[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-SWE-agent--SWE-agent":3,"tool-SWE-agent--SWE-agent":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",140436,2,"2026-04-05T23:32:43",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",107662,"2026-04-03T11:11:01",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":10,"last_commit_at":50,"category_tags":51,"status":17},4292,"Deep-Live-Cam","hacksider\u002FDeep-Live-Cam","Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具，用户仅需一张静态照片，即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点，让高质量的数字内容创作变得触手可及。\n\n这款工具不仅适合开发者和技术研究人员探索算法边界，更因其极简的操作逻辑（仅需三步：选脸、选摄像头、启动），广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换，还是制作趣味短视频和直播互动，Deep-Live-Cam 都能提供流畅的支持。\n\n其核心技术亮点在于强大的实时处理能力，支持口型遮罩（Mouth Mask）以保留使用者原始的嘴部动作，确保表情自然精准；同时具备“人脸映射”功能，可同时对画面中的多个主体应用不同面孔。此外，项目内置了严格的内容安全过滤机制，自动拦截涉及裸露、暴力等不当素材，并倡导用户在获得授权及明确标注的前提下合规使用，体现了技术发展与伦理责任的平衡。",88924,"2026-04-06T03:28:53",[14,15,13,52],"视频",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},3704,"NextChat","ChatGPTNextWeb\u002FNextChat","NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。\n\n这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。\n\nNextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。",87618,"2026-04-05T07:20:52",[14,35],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":64,"owner_name":64,"owner_avatar_url":72,"owner_bio":73,"owner_company":74,"owner_location":74,"owner_email":74,"owner_twitter":74,"owner_website":75,"owner_url":76,"languages":77,"stars":112,"forks":113,"last_commit_at":114,"license":115,"difficulty_score":10,"env_os":116,"env_gpu":117,"env_ram":118,"env_deps":119,"category_tags":123,"github_topics":124,"view_count":32,"oss_zip_url":74,"oss_zip_packed_at":74,"status":17,"created_at":132,"updated_at":133,"faqs":134,"releases":163},4271,"SWE-agent\u002FSWE-agent","SWE-agent","SWE-agent takes a GitHub issue and tries to automatically fix it, using your LM of choice. It can also be employed for offensive cybersecurity or competitive coding challenges. [NeurIPS 2024] ","SWE-agent 是一款由普林斯顿大学和斯坦福大学研究人员开发的开源智能体，旨在让大语言模型（如 GPT-4o 或 Claude）自主调用工具来解决实际编程问题。它的核心能力是读取 GitHub 上的_issue_描述，自动分析代码库并生成修复补丁，从而解决软件维护中耗时费力的调试与修复难题。除了代码修复，SWE-agent 还能应用于网络安全漏洞挖掘（通过 EnIGMA 模式）及编程竞赛挑战。\n\n这款工具特别适合软件开发者和人工智能研究人员使用。对于开发者，它能辅助处理繁琐的遗留代码问题；对于研究人员，其设计简洁、高度可配置（仅需一个 YAML 文件即可掌控全局），且代码易于修改，是探索自主智能体技术的理想平台。\n\nSWE-agent 的技术亮点在于其在 SWE-bench 基准测试中达到了开源项目的领先水平。它赋予大模型极大的自主权，使其能像人类工程师一样自由地浏览代码、执行命令和验证结果。值得注意的是，开发团队目前正大力推荐更轻量、简洁且性能相当的继任者\"mini-swe-agent\"，建议新用户优先尝试该版本以获得更高效的体验。","\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fswe-agent.com\u002Flatest\u002F\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSWE-agent_SWE-agent_readme_c166f4b6c2eb.png\" alt=\"swe-agent.com\" style=\"height: 7em\" \u002F>\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fswe-agent.com\u002Flatest\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDocs-green?style=for-the-badge&logo=materialformkdocs&logoColor=white\" alt=\"Docs\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fjoin.slack.com\u002Ft\u002Fswe-bench\u002Fshared_invite\u002Fzt-36pj9bu5s-o3_yXPZbaH2wVnxnss1EkQ\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSlack-4A154B?style=for-the-badge&logo=slack&logoColor=white\" alt=\"Slack\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.15793\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Farxiv-2405.15793-red?style=for-the-badge&logo=arxiv&logoColor=white&labelColor=black\" alt=\"arxiv 2405.15793\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-swe-agent\u002F\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSWE-agent_SWE-agent_readme_90f1fbea4995.png\" alt=\"mini-swe-agent.com\" style=\"height: 7em\" \u002F>\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n> [!warning]\n> Most of our current development effort is on [mini-swe-agent](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-swe-agent\u002F),\n> which has superseded SWE-agent. It matches the performance performance of SWE-agent, while being\n> much simpler.\n> See the [FAQ](https:\u002F\u002Fmini-swe-agent.com\u002Flatest\u002Ffaq\u002F) for more details about the differences.\n> Our general recommendation is to use mini-SWE-agent instead of SWE-agent going forward.\n\n\nSWE-agent enables your language model of choice (e.g. GPT-4o or Claude Sonnet 4) to autonomously use tools to\n[fix issues in real GitHub repositories](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fhello_world),\n[find cybersecurity vulnerabilities](https:\u002F\u002Fenigma-agent.com\u002F), or\n[perform any custom task](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fcoding_challenges).\n\n* ✅ **State of the art** on SWE-bench among open-source projects\n* ✅ **Free-flowing & generalizable**: Leaves maximal agency to the LM\n* ✅ **Configurable & fully documented**: Governed by a single `yaml` file\n* ✅ **Made for research**: Simple & hackable by design\n\nSWE-agent is built and maintained by researchers from Princeton University and Stanford University.\n\n## 📣 News\n\n* July 24: [Mini-SWE-Agent](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-SWE-agent) achieves 65% on SWE-bench verified in 100 lines of python!