gui-bench-orchestrator

一份配置同时跑 MobileWorld + AndroidLab 两个 GUI Agent benchmark，自动出对比表。

想了解设计 → ARCHITECTURE.md（中文） 想了解技术细节 → spec_v0.3.md（英文）

需要 GCP / Linux + KVM（Mac 不支持），并且：

• 已装 Docker、当前用户在 docker 组、sudo 免密
• 已装 Python ≥ 3.12 和 conda（或 uv）
• ~/MobileWorld/ 和 ~/Android-Lab/ 是上游纯净 clone

详见 HANDOFF.md §3。

bash setup.sh --check-only

每一项打印 OK/FAIL；FAIL 的会给出修复指引。全 OK 才继续。

注：完整 bash setup.sh（自动装依赖 + 拉 Docker image）还没实现，spec_v0.3.md §10 Phase 1 之后才会有。

cp .env.example .env
$EDITOR .env                # 填 API_KEY、LLM_BASE_URL、OPENAI_API_KEY 等

编辑 experiments.yaml（strategy 选什么、model.name 用什么、benchmarks 跑几个），然后：

bash run.sh experiments.yaml             # 真跑
bash run.sh experiments.yaml --dry-run   # 只渲染配置，不调 LLM

注：完整 run pipeline 还在搭，目前只有骨架；当前能跑的只有 --check-only。

详见 spec_v0.3.md §10。