AI 智能体攻陷软件工程：从 SWE-Agent 到 SWE-Swiss，全景解析 AI4SE 最新战局

近期的研究已经充分证明，大语言模型（LLM）智能体在代码生成方面具备显著的能力。然而，当问题上升到更复杂、更工程化的层面------例如完整的软件工程（Software Engineering, SE）------AI 的探索仍处于起步阶段。

使用语言模型智能体去解决真实的代码 bug 问题的 workflow （Auto Debug Agent），是一个非常大需求的市场，而且是一个非常合适的AI应用场景。

目前国内在这一领域已有探索者，如 通义灵码 与 豆包 MarsCode，而国际上代表性研究包括 SWE-Agent、AutoCodeRover 与 SWE-Swiss。

SWE-Agent：AI 智能体解决软件工程问题的第一步

1. 概述

SWE-Agent 是一个使用语言模型智能体自动解决软件工程任务的系统。

它基于 Agent Computer Interface (ACI) ，在计算机与智能体之间建立抽象层，使智能体具备创建、编辑、浏览代码文件和执行程序的能力。

2. ACI 框架设计理念

ACI 框架统一了工具调用、提示工程（prompting）与代码执行。

其高效性主要来自以下几点：

●动作简单：易被 LLM 理解。

●动作高效：重要操作数量少。

●环境反馈清晰：输出简洁却信息量大。

●Guardrails：内置语法检测与自动修复低级错误。

相比传统的人机接口（如 VSCode），ACI 提供了更适合 LLM 的交互方式。

3. 评测与表现

SWE-Agent 在权威评测集 SWE-Bench 上表现出色。

在 2300 条测试数据中，使用 GPT-4 Turbo 模型的准确率达到 12.5%，超越最强无交互检索系统 3.8%，也比 Linux 终端环境提升 10.7%。

Claude-3-Opus 基线表现为 10.5%。

4. 智能体行为机制

SWE-Agent 的行为可分为以下模块：

搜索与导航： 查找文件与目录（find_file、search_file）。

文件浏览： 支持打开文件、上下滑动、跳转行号（open、scroll_up、goto）。

文件编辑： 可精确编辑指定行区间，并使用语法检测器防止错误。

上下文管理： 通过保留简明的历史交互与报错信息，控制上下文窗口大小，提高有效性。

实验表明，编辑动作是任务解决的核心；平均成功案例 12 步完成，失败案例则需 21 步。增加 Token 预算并不能显著提升性能。

5. 提示词结构（Prompt Workflow）

SWE-Agent 的提示工程由四部分组成：

System Prompt： 定义操作环境与命令约束；

SETTING: 
您是一位自主编程的程序员，正在使用一个特殊的界面直接在命令行中工作。这个特殊的界面包含一个文件编辑器，可以一次显示 100 行文件内容。除了常见的 Bash 命令外，您还可以使用以下命令来导航和编辑文件。

COMMANDS: {documentation}
请注意，EDIT 命令需要正确的缩进。如果您想添加 "   print(x)" 这一行，必须完整地写出来，包括代码前的所有空格！缩进非常重要，未正确缩进的代码将运行失败，需要修复后才能运行。

RESPONSE FORMAT:
Your shell prompt is formatted as follows:
(Open file: <path>) <cwd> $
You need to format your output using two fields; discussion and command. Your output should always include one discussion and one command field EXACTLY as in the following example:

DISCUSSION:
First I'll start by using ls to see what files are in the current directory. Then maybe we can look at some relevant files to see what they look like.
```
ls -a
```
您应该只在命令部分包含一个命令，然后等待 Shell 的响应，然后再继续进行更多讨论和命令。
您在"discussion"部分包含的所有内容都将被保存以供将来参考。如果您想同时执行两个命令，请不要这样做！请先提交第一个命令，然后在收到响应后才能执行第二个命令。
除了上面列出的特殊命令外，您还可以自由使用任何其他您想要的 Bash 命令（例如 find、grep、cat、ls、cd）。但是，该环境不支持交互式会话命令（例如 python、vim），因此请不要调用它们。

Demonstration： 提供操作范例；

这里有一个如何正确完成此任务的演示。
它旨在向您展示如何正确使用界面，您无需完全按照演示中的方法操作。
--- DEMONSTRATION ---
{{INSTANCE PROMPT}}

代码已更新，使用 `round` 函数，这应该可以修复四舍五入问题。提交更改之前，最好再次运行一下 replicate.py 代码，以确保此更改达到预期效果。我看到 "Current directory" 仍然是 `/marshmallow-code__marshmallow`，所以我们可以直接运行 `reproduce.py`。
```
python reproduce.py
```
345

(Open file: /marshmallow-code__marshmallow/src/marshmallow/fields.py)
(Current directory: /marshmallow-code__marshmallow)
bash-$
输出已从 344 更改为 345，这表明四舍五入问题已修复。我们删除 replicate.py 文件，因为它不再需要了。
```
rm reproduce.py
```
Your command ran successfully and did not produce any output.
(Open file: /marshmallow-code__marshmallow/src/marshmallow/fields.py)
(Current directory: /marshmallow-code__marshmallow)
bash-$
rm 删除成功后没有任何输出，所以肯定成功了。既然问题已经解决，我们应该将更改提交到代码库。让我们使用 `submit` 命令提交更改。
```
submit
```
--- END OF DEMONSTRATION ---