\n* May 2: [SWE-agent-LM-32b](https:\u002F\u002Fgithub.com\u002FSWE-bench\u002FSWE-smith) achieves open-weights SOTA on SWE-bench\n* Feb 28: [SWE-agent 1.0 + Claude 3.7 is SoTA on SWE-Bench full](https:\u002F\u002Fx.com\u002FKLieret\u002Fstatus\u002F1895487966409298067)\n* Feb 25: [SWE-agent 1.0 + Claude 3.7 is SoTA on SWE-bench verified](https:\u002F\u002Fx.com\u002FKLieret\u002Fstatus\u002F1894408819670733158)\n* Feb 13: [Releasing SWE-agent 1.0: SoTA on SWE-bench light & tons of new features](https:\u002F\u002Fx.com\u002FKLieret\u002Fstatus\u002F1890048205448220849)\n* Dec 7: [An interview with the SWE-agent & SWE-bench team](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=fcr8WzeEXyk)\n\n## 🚀 Get started!\n\n👉 Try SWE-agent in your browser: [![Open in GitHub Codespaces](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOpen_in_GitHub_Codespaces-gray?logo=github)](https:\u002F\u002Fcodespaces.new\u002FSWE-agent\u002FSWE-agent) ([more information](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Finstallation\u002Fcodespaces\u002F))\n\nRead our [documentation][docs] to learn more:\n\n* [Installation](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Finstallation\u002Fsource\u002F)\n* [Hello world from the command line](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fhello_world\u002F)\n* [Benchmarking on SWE-bench](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fbatch_mode\u002F)\n* [Frequently Asked Questions](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Ffaq\u002F)\n\n[docs]: https:\u002F\u002Fswe-agent.com\n\n## SWE-agent for offensive cybersecurity (EnIGMA) \u003Ca name=\"enigma\">\u003C\u002Fa>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSWE-agent_SWE-agent_readme_e5a3502c361f.png\" height=\"80px\">\u003C\u002Fimg>\n\n[SWE-agent: EnIGMA][enigma] is a mode for solving offensive cybersecurity (capture the flag) challenges.\nEnIGMA achieves state-of-the-art results on multiple cybersecurity benchmarks (see [leaderboard](https:\u002F\u002Fenigma-agent.com\u002F#results)).\nPlease use [SWE-agent 0.7](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Ftree\u002Fv0.7) while we update EnIGMA for 1.0.\n\n[enigma]: https:\u002F\u002Fenigma-agent.com\n[SWE-bench]: https:\u002F\u002Fgithub.com\u002FSWE-bench\u002FSWE-bench\n[nyu-ctf]: https:\u002F\u002Farxiv.org\u002Fabs\u002F2406.05590\n\nIn addition, you might be interested in our other projects:\n\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-SWE-agent\">\u003Cimg src=\"docs\u002Fassets\u002Fmini_logo_text_below.svg\" alt=\"Mini-SWE-Agent\" height=\"120px\">\u003C\u002Fa>\n     \n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-ReX\">\u003Cimg src=\"docs\u002Fassets\u002Fswerex_logo_text_below.svg\" alt=\"SWE-ReX\" height=\"120px\">\u003C\u002Fa>\n     \n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-bench\u002FSWE-bench\">\u003Cimg src=\"docs\u002Fassets\u002Fswebench_logo_text_below.svg\" alt=\"SWE-bench\" height=\"120px\">\u003C\u002Fa>\n    \n  \u003C!-- \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\">\u003Cimg src=\"docs\u002Fassets\u002Fsweagent_logo_text_below.svg\" alt=\"SWE-agent\" height=\"120px\">\u003C\u002Fa> -->\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-bench\u002FSWE-smith\">\u003Cimg src=\"docs\u002Fassets\u002Fswesmith_logo_text_below.svg\" alt=\"SWE-smith\" height=\"120px\">\u003C\u002Fa>\n    \n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-bench\u002Fsb-cli\">\u003Cimg src=\"docs\u002Fassets\u002Fsbcli_logo_text_below.svg\" alt=\"sb-cli\" height=\"120px\">\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n## Contributions \u003Ca name=\"contributions\">\u003C\u002Fa>\n\nIf you'd like to contribute to the codebase, we welcome [issues](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fissues) and [pull requests](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpulls)! For larger code changes, we always encourage discussion in issues first.\n\n## Citation & contact \u003Ca name=\"citation\">\u003C\u002Fa>\n\nSWE-agent is an academic project started at Princeton University by John Yang*, Carlos E. Jimenez*, Alexander Wettig, Kilian Lieret, Shunyu Yao, Karthik Narasimhan, and Ofir Press.\nContact person: [John Yang](https:\u002F\u002Fjohn-b-yang.github.io\u002F), [Carlos E. Jimenez](http:\u002F\u002Fwww.carlosejimenez.com\u002F), and [Kilian Lieret](https:\u002F\u002Fwww.lieret.net\u002F) (Email: johnby@stanford.edu, carlosej@cs.princeton.edu, kl5675@princeton.edu).\n\nIf you found this work helpful, please consider citing it using the following:\n\n\u003Cdetails>\n\u003Csummary> SWE-agent citation\u003C\u002Fsummary>\n\n```bibtex\n@inproceedings{yang2024sweagent,\n  title={{SWE}-agent: Agent-Computer Interfaces Enable Automated Software Engineering},\n  author={John Yang and Carlos E Jimenez and Alexander Wettig and Kilian Lieret and Shunyu Yao and Karthik R Narasimhan and Ofir Press},\n  booktitle={The Thirty-eighth Annual Conference on Neural Information Processing Systems},\n  year={2024},\n  url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.15793}\n}\n```\n\u003C\u002Fdetails>\n\nIf you used the summarizer, interactive commands or the offensive cybersecurity capabilities in SWE-agent, please also consider citing:\n\n\u003Cdetails>\n\u003Csummary>EnIGMA citation\u003C\u002Fsummary>\n\n```bibtex\n@misc{abramovich2024enigmaenhancedinteractivegenerative,\n      title={EnIGMA: Enhanced Interactive Generative Model Agent for CTF Challenges},\n      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},\n      year={2024},\n      eprint={2409.16165},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2409.16165},\n}\n```\n\u003C\u002Fdetails>\n\n\n## 🪪 License \u003Ca name=\"license\">\u003C\u002Fa>\nMIT. Check `LICENSE`.