Harvey LAB 的部署远比想象中简单——一条脚本打通跨平台环境，剩下的就是挑选任务、运行模型、查看报告。祝评测顺利！🎉

【免费下载链接】harvey-labsA benchmark built to evaluate and improve agent capabilities for supporting legal work.项目地址: https://gitcode.com/GitHub_Trending/ha/harvey-labs

创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考

企业官网建设流程全解析