> ## Documentation Index
> Fetch the complete documentation index at: https://docs.bubench.lexmount.io/llms.txt
> Use this file to discover all available pages before exploring further.

# 排行榜

> 查看和生成 Agent 性能排行榜

browseruse-bench 提供自动化的排行榜生成功能，帮助你对比不同 Agent 在各个 Benchmark 上的表现。

## 功能特性

<CardGroup cols={2}>
  <Card title="多维度对比" icon="table">
    成功率、步骤数、耗时、Token 消耗
  </Card>

  <Card title="交互式界面" icon="mouse-pointer">
    支持筛选、排序、详情查看
  </Card>

  <Card title="任务级分析" icon="list-check">
    查看每个任务的执行详情和轨迹
  </Card>

  <Card title="错误分析" icon="bug">
    失败任务分类统计和可视化
  </Card>
</CardGroup>

## 快速开始

### 生成排行榜

```bash theme={null}
# 自动收集所有评估结果，生成 HTML 排行榜
bubench leaderboard
```

### 启动服务器

<CodeGroup>
  ```bash 直接运行 theme={null}
  # 前台运行，适合开发调试
  bubench server
  # 访问 http://localhost:8000
  ```

  ```bash systemd 服务 theme={null}
  # 安装服务（生产环境推荐）
  sudo bubench service install

  # 启动服务
  sudo bubench service start

  # 设置开机自启
  sudo bubench service enable
  ```

  ```bash 快捷方式 theme={null}
  # 如果已配置别名
  start_leaderboard
  ```
</CodeGroup>

### 服务配置说明

`bubench service` 会从 `config.yaml` 读取 systemd 配置：

```yaml theme={null}
service:
  name: benchmark-server
  description: BrowserUse Bench Leaderboard Server
  user: ubuntu
  group: ubuntu
  host: 0.0.0.0
  port: 8000
  log_path: /var/log/browseruse_bench/benchmark_server.log
  restart_sec: 10
  limit_nofile: 65535
```

可选的环境变量覆盖：

* `BU_SERVICE_NAME`
* `BU_SERVICE_DESCRIPTION`
* `BU_SERVICE_USER`
* `BU_SERVICE_GROUP`
* `BU_SERVICE_HOST`
* `BU_SERVICE_PORT`
* `BU_SERVICE_LOG_PATH`
* `BU_SERVICE_RESTART_SEC`
* `BU_SERVICE_LIMIT_NOFILE`

## 界面预览

### 排行榜概览

展示所有 Agent × Benchmark 组合的成功率、步骤数、耗时等指标：

* 支持勾选多个 Agent 进行对比
* 点击行可跳转到任务详情
* 错误类别柱状图可点击筛选

### 任务详情

每个任务展示：

* 任务 ID 和描述
* 操作历史（可展开）
* 轨迹截图（可翻页）
* 时间和 Token 统计
* 评估结果和错误分析

## 用户提交格式

如果你想提交自己的评测结果，需要按以下格式组织：

### 目录结构

```
experiments/
└── <BenchmarkName>/
    └── <AgentName>/
        └── <Timestamp>/           # 例如 20251208_114207
            └── tasks/
                └── <task_id>/
                    ├── result.json     # 必需：任务运行结果
                    └── trajectory/     # 可选：截图序列
                        ├── 0_screenshot.png
                        └── ...
```

### result.json 格式

```json theme={null}
{
  "task_id": "005be9dd91c95669d6ddde9ae667125c",
  "task": "在淘宝上搜索 iPhone 15",
  "action_history": ["打开淘宝", "输入 iPhone 15", "点击搜索"],
  "model_id": "gpt-4o",
  "browser_id": "Chrome-Local",
  "metrics": {
    "steps": 5,
    "end_to_end_ms": 9879,
    "usage": {
      "total_tokens": 1234,
      "total_cost": 0.0123
    }
  },
  "config": {
    "timeout_seconds": 300
  }
}
```

### 成本说明

如需查看 token 与 cost 的详细统计逻辑（token 来源、价格表来源、计算公式），请参考：

* [成本统计](/zh/leaderboard/cost-accounting)

## 评估后的数据

提交后系统会自动评估，生成：

```
experiments/
└── <BenchmarkName>/
    └── <AgentName>/
        └── <Timestamp>/
            ├── tasks/                    # 原始数据
            └── tasks_eval_result/        # 自动生成
                └── <EvalName>_results.json
```

评估添加的字段：

* `predicted_label`：1 = 成功，0 = 失败
* `evaluation_details`：得分、评估响应、失败类别

## 服务管理命令

```bash theme={null}
# 查看服务状态
sudo bubench service status

# 查看日志
sudo bubench service logs

# 重启服务
sudo bubench service restart

# 停止服务
sudo bubench service stop
```