\n\n\n\u003Cdiv align=\"center\">\n\n[![Pytest](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fpytest.yaml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fpytest.yaml)\n[![build-docs](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fbuild-docs.yaml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fbuild-docs.yaml)\n[![codecov](https:\u002F\u002Fcodecov.io\u002Fgh\u002FSWE-agent\u002FSWE-agent\u002Fgraph\u002Fbadge.svg?token=18XAVDK365)](https:\u002F\u002Fcodecov.io\u002Fgh\u002FSWE-agent\u002FSWE-agent)\n[![pre-commit.ci status](https:\u002F\u002Fresults.pre-commit.ci\u002Fbadge\u002Fgithub\u002FSWE-agent\u002FSWE-agent\u002Fmain.svg)](https:\u002F\u002Fresults.pre-commit.ci\u002Flatest\u002Fgithub\u002FSWE-agent\u002FSWE-agent\u002Fmain)\n[![Markdown links](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fcheck-links-periodic.yaml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fcheck-links-periodic.yaml)\n\n\u003C\u002Fdiv>\n","\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fswe-agent.com\u002Flatest\u002F\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSWE-agent_SWE-agent_readme_c166f4b6c2eb.png\" alt=\"swe-agent.com\" style=\"height: 7em\" \u002F>\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n\u003Ca href=\"https:\u002F\u002Fswe-agent.com\u002Flatest\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FDocs-green?style=for-the-badge&logo=materialformkdocs&logoColor=white\" alt=\"Docs\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Fjoin.slack.com\u002Ft\u002Fswe-bench\u002Fshared_invite\u002Fzt-36pj9bu5s-o3_yXPZbaH2wVnxnss1EkQ\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSlack-4A154B?style=for-the-badge&logo=slack&logoColor=white\" alt=\"Slack\">\u003C\u002Fa>\n\u003Ca href=\"https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.15793\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Farxiv-2405.15793-red?style=for-the-badge&logo=arxiv&logoColor=white&labelColor=black\" alt=\"arxiv 2405.15793\">\u003C\u002Fa>\n\u003C\u002Fp>\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-swe-agent\u002F\">\n    \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSWE-agent_SWE-agent_readme_90f1fbea4995.png\" alt=\"mini-swe-agent.com\" style=\"height: 7em\" \u002F>\n  \u003C\u002Fa>\n\u003C\u002Fp>\n\n> [!warning]\n> 目前我们的主要开发工作集中在[mini-swe-agent](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-swe-agent\u002F)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](https:\u002F\u002Fmini-swe-agent.com\u002Flatest\u002Ffaq\u002F)。我们建议今后使用mini-SWE-agent而非SWE-agent。\n\n\nSWE-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\n[修复真实GitHub仓库中的问题](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fhello_world)，\n[查找网络安全漏洞](https:\u002F\u002Fenigma-agent.com\u002F)，或\n[执行任何自定义任务](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fcoding_challenges)。\n\n* ✅ 在开源项目中，SWE-bench基准测试处于最先进水平\n* ✅ **自由流畅且可推广**：将最大的自主权交予语言模型\n* ✅ **可配置且文档齐全**：由单一的`yaml`文件控制\n* ✅ **专为研究设计**：结构简单，易于修改和扩展\n\nSWE-agent由普林斯顿大学和斯坦福大学的研究人员构建并维护。\n\n## 📣 最新消息\n\n* 7月24日：[Mini-SWE-Agent](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-SWE-agent)仅用100行Python代码，在SWE-bench验证集上取得了65%的成绩！\n* 5月2日：[SWE-agent-LM-32b](https:\u002F\u002Fgithub.com\u002FSWE-bench\u002FSWE-smith)在SWE-bench基准测试中实现了开放权重下的最先进水平\n* 2月28日：[SWE-agent 1.0 + Claude 3.7在SWE-Bench全集上达到最先进水平](https:\u002F\u002Fx.com\u002FKLieret\u002Fstatus\u002F1895487966409298067)\n* 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](https:\u002F\u002Fx.com\u002FKLieret\u002Fstatus\u002F1894408819670733158)\n* 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](https:\u002F\u002Fx.com\u002FKLieret\u002Fstatus\u002F1890048205448220849)\n* 12月7日：[SWE-agent与SWE-bench团队的访谈](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=fcr8WzeEXyk)\n\n## 🚀 开始使用！\n\n👉 在浏览器中试用SWE-agent：[![在GitHub Codespaces中打开](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOpen_in_GitHub_Codespaces-gray?logo=github)](https:\u002F\u002Fcodespaces.new\u002FSWE-agent\u002FSWE-agent) ([更多信息](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Finstallation\u002Fcodespaces\u002F))\n\n阅读我们的[文档][docs]以了解更多信息：\n\n* [安装](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Finstallation\u002Fsource\u002F)\n* [命令行入门示例](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fhello_world\u002F)\n* [在SWE-bench上进行基准测试](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fbatch_mode\u002F)\n* [常见问题解答](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Ffaq\u002F)\n\n[docs]: https:\u002F\u002Fswe-agent.com\n\n## SWE-agent用于进攻性网络安全（EnIGMA） \u003Ca name=\"enigma\">\u003C\u002Fa>\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSWE-agent_SWE-agent_readme_e5a3502c361f.png\" height=\"80px\">\u003C\u002Fimg>\n\n[SWE-agent: EnIGMA][enigma]是一种用于解决进攻性网络安全（夺旗赛）挑战的模式。