SWE-agent

概述

SWE-agent 是由 Princeton 团队（2024）开发的 AI Agent 系统，能将 LLM 转化为软件工程师，自动修复 GitHub 仓库中的真实 issue 和 bug。通过专门设计的 Agent 计算机接口（ACI）和 ReAct 风格循环，在 SWE-bench 上取得显著优于直接输出 patch 的效果。

关键内容

核心架构

1. ReAct 风格循环：每一步生成 thought（思考）和 action（命令），再接收 observation（环境反馈），形成"想一点、做一点、看反馈、再想一点"的交互循环。
2. Agent 计算机接口（ACI）：为 LLM 专门设计的工具集，包括文件浏览、编辑、搜索、lint 检查等，而非简单复用人类 CLI 工具。
3. Trajectory 落盘：每次运行产生 .traj 文件，记录完整的 thought/action/observation 序列，支持事后分析和调试。

SWE-bench 表现

• SWE-bench Full：12.47% resolved（GPT-4 Turbo）
• SWE-bench Lite：18.00% resolved（GPT-4 Turbo）
• pass@k 曲线：k=6 时解决率升至 30%+

Trajectory 格式

SWE-agent 的 .traj 文件是 JSON 格式，核心结构包含： - 顶层：environment、trajectory 数组 - 每步：response（模型原文）、thought（解析后的思考）、action（执行的命令）、observation（环境反馈）、state（环境状态）、query（发送给模型的输入） - 版本差异：1.1.0 之前用 message 字段表示输入，1.1.0 起改为 query 表示精确输入

Edit 后验证

SWE-agent 在每次 edit 后立即运行轻量级校验： - USE_LINTER 开关控制是否启用 linter - 默认使用 flake8 --select=F821,F822,F831,E111,E112,E113,E999,E902 对 .py 文件做单文件检查 - 引入语法错误的编辑会被拒绝（"Your changes have NOT been applied"） - 做了 previous errors filtering：更新旧错误行号，过滤编辑窗口外的旧问题，只保留本次 edit 新引入的错误 - 官方主线没有内建完整 LSP 验证，更偏向"快速、局部、可恢复"的 lint/syntax 检查

工程化建议

自定义实现时建议顶层补充：instance_id、schema_version、run_id、agent_version、model_name、config_ref、info。 Step 级建议补充：step_id、timestamp_start、timestamp_end、parse_error、exit_code、tool_name、tool_args、observation_type、cost、tokens_prompt、tokens_completion。

来源

• raw/ChatGPT-Chat/ChatGPT-SWE-agent 论文核心观点/08-trajectory常见字段 schema包含哪些，分别什么意思，分别如何构造.md — SWE-agent trajectory schema 详解
• raw/ChatGPT-Chat/ChatGPT-SWE-agent 论文核心观点/10-swe-agent 每次 edit后，如何设计lintlsp 等validate？.md — Edit 后 validate 设计详解

相关

• SWE-bench — uses（基准测试平台）
• ReAct 风格循环 — implements（运行框架）
• Agent计算机接口 — uses（专门设计的工具接口）
• Agent 轨迹分析 — caused（产生可分析的轨迹数据）
• Trajectory Schema — implements（定义了 trajectory 的数据结构）
• Edit 后验证 — uses（每次 edit 后运行 lint/syntax 检查）