[!warning] 目前我们的主要开发工作集中在mini-swe-agent上，它已经取代了SWE-agent。mini-swe-agent在性能上与SWE-agent相当，但实现方式更加简洁。更多关于两者区别的信息，请参阅常见问题解答。我们建议今后使用mini-SWE-agent而非SWE-agent。

SWE-agent使您选择的语言模型（例如GPT-4o或Claude Sonnet 4）能够自主地使用工具来 修复真实GitHub仓库中的问题， 查找网络安全漏洞，或 执行任何自定义任务。

• ✅ 在开源项目中，SWE-bench基准测试处于最先进水平
• ✅ 自由流畅且可推广：将最大的自主权交予语言模型
• ✅ 可配置且文档齐全：由单一的yaml文件控制
• ✅ 专为研究设计：结构简单，易于修改和扩展

SWE-agent由普林斯顿大学和斯坦福大学的研究人员构建并维护。

📣 最新消息

• 7月24日：Mini-SWE-Agent仅用100行Python代码，在SWE-bench验证集上取得了65%的成绩！
• 5月2日：SWE-agent-LM-32b在SWE-bench基准测试中实现了开放权重下的最先进水平
• 2月28日：SWE-agent 1.0 + Claude 3.7在SWE-Bench全集上达到最先进水平
• 2月25日：SWE-agent 1.0 + Claude 3.7在SWE-bench验证集上达到最先进水平
• 2月13日：发布SWE-agent 1.0：在SWE-bench轻量级版本上达到最先进水平，并新增大量功能
• 12月7日：SWE-agent与SWE-bench团队的访谈

🚀 开始使用！

👉 在浏览器中试用SWE-agent： (更多信息)

阅读我们的文档以了解更多信息：

• 安装
• 命令行入门示例
• 在SWE-bench上进行基准测试
• 常见问题解答

SWE-agent用于进攻性网络安全（EnIGMA）

SWE-agent: EnIGMA是一种用于解决进攻性网络安全（夺旗赛）挑战的模式。 EnIGMA在多个网络安全基准测试中取得了最先进的成绩（详见排行榜）。 请使用SWE-agent 0.7，因为我们正在更新EnIGMA至1.0版本。

此外，您可能还会对我们其他的项目感兴趣：

           

贡献

如果您希望为代码库做出贡献，我们欢迎提交问题和拉取请求! 对于较大的代码更改，我们始终鼓励先在问题中进行讨论。

引用与联系方式

SWE-agent 是一项学术项目，由约翰·杨*、卡洛斯·E·希门尼斯*、亚历山大·韦蒂格、基利安·利雷特、姚顺宇、卡尔蒂克·纳拉西曼和奥菲尔·普雷斯在普林斯顿大学发起。 联系人：约翰·杨、卡洛斯·E·希门尼斯 和 基利安·利雷特（邮箱：johnby@stanford.edu、carlosej@cs.princeton.edu、kl5675@princeton.edu）。

如果您觉得这项工作对您有帮助，请考虑使用以下方式引用：

@inproceedings{yang2024sweagent,
  title={{SWE}-agent: Agent-Computer Interfaces Enable Automated Software Engineering},
  author={John Yang and Carlos E Jimenez and Alexander Wettig and Kilian Lieret and Shunyu Yao and Karthik R Narasimhan and Ofir Press},
  booktitle={The Thirty-eighth Annual Conference on Neural Information Processing Systems},
  year={2024},
  url={https://arxiv.org/abs/2405.15793}
}

如果您使用了 SWE-agent 中的摘要器、交互式命令或进攻性网络安全功能，请同时考虑引用：

@misc{abramovich2024enigmaenhancedinteractivegenerative,
      title={EnIGMA: Enhanced Interactive Generative Model Agent for CTF Challenges},
      author={Talor Abramovich and Meet Udeshi and Minghao Shao and Kilian Lieret and Haoran Xi and Kimberly Milner and Sofija Jancheska and John Yang and Carlos E. Jimenez and Farshad Khorrami and Prashanth Krishnamurthy and Brendan Dolan-Gavitt and Muhammad Shafique and Karthik Narasimhan and Ramesh Karri and Ofir Press},
      year={2024},
      eprint={2409.16165},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2409.16165},
}

🪪 许可证

MIT 许可证。请查看 LICENSE 文件。

SWE-agent 快速上手指南

⚠️ 重要提示 开发团队目前的重点已转向 mini-swe-agent。新版工具在保持与 SWE-agent 同等性能的同时，架构更加简单。强烈建议新用户直接使用 mini-swe-agent。本指南仅针对原版 SWE-agent 的基础使用。

SWE-agent 是一个能让大语言模型（如 GPT-4o、Claude 3.7）自主使用工具修复 GitHub 仓库问题、查找安全漏洞或执行自定义任务的智能体框架。

1. 环境准备

在开始之前，请确保满足以下系统要求：

• 操作系统: Linux 或 macOS (Windows 用户建议使用 WSL2 或 Docker)
• Python: 版本 3.10 或更高
• Docker: 必须安装并运行中（SWE-agent 依赖 Docker 隔离运行环境）
• API Key: 需要拥有支持 Function Calling 的大模型 API 密钥（如 OpenAI, Anthropic 等）

2. 安装步骤

方式一：使用 GitHub Codespaces（推荐新手尝试）

无需本地配置环境，直接在浏览器中运行：

方式二：本地源码安装

1. 克隆仓库

   git clone https://github.com/SWE-agent/SWE-agent.git
   cd SWE-agent
   

2. 创建虚拟环境并安装依赖

   python -m venv venv
   source venv/bin/activate  # Windows 用户使用: venv\Scripts\activate
   
   pip install -e .
   

3. 配置 API 密钥 导出你的大模型 API 密钥到环境变量（以 OpenAI 为例）：

   export OPENAI_API_KEY="your-api-key-here"
   

   注：若使用其他模型提供商，请参考官方文档配置对应的环境变量。

3. 基本使用

以下是最简单的命令行使用示例，让 SWE-agent 尝试修复一个指定的 GitHub Issue。

命令格式：

sweagent run \
  --model_name <模型名称> \
  --repo_path <GitHub 仓库 URL> \
  --issue_number <Issue 编号>

具体示例： 假设我们要让 gpt-4o 模型去修复 SWE-agent 仓库中的第 10 号 issue：

sweagent run \
  --model_name gpt-4o \
  --repo_path https://github.com/SWE-agent/SWE-agent \
  --issue_number 10

运行过程说明：

1. SWE-agent 会自动拉取代码并在 Docker 容器中构建环境。
2. 模型将读取 Issue 内容，自主编写脚本、运行测试并尝试修复代码。
3. 终端将实时输出智能体的思考过程和执行的命令。
4. 任务完成后，生成的补丁文件将保存在本地输出目录中。

更多高级用法（如批量评测、自定义配置文件）请参阅 官方文档。