\nEnIGMA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](https:\u002F\u002Fenigma-agent.com\u002F#results)）。\n请使用[SWE-agent 0.7](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Ftree\u002Fv0.7)，因为我们正在更新EnIGMA至1.0版本。\n\n[enigma]: https:\u002F\u002Fenigma-agent.com\n[SWE-bench]: https:\u002F\u002Fgithub.com\u002FSWE-bench\u002FSWE-bench\n[nyu-ctf]: https:\u002F\u002Farxiv.org\u002Fabs\u002F2406.05590\n\n此外，您可能还会对我们其他的项目感兴趣：\n\n\n\u003Cdiv align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-SWE-agent\">\u003Cimg src=\"docs\u002Fassets\u002Fmini_logo_text_below.svg\" alt=\"Mini-SWE-Agent\" height=\"120px\">\u003C\u002Fa>\n     \n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-ReX\">\u003Cimg src=\"docs\u002Fassets\u002Fswerex_logo_text_below.svg\" alt=\"SWE-ReX\" height=\"120px\">\u003C\u002Fa>\n     \n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-bench\u002FSWE-bench\">\u003Cimg src=\"docs\u002Fassets\u002Fswebench_logo_text_below.svg\" alt=\"SWE-bench\" height=\"120px\">\u003C\u002Fa>\n    \n  \u003C!-- \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\">\u003Cimg src=\"docs\u002Fassets\u002Fsweagent_logo_text_below.svg\" alt=\"SWE-agent\" height=\"120px\">\u003C\u002Fa> -->\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-bench\u002FSWE-smith\">\u003Cimg src=\"docs\u002Fassets\u002Fswesmith_logo_text_below.svg\" alt=\"SWE-smith\" height=\"120px\">\u003C\u002Fa>\n    \n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002FSWE-bench\u002Fsb-cli\">\u003Cimg src=\"docs\u002Fassets\u002Fsbcli_logo_text_below.svg\" alt=\"sb-cli\" height=\"120px\">\u003C\u002Fa>\n\u003C\u002Fdiv>\n\n## 贡献 \u003Ca name=\"contributions\">\u003C\u002Fa>\n\n如果您希望为代码库做出贡献，我们欢迎提交[问题](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fissues)和[拉取请求](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpulls)! 对于较大的代码更改，我们始终鼓励先在问题中进行讨论。\n\n## 引用与联系方式 \u003Ca name=\"citation\">\u003C\u002Fa>\n\nSWE-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。\n联系人：[约翰·杨](https:\u002F\u002Fjohn-b-yang.github.io\u002F)、[卡洛斯·E·希门尼斯](http:\u002F\u002Fwww.carlosejimenez.com\u002F) 和 [基利安·利雷特](https:\u002F\u002Fwww.lieret.net\u002F)（邮箱：johnby@stanford.edu、carlosej@cs.princeton.edu、kl5675@princeton.edu）。\n\n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：\n\n\u003Cdetails>\n\u003Csummary> SWE-agent 引用\u003C\u002Fsummary>\n\n```bibtex\n@inproceedings{yang2024sweagent,\n  title={{SWE}-agent: Agent-Computer Interfaces Enable Automated Software Engineering},\n  author={John Yang and Carlos E Jimenez and Alexander Wettig and Kilian Lieret and Shunyu Yao and Karthik R Narasimhan and Ofir Press},\n  booktitle={The Thirty-eighth Annual Conference on Neural Information Processing Systems},\n  year={2024},\n  url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2405.15793}\n}\n```\n\u003C\u002Fdetails>\n\n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：\n\n\u003Cdetails>\n\u003Csummary>EnIGMA 引用\u003C\u002Fsummary>\n\n```bibtex\n@misc{abramovich2024enigmaenhancedinteractivegenerative,\n      title={EnIGMA: Enhanced Interactive Generative Model Agent for CTF Challenges},\n      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},\n      year={2024},\n      eprint={2409.16165},\n      archivePrefix={arXiv},\n      primaryClass={cs.AI},\n      url={https:\u002F\u002Farxiv.org\u002Fabs\u002F2409.16165},\n}\n```\n\u003C\u002Fdetails>\n\n\n## 🪪 许可证 \u003Ca name=\"license\">\u003C\u002Fa>\nMIT 许可证。请查看 `LICENSE` 文件。\n\n\n\u003Cdiv align=\"center\">\n\n[![Pytest](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fpytest.yaml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fpytest.yaml)\n[![build-docs](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fbuild-docs.yaml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fbuild-docs.yaml)\n[![codecov](https:\u002F\u002Fcodecov.io\u002Fgh\u002FSWE-agent\u002FSWE-agent\u002Fgraph\u002Fbadge.svg?token=18XAVDK365)](https:\u002F\u002Fcodecov.io\u002Fgh\u002FSWE-agent\u002FSWE-agent)\n[![pre-commit.ci status](https:\u002F\u002Fresults.pre-commit.ci\u002Fbadge\u002Fgithub\u002FSWE-agent\u002FSWE-agent\u002Fmain.svg)](https:\u002F\u002Fresults.pre-commit.ci\u002Flatest\u002Fgithub\u002FSWE-agent\u002FSWE-agent\u002Fmain)\n[![Markdown links](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fcheck-links-periodic.yaml\u002Fbadge.svg)](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Factions\u002Fworkflows\u002Fcheck-links-periodic.yaml)\n\n\u003C\u002Fdiv>","# SWE-agent 快速上手指南\n\n> **⚠️ 重要提示**\n> 开发团队目前的重点已转向 **[mini-swe-agent](https:\u002F\u002Fgithub.com\u002FSWE-agent\u002Fmini-swe-agent\u002F)**。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。\n\nSWE-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。\n\n## 1. 环境准备\n\n在开始之前，请确保满足以下系统要求：\n\n*   **操作系统**: Linux 或 macOS (Windows 用户建议使用 WSL2 或 Docker)\n*   **Python**: 版本 3.10 或更高\n*   **Docker**: 必须安装并运行中（SWE-agent 依赖 Docker 隔离运行环境）\n*   **API Key**: 需要拥有支持 Function Calling 的大模型 API 密钥（如 OpenAI, Anthropic 等）\n\n## 2. 安装步骤\n\n### 方式一：使用 GitHub Codespaces（推荐新手尝试）\n无需本地配置环境，直接在浏览器中运行：\n[![Open in GitHub Codespaces](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FOpen_in_GitHub_Codespaces-gray?logo=github)](https:\u002F\u002Fcodespaces.new\u002FSWE-agent\u002FSWE-agent)\n\n### 方式二：本地源码安装\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent.git\n    cd SWE-agent\n    ```\n\n2.  **创建虚拟环境并安装依赖**\n    ```bash\n    python -m venv venv\n    source venv\u002Fbin\u002Factivate  # Windows 用户使用: venv\\Scripts\\activate\n    \n    pip install -e .\n    ```\n\n3.  **配置 API 密钥**\n    导出你的大模型 API 密钥到环境变量（以 OpenAI 为例）：\n    ```bash\n    export OPENAI_API_KEY=\"your-api-key-here\"\n    ```\n    *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。*\n\n## 3. 基本使用\n\n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。\n\n**命令格式：**\n```bash\nsweagent run \\\n  --model_name \u003C模型名称> \\\n  --repo_path \u003CGitHub 仓库 URL> \\\n  --issue_number \u003CIssue 编号>\n```\n\n**具体示例：**\n假设我们要让 `gpt-4o` 模型去修复 `SWE-agent` 仓库中的第 `10` 号 issue：\n\n```bash\nsweagent run \\\n  --model_name gpt-4o \\\n  --repo_path https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent \\\n  --issue_number 10\n```\n\n**运行过程说明：**\n1.  SWE-agent 会自动拉取代码并在 Docker 容器中构建环境。\n2.  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。\n3.  终端将实时输出智能体的思考过程和执行的命令。\n4.  任务完成后，生成的补丁文件将保存在本地输出目录中。\n\n---\n*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](https:\u002F\u002Fswe-agent.com\u002Flatest\u002F)。*","某中型电商团队的后端工程师正面临 GitHub 仓库中积压的 20 个复杂 Bug 报告，需要在版本发布前紧急修复其中涉及并发处理的关键问题。\n\n### 没有 SWE-agent 时\n- 工程师需人工逐行阅读冗长的 Issue 描述和代码库，定位错误根源耗时极长，往往半天只能分析完一个案例。\n- 修复过程依赖人工编写补丁并反复运行本地测试，容易因疏忽引入新的回归错误，导致“修好一个坏两个”。\n- 面对高难度的并发逻辑漏洞，初级开发人员往往束手无策，必须等待资深架构师介入，严重阻塞开发流程。\n- 夜间或周末突发的紧急 Issue 无法得到即时响应，只能等到工作日处理，延误了产品上线窗口。\n\n### 使用 SWE-agent 后\n- SWE-agent 自动读取 GitHub Issue，自主遍历代码库定位故障点，将单个问题的分析时间从数小时压缩至几分钟。\n- 它不仅能生成修复代码，还能自动调用测试工具验证补丁有效性，确保修复方案不会破坏现有功能，显著降低回归风险。\n- 即使面对复杂的并发竞争条件，SWE-agent 也能利用大模型的推理能力独立提出解决方案，释放了资深专家的精力。\n- 团队可配置 SWE-agent 在后台批量处理积压问题，实现 7x24 小时自动化修复，确保关键 Bug 在版本发布前清零。\n\nSWE-agent 将原本需要资深专家数天才能完成的复杂缺陷修复工作，转变为分钟级的自动化流程，极大提升了软件交付的效率与质量。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FSWE-agent_SWE-agent_c166f4b6.png","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FSWE-agent_349c7368.png","Use language models to 🐛 fix issues in real GitHub repositories, ⛳️ solve coding challenges, and 🔥 crack offensive cybersecurity challenges",null,"https:\u002F\u002Fmini-SWE-agent.com","https:\u002F\u002Fgithub.com\u002FSWE-agent",[78,82,86,90,94,98,102,105,109],{"name":79,"color":80,"percentage":81},"Python","#3572A5",94.8,{"name":83,"color":84,"percentage":85},"JavaScript","#f1e05a",1.6,{"name":87,"color":88,"percentage":89},"CSS","#663399",1.3,{"name":91,"color":92,"percentage":93},"Shell","#89e051",0.8,{"name":95,"color":96,"percentage":97},"C++","#f34b7d",0.5,{"name":99,"color":100,"percentage":101},"Perl","#0298c3",0.3,{"name":103,"color":104,"percentage":101},"Dockerfile","#384d54",{"name":106,"color":107,"percentage":108},"HTML","#e34c26",0.2,{"name":110,"color":111,"percentage":108},"C","#555555",18927,2046,"2026-04-06T01:17:11","MIT","Linux, macOS","未说明 (取决于所选用的大语言模型后端，工具本身为代理框架)","未说明",{"notes":120,"python":118,"dependencies":121},"1. 该项目主要是一个代理框架，自身不直接运行大型模型，而是通过 API 调用外部模型（如 GPT-4o, Claude 等）或本地部署的模型服务。\n2. README 强烈建议用户使用其简化版项目 'mini-swe-agent'，后者功能更简单且性能相当。\n3. 支持在 GitHub Codespaces 中直接在浏览器运行，无需本地配置复杂环境。\n4. 包含针对网络安全竞赛 (CTF) 的专用模式 (EnIGMA)，但需使用 v0.7 版本。",[122],"未说明 (具体依赖需参考官方文档安装章节)",[15,13,35,14],[125,126,127,128,129,130,131],"agent","ai","developer-tools","llm","agent-based-model","lms","cybersecurity","2026-03-27T02:49:30.150509","2026-04-06T15:54:32.528487",[135,140,145,150,155,159],{"id":136,"question_zh":137,"answer_zh":138,"source_url":139},19436,"如何最简单地开始使用 SWE-agent，避免复杂的本地环境配置？","推荐使用 GitHub Codespaces 来运行 SWE-agent，这可以避免在本地（特别是 Apple Silicon Mac）配置环境的困难。项目已支持通过 Codespaces 直接运行，无需克隆仓库或手动安装依赖。此外，也可以考虑使用 Docker 容器运行：`docker run princeton-nlp\u002Fswe-agent ...`，但这需要预先安装 Docker。","https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fissues\u002F66",{"id":141,"question_zh":142,"answer_zh":143,"source_url":144},19437,"运行成功后显示\"No patch to save\"且未生成 diff 文件，是什么原因？","这通常是因为模型参数配置不当导致动作无法被正确解析。特别是使用 Claude Sonnet 3.5 模型时，如果在 `ModelArguments` 中设置了 `top_p=0.95`，可能会导致观察幻觉和动作解析失败。解决方法是移除 `top_p` 参数或将其调整，确保动作可被解析。例如：\n```python\nModelArguments(\n    model_name=args.model,\n    per_instance_cost_limit=3.0,\n    temperature=0.0\n    # 移除 top_p=0.95\n)\n```\n此外，维护者提到也可以通过更新停止序列（stop sequences）来修复此问题。","https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fissues\u002F717",{"id":146,"question_zh":147,"answer_zh":148,"source_url":149},19438,"在 Apple Silicon (M1\u002FM2) Mac 上运行 SWE-agent 遇到兼容性问题怎么办？","SWE-agent 在 Apple Silicon Mac 上的本地运行可能存在困难。推荐的解决方案是使用 GitHub Codespaces 在云端运行，或者使用 Docker 容器。维护者已确认 Codespaces 可以完美运行，这是对新用户和最简便的尝试方式。","https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fissues\u002F281",{"id":151,"question_zh":152,"answer_zh":153,"source_url":154},19439,"运行特定项目（如 Astropy, xarray）的环境设置失败怎么办？","某些项目（如 astropy, xarray, pydata）的环境设置在特定操作系统上可能会失败。已知在 Linux 上 `pydata` 通常能正常工作，但在 OSX 上存在一些已知问题。如果遇到特定包（如 `matplotlib`）的安装问题，建议针对该具体错误创建新的 Issue 以便追踪。运行命令时需确保指定正确的配置文件和分割集，例如：\n`python run.py --model_name instant_empty_submit --instance_filter astropy__astropy-14182 --config_file config\u002Fdefault.yaml --split test`","https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fissues\u002F669",{"id":156,"question_zh":157,"answer_zh":158,"source_url":139},19440,"SWE-agent 是否支持作为服务运行并提供 REST API？","目前 SWE-agent 的核心设计模型是一个函数 `GitHub Issue -> PR`，最符合这一模型的交互方式是命令行界面（CLI），因为它最简单且可靠。