SWE-agent

agent SWE là một AI agent mã nguồn mở tự động đọc các báo cáo lỗi được đăng trong các vấn đề về GitHub và tự động hoàn thành mọi việc từ sửa đổi mã đến thực thi thử nghiệm. Nó được phát hành như một dự án nghiên cứu của Đại học Princeton và đã thu hút sự chú ý từ cộng đồng nhà phát triển sau khi ghi lại tỷ lệ phân giải cao trong tiêu chuẩn công nghệ phần mềm "SWE-bench". Nó phù hợp để tự động hóa các tác vụ lặp đi lặp lại chiếm nhiều thời gian của kỹ sư, chẳng hạn như sửa lỗi ban đầu, tái cấu trúc thường xuyên và cập nhật phần phụ thuộc.

Các tính năng chính

1. Tự động đọc vấn đề và tạo bản vá: Phân tích văn bản của các vấn đề GitHub, xác định các tệp liên quan và tạo các bản vá. Đây là cấu trúc có thể rút ngắn quy trình ban đầu, trước đây mất từ ​​30 đến 60 phút để người phụ trách đọc vấn đề và khởi chạy môi trường sao chép, xuống còn vài phút.

2. Giao diện agent-máy tính (ACI): LLM có giao diện chuyên dụng để xem, chỉnh sửa và thực thi lệnh, cho phép bạn thao tác với các cơ sở mã dài mà không mất dấu vị trí tệp.

3. Tương thích với agent SWE mini: CLI/TUI 100 dòng nhẹ đã được thêm vào, cho phép thực thi hộp cát với Docker, Podman và Bubblewrap. Bạn có thể chuyển đổi giữa bất kỳ mô hình nào như Claude, GPT, Gemini, v.v. thông qua LiteLLM.

4. Thực hiện kiểm tra tự động: Chạy kiểm tra đơn vị sau khi sửa đổi, xác nhận rằng không có sự hồi quy nào xảy ra và sau đó đưa ra các ứng cử viên PR.

Biên bản xác minh của ban biên tập

Khi chúng tôi so sánh agent SWE với các AI agent cạnh tranh như GitHub Copilot Workspace, agent con trỏ và Devin dựa trên các tài liệu công khai, chúng tôi nhận thấy rằng agent SWE có ba yếu tố khác biệt rõ rệt: ``mã nguồn mở,'' `độ độc lập mô hình (thông qua LiteLLM)'' và ``thực thi hộp cát theo tiêu chuẩn.'' Trong khi agent loại SaaS được tính phí từ 20 đến 500 USD mỗi tháng, bản thân agent SWE là miễn phí và chỉ bao gồm việc sử dụng API LLM. phí. Chi phí suy luận cho mỗi vấn đề được ước tính là khoảng 0,3 đến 1,5 đô la với Claude Sonnet và thậm chí nếu 50 vấn đề được xử lý mỗi tháng thì chi phí sẽ vào khoảng 75 đô la. Mặt khác, nếu số giờ đáp ứng ban đầu của kỹ sư có thể giảm 25 giờ mỗi tháng thì có thể dự kiến ​​ROI tương đương với khoảng 200.000 yên Nhật chi phí nhân sự. Mặt khác, các vấn đề liên quan đến các quyết định thiết kế phức tạp vẫn cần được xem xét và cần lưu ý rằng việc hướng tới tự động hóa hoàn toàn sẽ dẫn đến việc phải làm lại nhiều hơn.

Người dùng dự định

Nó phù hợp cho những người bảo trì mã nguồn mở đang lo lắng về việc tích tụ các vấn đề lỗi, các nhóm phát triển muốn tự động hóa việc phân loại vấn đề nội bộ và các bộ phận R&D muốn kết hợp và xác minh AI agent vào môi trường của họ. Mặt khác, các đối thủ cạnh tranh loại SaaS là ​​một lựa chọn dễ triển khai hơn đối với các trang web yêu cầu hoạt động dựa trên GUI, giao diện người dùng Nhật Bản và các nhóm muốn thuê ngoài hoàn toàn cơ sở hạ tầng tạo mã.

agent mã nguồn mở AI tự động khắc phục các sự cố GitHub. Một quá trình triển khai tự động hoàn thành quy trình đọc báo cáo lỗi, sửa đổi mã và chạy thử nghiệm, đồng thời ghi lại các kết quả nâng cao trong điểm chuẩn chuẩn SWE học thuật. Danh mục Devin/Cline đã được chuyển sang "Vấn đề → PR". PMNM hoàn toàn miễn phí dành cho các nhà phát triển và nhà nghiên cứu muốn tùy chỉnh và tích hợp nó vào môi trường phát triển của riêng họ.