用途：在 eth-sri/agentbench 基准（138 个实例、12 个 Python 仓库）上运行并管理 claudemem 评测实验。agentbench 仓库与 claudemem 仓库同级，位于 ../agentbench/，下文路径均相对该仓库根目录。
数据布局：data/ 下含 eval-repos/（12 个已克隆仓库及预建 .claudemem/ 索引）、archives/（不可变索引快照 tar.gz）、eval-cache/（运行时哨兵缓存）、eval-generated/（生成的 CLAUDE.md）。索引规格 v2：增强模型 deepseek/deepseek-v3.2、嵌入模型 qwen/qwen3-embedding-8b（均经 OpenRouter），共 12 仓库、约 39K 符号、约 36K 增强文档、约 1.9GB，成本约 $0.25。huggingface_transformers 有 0 符号/文档（tree-sitter WASM 在元编程上报错），但向量搜索仍可用。
实验条件：no_plan（基线，2 workers，无 AGENTS.md）、claudemem_full（每实例，map+search 生成 AGENTS.md）、dc_planner（跨实例，Dynamic Cheatsheet 学习）、ace_planner（跨实例，ACE reflector+curator playbook）。实例过滤为 24 个（每仓库 2 个），硬编码于 run_condition.py。
常用操作：运行实验 cd scripts/agentbench/run_harness 后 python run_condition.py <condition>；恢复索引 ./scripts/agentbench/run_harness/restore_indexes.sh，或加 --archive 指定归档；重新索引单仓库 CLAUDEMEM_LLM=or/deepseek/deepseek-v3.2 claudemem index --force data/eval-repos/{slug}，快速无增强用 claudemem index --no-llm；建立快照在 data/eval-repos 下执行 tar czf ../archives/indexes-$(date +%Y%m%d)-deepseek.tar.gz */.claudemem/。结果位于 scripts/agentbench/run_harness/output/agentbench/eth-sri_agentbench/{condition}/，用 python evaluate.py --condition <condition> --run_id <N> 评估，python analyze.py 做跨条件分析。
限制与注意：过滤条件勿直接在 shell 中传递（zsh 会转义 |），须用 run_condition.py；DC/ACE 顺序执行（workers=1），不能并行；索引缓存为三级；模型键为短名如 sonnet-4-5；generate.py 使用 fire.Fire(main)；--no-llm 索引仅提供 map（PageRank 符号），完整增强才支持语义搜索；所有路径为仓库相对路径；增强模型从 76 次基准运行中选出（综合得分 0.886）。关键文件包括 planners/claudemem_planner.py、planners/ace/ace.py、planners/evo_reproducer/evo_reproducer.py 及 run_harness 下 generate.py、run_condition.py、restore_indexes.sh、evaluate.py、analyze.py。