虽然有人提议提供 REST API（POST 方法接收参数，GET 方法获取结果并存储到数据库\u002FS3），但维护者认为这在当前阶段过于复杂。首要任务是确保核心功能流畅可靠，API、缓存或 Web 界面等功能可能在后续版本中考虑。",{"id":160,"question_zh":161,"answer_zh":162,"source_url":144},19441,"如何调试 SWE-agent 的动作执行失败问题？","不要仅依赖常规日志（log），因为主要用于理解放入 shell 会话的内容（TRACE 级别）。更好的方法是检查 `.traj` 轨迹文件，那里可以直接看到每个步骤的大语言模型（LM）响应和反馈。通过查看 `.traj` 文件，可以明确判断是动作解析失败还是动作本身逻辑错误。此外，可以通过 CLI 覆盖模型参数进行测试。",[164,169,174,179,184,189,194,199,204,209],{"id":165,"version":166,"summary_zh":167,"released_at":168},117511,"v1.1.0","# v1.1.0：数以万计的训练轨迹\n\n我们非常激动地宣布我们的新项目 [SWE-smith](https:\u002F\u002Fswesmith.com\u002F)，该项目为 SWE 代理生成了数以万计的训练轨迹。借助这些训练数据，我们的 LM SWE-agent-LM-32b 在 SWE-bench 上实现了开放权重下的 SOTA 水平，并且这一结果已通过 SWE-agent 进行验证！\n\n![image](https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fe930ed68-de04-45e1-bd0d-776d87f202c0)\n\n除此之外，v1.1.0 主要是一个修复版本，包含一些小的改进，特别是增加了对 SWE-bench 多语言\u002F多模态以及 SWE-smith 的兼容性。不过，请注意以下破坏性变更。\n\n### 破坏性变更\n\n* 轨迹数据格式变更。`messages` 字段已被 `query` 替代，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F1107 中完成。\n* 重命名了许多使用“窗口化”文件查看器的工具包（如 `defaults` 等），由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F1147 中完成。\n* 移除了 `review_on_submit` 工具包（替换为 `review_on_submit_m`），由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F1148 中完成。\n* `windowed` 工具（原 `default`）的更改：不再在新建文件时追加换行符，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F1114 中完成。\n\n### 新增功能\n\n新的数据集支持：\n\n* 功能：支持多语言评估，由 [@kabirgh](https:\u002F\u002Fgithub.com\u002Fkabirgh) 在 [#1090](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1090) 中实现。\n* 功能：SWE-smith 及多模态基础支持，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#1092](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1092) 中实现。\n\n新的实用工具：\n\n* 功能：新增快速统计工具，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#1125](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1125) 中实现。\n\n### 增强功能\n\n* 功能：配置\u002F覆盖 max_output_tokens，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#1036](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1036) 中实现。\n* 增强：[#1042] 修复 (run_batch)：处理轨迹检查中的 JSON 解析错误，由 [@FRAOTIAC](https:\u002F\u002Fgithub.com\u002FFRAOTIAC) 在 [#1043](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1043) 中完成。\n* 增强：允许覆盖工具目录等，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#1046](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1046) 中完成。\n* 增强：允许覆盖 SWE-bench 数据集的路径，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#1093](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1093) 中完成。\n* 增强：允许为批处理禁用 python-standalone，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#1115](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1115) 中完成。\n* 增强：提供更多关于跳过退出状态的信息，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#1117](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F1117) 中完成。\n\n### 修复\n\n* 修复：将 max_input_tokens 设置为 0，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#999](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F999) 中完成。\n* 修复：显式设置日志文件编码，由 [@klieret](https:\u002F\u002Fgithub.com\u002Fklieret) 在 [#1013](https:\u002F\u002Fgithub.com\u002Fprince","2025-05-22T16:11:39",{"id":170,"version":171,"summary_zh":172,"released_at":173},117512,"v1.0.1","# SWE-agent 1.0.1 \n\n新闻：继我们在 SWE-Bench Lite 和 Verified 上取得 SOTA 成绩之后，我们现在可以宣称在 SWE-Bench 完整版的 2000 个 GitHub 问题全集中也达到了 SOTA 水平：\n\n![swe_v1_sota_sbv_announcement_v4](https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F93c40770-c956-4d67-9592-029963f4f0f4)\n\n有趣的是，在那些未包含在 Lite\u002FVerified 子集中的问题上的改进幅度，远高于 Lite\u002FVerified 子集的提升。仅在 Lite\u002FVerified 子集上进行评估，并不能反映全部情况！ -\n\n## 变更内容\n\n本次修复版本主要针对与本地模型的兼容性进行了修复。我们还在这一方面大幅扩展了文档（[模型与密钥文档](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Finstallation\u002Fkeys\u002F)）。\n\n### 变更\n\n* 变更：将 anthropic_filemap 设为新的默认配置，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F927 中完成。\n\n### 新增\n\n* 增强：为 post_startup_commands 设置超时时间，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F973 中完成。\n* 增强：允许覆盖本地模型的 max_input_tokens 参数，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F992 中完成。\n\n### 修复\n\n* 修复：处理本地模型成本查询问题，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F937 中完成。\n* 修复：要求 Python 版本 ≥ 3.11，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F940 中完成。\n* 轨迹检查器视口重置，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F946 中完成。\n* 修复：在执行下一步\u002F上一步或切换轨迹时重置视口，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F948 中完成。\n* 修复：禁用模型输出的高亮显示，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F949 中完成。\n* 修复：创建 PR，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F954 中完成。\n* 修复：在 agent\u002Fhooks 中添加 __init__.py 文件，由 @RNabel 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F961 中完成。\n* 修复：将 textual 固定为 1.0.0 版本，由 @RNabel 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F960 中完成。\n* 修复：OpenAI API：不要向 OpenAI API 传递 None 类型的 tool_calls 参数，由 @RNabel 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F967 中完成。\n* 修复：强制将平台设置为 linux\u002Famd64，用于 SWE-Bench 批量运行，由 @carlosejimenez 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F942 中完成。\n* 修复“TypeError: Cannot read properties of null (reading 'replace')”错误，出现在轨迹查看器中，由 @0xba1a 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F989 中完成。