Instance Message： 描述任务与调试目标；

我们目前正在解决代码库中的以下问题。
以下是问题内容：
ISSUE:
{issue}

INSTRUCTIONS:
现在，您将自行解决这个问题。您的终端会话已启动，并且您位于代码库的根目录中。您可以使用任何 Bash 命令或特殊界面来帮助您。编辑所有需要的文件，并运行任何您想要的检查或测试。
请记住，您一次只能输入一个命令！您应该在执行每个命令后等待反馈。当您对所有更改感到满意时，只需运行提交命令即可将更改提交到代码库。但请注意，您无法在此环境中使用任何交互式会话命令（例如 Python、vim），但您可以编写脚本并运行它们。
例如，您可以编写一个 Python 脚本，然后使用 `python <script_name>.py` 运行它。 关于编辑命令的注意事项：缩进非常重要！编辑文件时，请确保在每行前插入适当的缩进！

IMPORTANT TIPS:
1. 请务必先尝试复现问题中提到的错误。如果问题包含用于复现错误的代码，我们建议您在您的环境中重新实现该代码并运行，以确保您可以复现错误。然后开始尝试修复它。当您认为错误已经修复后，请重新运行错误复现脚本，以确保错误确实已修复。
2. 如果您运行某个命令但不起作用，请尝试运行其他命令。一次不起作用的命令，除非您修改它，否则第二次也不会起作用！
3. 如果您打开一个文件，并且需要转到不在前100行中的特定行（例如第583行）附近的区域，请不要多次使用scroll_down命令。相反，请使用goto583命令。它更快。
4. 如果错误复现脚本需要输入/读取特定文件（例如 buggy-input.png），而您想了解如何输入该文件，请在现有的代码库代码中进行搜索，看看是否有人已经这样做过。执行以下命令：find_file "buggy-input.png"
如果此命令无效，请使用 Linux 的"find"命令。
5. 务必查看当前打开的文件和当前工作目录（紧接着当前打开的文件）。当前打开的文件可能与工作目录位于不同的目录中！请注意，某些命令（例如 "create"）会打开文件，因此它们可能会更改当前打开的文件。
6. 编辑文件时，很容易意外指定错误的行号或编写缩进不正确的代码。执行编辑后，请务必检查代码，以确保其反映了您想要实现的目标。如果没有，请执行另一个命令进行修复。

(Open file: {open_file})
(Current directory: {working_dir})
bash-$

Next Step Template： 生成下一步操作模板。

{OBSERVATION}
(Open file: /path/to/open/file.py)
(Current directory: /path/to/cwd)
bash-$

SWE-Bench：AI4SE 的权威评测集

SWE-Bench 是软件工程领域的标准化评测集，包含真实代码仓与调试任务。

评测集构建背景

数据爬取与过滤筛选

观察到的现象：input 增加，模型 debug 的能力下降

研究发现：随着输入信息量增加，模型的 Debug 能力反而下降，因此需要设计能压缩上下文、提炼结构化信息的智能体，以提升效率与鲁棒性。

AutoCodeRover：结构化调试的自动化智能体

1. 技术要点

AutoCodeRover 通过 AST（抽象语法树） 解析代码结构，并基于文件、类、函数层级组织上下文。

该方法显著减少 LLM 的上下文窗口压力，提高 Debug 精度。

●采用 程序结构检索 与 故障定位 技术；

●0.5～1 小时的调试时间可接受；

●解决了 57 个 GitHub 实际问题，成功率达 2/3；

●平均 4 分钟修复一个问题，而人工平均需 2.68 天。

2. 工作流

从问题描述出发，AutoCodeRover 自动调用相关 API、分析代码、定位 Bug、生成补丁，形成完整闭环。

SWE-Swiss：强化学习驱动的高性能智能体

由字节跳动 Seed 团队提出的 SWE-Swiss，在 AI4SE 领域取得突破。

基于 Qwen2.5-32B-Instruct 模型，结合 多任务微调（SFT）+ 强化学习（RL） ，在 SWE-Bench Verified 上取得 60.2% 的 SOTA 成绩。

1. 三阶段数据构建

●定位阶段： 确定需修改文件；

●修复阶段： 筛选有效补丁；

●验证阶段： 生成并通过单元测试。

总计使用 10,254 个数据样本完成 SFT 训练。

2. 强化学习策略

采用 GRPO 算法，结合 DAPO 中的动态采样与无 KL 损失设计，分两阶段训练：

●第一阶段： 广泛构建通用问题解决能力；

●第二阶段： 聚焦难点数据集，提升修复性能。

最终通过多补丁自一致性评估，将性能从 45.0% 提升至 60.2%。

3. 验证机制与增强自一致性

为解决代码语义等效但非精确匹配的问题，SWE-Swiss 引入增强自一致性机制：

●综合精确匹配与相似度打分；

●通过编辑距离计算候选补丁间相似性；

●采用自洽投票与加权评分选出最优补丁。

这一方法显著提升了最终修复的准确率。

总结与展望

AI4SE（AI for Software Engineering）正在成为大模型落地的关键方向。

从 SWE-Agent 到 AutoCodeRover，再到 SWE-Swiss，我们看到 AI 智能体已经从代码生成逐步进化为能理解、调试、修复与验证的完整开发伙伴。

未来的研究方向包括：

●构建多智能体协同架构；

●在 MoE 模型上提升性能；

●引入更密集的过程奖励信号；

●优化上下文压缩与知识检索。

AI4SE 的边界，正在快速扩展，真正的"自编程"时代或许已在不远的未来。