Self Evolve 开始阅读
Project report / GitHub evidence

SWE-Agent: 软件工程智能体

这是可索引项目报告证据页：它保留 SWE-Agent: 软件工程智能体 的源材料入口、机制线索和限制提醒；正文仍需 reader/editor 与 academic public-copy review 后才能当作最终结论引用。

报告索引 项目索引 Markdown source

SWE-Agent: 软件工程智能体

基本信息

字段内容
GitHubhttps://github.com/princeton-nlp/SWE-agent
Star15k+
技术栈Python 3.11+, Jinja2 模板, swerex (执行引擎)
许可证MIT
安装pip install sweagent
开发者Princeton NLP
论文SWE-agent: Agent-Computer Interfaces Enable Automated Software Engineering (ICLR 2025 Oral)

项目简介

SWE-Agent 是 Princeton NLP 开发的软件工程自动化 Agent，专门解决 GitHub Issue。它在 SWE-bench 上取得了顶级成绩（ICLR 2025 Oral）。

核心创新：Agent-Computer Interface (ACI) — 为 LLM 设计专用的交互接口，类似 HCI 但面向 Agent。通过精心设计的命令集和输出格式，让 LLM 能高效地浏览代码库、编辑文件、运行测试。

目录结构

swe_agent/
├── sweagent/
│   ├── agent/
│   │   ├── agents.py            # ★ Agent 核心逻辑
│   │   ├── models.py            # 模型抽象（支持多种 LLM）
│   │   ├── action_sampler.py    # 动作采样器
│   │   ├── history_processors.py # 历史处理（压缩/裁剪）
│   │   ├── reviewer.py          # ★ Reviewer（重试/选择最优解）
│   │   ├── problem_statement.py # 问题描述解析
│   │   ├── hooks/               # Agent 钩子
│   │   └── extra/               # 额外功能
│   ├── environment/
│   │   ├── swe_env.py           # ★ SWE 环境（Docker 隔离）
│   │   ├── repo.py              # Git 仓库操作
│   │   └── hooks/               # 环境钩子
│   ├── tools/
│   │   ├── tools.py             # ★ 工具配置（ACI 核心）
│   │   ├── commands.py          # 命令定义
│   │   ├── parsing.py           # 输出解析
│   │   ├── bundle.py            # 工具打包
│   │   └── utils.py             # 工具辅助
│   ├── run/
│   │   ├── run.py               # 运行入口
│   │   ├── rich_test.py         # 测试展示
│   │   └── hooks/               # 运行钩子
│   ├── inspector/               # 可视化检查器（Web UI）
│   ├── utils/
│   │   ├── config.py            # 配置管理
│   │   ├── github.py            # GitHub API
│   │   ├── patch_formatter.py   # Patch 格式化
│   │   └── files.py             # 文件操作
│   ├── types.py                 # 类型定义
│   └── exceptions.py            # 异常定义
└── tests/

核心模块分析

1. Agent-Computer Interface (ACI)

SWE-Agent 的核心创新是为 LLM 设计的专用命令接口：

# 工具配置示例
commands:
  - name: search_dir
    doc: "在目录中搜索模式"
  - name: search_file
    doc: "在文件中搜索模式"
  - name: open
    doc: "打开文件并跳转到指定行"
  - name: edit
    doc: "编辑文件的指定行"
  - name: create
    doc: "创建新文件"
  - name: submit
    doc: "提交解决方案"

ACI 设计原则：

2. Agent 主循环

# agents.py 核心循环（简化）
class Agent:
    def run(self, problem_statement):
        # 初始化环境
        env.reset(problem_statement)

        while not done:
            # 1. 构建消息（system + history + observation）
            messages = self._build_messages(trajectory)

            # 2. LLM 生成动作
            action = self.model.generate(messages)

            # 3. 解析动作
            command, args = self.parser.parse(action)

            # 4. 环境执行
            observation = env.execute(command, args)

            # 5. 记录轨迹
            trajectory.append((action, observation))

        return trajectory

3. Reviewer 重试机制

SWE-Agent 内置多轮重试 + 最优选择：

# reviewer.py
class ChooserRetryLoop:
    """多次尝试，选择最佳提交"""
    def should_retry(self, submission):
        # LLM 评估提交质量
        result = self.model.evaluate(submission)
        return not result.accept

class ScoreRetryLoop:
    """评分式重试"""
    def score(self, trajectory):
        return self.model.score(trajectory)

重试策略：

4. Jinja2 模板系统

SWE-Agent 使用模板定义 Agent 的消息格式：

class TemplateConfig(BaseModel):
    system_template: str = ""       # 系统消息
    instance_template: str = ""     # 问题实例消息
    next_step_template: str = "Observation: {{observation}}"
    # 观察截断处理
    next_step_truncated_observation_template: str = ...
    max_observation_length: int = 100_000

5. 环境隔离

通过 Docker 容器实现安全隔离：

6. 评估框架

技术亮点

  1. ACI 设计：为 LLM 量身定制的 Agent-Computer Interface
  2. ICLR 2025 Oral：SWE-bench 结果需要按论文、leaderboard 与评测日期复核
  3. 多轮重试：Reviewer 机制 + 多轨迹选择最优解
  4. Docker 隔离：安全的代码执行环境
  5. Inspector：可视化运行轨迹分析
  6. 模块化模板：Jinja2 模板灵活定制 Agent 行为

与 Self-Evolve 关联

维度SWE-Agent 贡献
ACI 设计Agent-Computer Interface 是设计 Agent 与环境交互的参考
代码进化Agent 自动修改代码 + Reviewer 评估的循环是代码级自我改进
评估SWE-bench 标准化评估 + 多轨迹比较选择
重试多轮重试 + 最优选择的重试机制
启示ACI 设计原则（简洁输出、精确导航、搜索优先）可推广到其他 Agent 系统

参考资料

GitNexus 深度架构分析