\n* 修复：如果无法计算成本，则不进行重试，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F990 中完成。\n* 修复：迭代过程中可能出现的竞争条件和大小变化问题，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F993 中完成。\n* 修复：处理总成本超出限制的情况，由 @klieret 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F994 中完成。\n\n## 新贡献者\n\n* @RNabel 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F961 中完成了他们的首次贡献。\n* @dhruvji 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F963 中完成了他们的首次贡献。\n* @0xba1a 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002F 中完成了他们的首次贡献。","2025-02-28T16:46:14",{"id":175,"version":176,"summary_zh":177,"released_at":178},117513,"v1.0.0","# SWE-agent 1.0\n\n![swe_a_v1_announcement_v6](https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fba54ceb1-8c6d-4065-a19b-aba27016500f)\n\n## 新闻\n\n有太多新功能啦！以下是你现在可以做的超酷新事情的简要概述：\n\n✨ 使用 [SWE-ReX](https:\u002F\u002Fgithub.com\u002Fswe-agent\u002FSWE-ReX) 实现快速、大规模并行的代码执行。\n✨ 在本地运行 SWE-agent，但将代码部署到云端执行（通过 Modal、AWS 或任何支持 [SWE-ReX](https:\u002F\u002Fgithub.com\u002Fswe-agent\u002FSWE-ReX) 的平台）。\n✨ 可配置的重试机制：尝试多种代理配置、模型、参数等，然后选择最佳方案。\n✨ 通过 [工具包](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fconfig\u002Ftools\u002F) 提供灵活的工具定义。\n✨ 支持所有语言模型，只需使用 litellm 即可（参见 [模型](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Finstallation\u002Fkeys\u002F)）。\n✨ 可以从命令行覆盖任何配置选项（参见 [命令行基础](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fcl_tutorial\u002F)）。\n✨ 新增 [命令行列队检查器](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Finspector\u002F)，轻松滚动查看数百条执行轨迹。\n✨ 全新的 [命令行界面](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Fusage\u002Fcli\u002F) 提供子命令，用于逐个问题、批量处理以及各种实用命令。\n✨ 代码库得到极大简化和清理。尤其是 Agent 类，现在更易于修改。\n\n更多详情请参阅我们的 [1.0 特性与迁移指南](https:\u002F\u002Fswe-agent.com\u002Flatest\u002Finstallation\u002Fmigration\u002F)。\n\n## 新贡献者\n\n* @manya706 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F787 中完成了首次贡献。\n* @Prathamesh010 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F796 中完成了首次贡献。\n* @magnimusprime 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F813 中完成了首次贡献。\n* @dependabot 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F817 中完成了首次贡献。\n* @Mefisto04 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F824 中完成了首次贡献。\n* @acheshkov 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F857 中完成了首次贡献。\n* @yu-iskw 在 https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fpull\u002F881 中完成了首次贡献。\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002FSWE-agent\u002FSWE-agent\u002Fcompare\u002Fv0.7.0...v1.0.0","2025-02-13T16:21:23",{"id":180,"version":181,"summary_zh":182,"released_at":183},117514,"v0.7.0","# SWE-agent 在进攻性网络安全领域处于最先进水平\n\n\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002F41f8752c-02e2-4b58-ac3b-d905525ffa1a\" height=\"100px\">\u003C\u002Fimg>\n\nSWE-agent EnIGMA（增强型交互式生成模型代理）在进攻性网络安全挑战中处于最先进水平，在纽约大学CTF挑战数据集上相比先前的代理提升了**3.3倍**。EnIGMA项目引入了多项创新功能，这些功能适用于SWE-agent的所有应用场景，例如[**交互式代理工具**](https:\u002F\u002Fprinceton-nlp.github.io\u002FSWE-agent\u002Fbackground\u002Fiat\u002F)和用于处理长输出的**摘要器**。\n\n\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fuser-attachments\u002Fassets\u002Fb7749b7e-d7e7-44aa-a753-678ad4257dde\" height=\"180px\">\u003C\u002Fimg>\n\n## 主要新增功能\n\n* 能够运行CTF挑战\n* [交互式代理工具](https:\u002F\u002Fprinceton-nlp.github.io\u002FSWE-agent\u002Fbackground\u002Fiat\u002F)，包括`gdb`\n* [摘要器](https:\u002F\u002Fprinceton-nlp.github.io\u002FSWE-agent\u002Fconfig\u002Fsummarizers\u002F)，用于处理长输出\n\n## 其他小改进\n\n* 增加filemap命令，延续@samuela在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F619中提出的repomap精神\n* @ofirpress在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F658中创建配置，以运行类似人工评估风格的挑战\n* @carlosejimenez在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F601中将claude 3.5 sonnet加入模型列表\n* 优化：当滚动次数≥3次时发出警告，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F626中实现\n* 功能：支持deepseek-coder LLM，由@jcraftsman在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F638中添加\n* 优化：使代理命令的超时时间可配置，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F674中完成\n* 增加对新gpt-4o-mini模型的支持，由@ivan4722在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F693中实现\n* Groq模型集成，由@MohammedNagdy在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F721中完成\n* 使日志级别可配置，并添加TRACE级别，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F612中实现\n\n## 修复内容\n\n* 与SWE-bench 2.0的兼容性，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F671中修复\n* 确保变量在特殊命令的文档字符串中正常工作，由@forresty在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F628中修复\n* 重要修复：捕获因格式或阻塞导致的重试中的CostLimitExceeded异常，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F682中完成\n* 修复：处理should_skip中的空轨迹问题，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F616中修复\n* 修复end-marker通信问题：退出状态始终为0或无效，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F644中修复\n* 修复git提交消息引用不足的问题，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F646中完成\n* 修复PR轨迹格式不合理的问题，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F647中完成\n* 修复“意外关键字'python_version'”错误，由@klieret在https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F692中完成\n* 修复：使用LONG_T","2024-09-25T14:45:14",{"id":185,"version":186,"summary_zh":187,"released_at":188},117515,"v0.6.1","本次发布（大部分）为补丁版本，主要修复了 v0.7.0 版本速度优化引入的若干问题。\n此外，我们还解决了一个 bug：当文件中存在 linter 错误时，SWE-agent 会因 lint 重试循环而无法进行编辑。\n\n## 破坏性变更\n\n* 变更：稀疏克隆方法现已被正确命名为“浅克隆”，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F591 中完成。\n\n## 改进\n\n* 增强：在遇到超时错误时显示命令，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F582 中完成。\n* 增强：新增配置选项，可在日志中显示时间，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F583 中完成。\n* 增强：允许为 SWEEnv 配置 LONG_TIMEOUT，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F584 中完成。\n* 增强：始终将日志写入 traj 目录，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F588 中完成。\n\n## 修复\n\n* 修复 `docker.errors.NotFound` 异常，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F587 中完成。\n* 修复：在必要时回退到完整克隆方法，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F589 中完成。\n* 修复：在查询容器状态前刷新 container_obj，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F590 中完成。\n* 修复 #571——当使用 Azure OpenAI 时，显示模型参数被忽略的消息，由 @jank 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F592 中完成。\n* 修复：针对现有 linter 错误执行 lint 检查，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F593 中完成。\n* 修复：读取操作超时后未找到进程完成标记的问题，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F596 中完成。","2024-06-20T15:21:51",{"id":190,"version":191,"summary_zh":192,"released_at":193},117516,"v0.6.0","## 变更内容\n\n![image](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fassets\u002F13602468\u002F2b1b018f-368f-4174-bdc2-58ea3e484166)\n\n\n**我们将 SWE-agent 的速度提升了 2 倍**（使用 GPT4o 测量）。这主要得益于与 Docker 容器内运行进程之间更高效的通信，以及容器设置和安装方面的其他改进。以下是几项相关的 Pull Request：\n\n* 默认切换到快速通信和浅克隆，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F530 中提出\n* 更改：仅等待 1 秒以启动 Docker，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F541 中提出\n* 新特性：实验性浅克隆，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F498 中提出\n* 改进：为提升速度，从 Python Conda 环境的克隆版本开始，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F548 中提出\n* 改进：默认使用 uv 进行可编辑安装，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F547 中提出\n\n## 修复内容\n\n* Web UI：移除 -n 选项以避免等待，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F487 中提出\n* Web UI：在退出时终止 Flask 服务器，由 @kwight 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F479 中提出\n* Web UI：避免在 macOS 上出现代理错误，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F506 中提出\n* 确保非持久化容器的 container_name 被重置，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F463 中提出\n* 修复：不允许带有缓存任务镜像的持久化容器，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F551 中提出\n\n## 改进内容\n\n* 改善 Web UI 中的滚动行为，由 @anishfish2 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F420 中提出\n* Web UI：在智能体消息中渲染 Markdown，由 @kwight 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F486 中提出\n* 改进：移除冗余的“已保存轨迹至 X”消息，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F528 中提出\n* 允许禁用配置转储到日志的功能，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F537 中提出\n* 解析演示和命令中的相对路径，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F444 中提出\n\n## 新贡献者\n\n* @panozzaj 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F476 中做出了首次贡献\n* @kwight 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F482 中做出了首次贡献\n* @anishfish2 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F420 中做出了首次贡献\n* @ofirpress 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F489 中做出了首次贡献\n* @milaiwi 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F469 中做出了首次贡献\n* @burnettk 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F533 中做出了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fcompare\u002Fv0.5.0...v0.6.0","2024-06-05T13:16:40",{"id":195,"version":196,"summary_zh":197,"released_at":198},117517,"v0.5.0","## 变更内容\n\n✨ 最大的新闻是我们全新的文档 [](https:\u002F\u002Fprinceton-nlp.github.io\u002FSWE-agent\u002F) ✨\n\n[![image](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fassets\u002F13602468\u002Fef4a0331-0ded-4634-89ea-e964a1d6de5a)](https:\u002F\u002Fprinceton-nlp.github.io\u002FSWE-agent\u002F)\n\n其次，@ollmer 添加了一个新的标志 `--cache_task_images`，这将在多次运行相同环境或仓库时显著加快 SWE-agent 的速度（再也不用等待克隆和安装了！）\n\n### 破坏性变更\n\n* 我们重新格式化了代码库。如果你基于之前的提交创建 PR，请确保安装我们的 `pre-commit` 钩子，以避免因格式问题导致的合并冲突。更多信息请参阅 [我们的文档](https:\u002F\u002Fprinceton-nlp.github.io\u002FSWE-agent\u002Fdev\u002Fformatting_conflicts\u002F)。\n* 移除 `__init__.py` 中的直接导入（现在不能再使用 `from sweagent import Agent`），由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F436 中完成。\n\n### 新增功能\n\n* 现在支持在完全使用 Docker 运行 SWE-agent 时运行 Web UI。\n* 通过缓存任务环境为 Docker 镜像来加速评估，由 @ollmer 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F317 中实现。\n\n## 改进\n\n* 添加 gpt-4o 模型，由 @raymyers 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F344 中完成。\n* Web：允许指定 commit hash，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F358 中完成。\n* 添加默认的 environment_setup 配置，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F351 中完成。\n* 增强：抑制 OpenAI 日志记录；改进统计数据的格式，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F416 中完成。\n* 移除信号依赖，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F428 中完成。\n* 如果在 Windows 上运行，则不使用 select，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F429 中完成。\n* 使用自定义 Config 类来支持 env 和 keys.cfg（这允许将密钥作为环境变量传递），由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F430 中完成。\n\n## 修复\n\n* Web：修复 script_path 输入，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F334 中完成。\n* 修复：对于 exit_cost 补丁，不再打印补丁消息，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F343 中完成。\n* 修复：在 bash 中不请求作业控制，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F345 中完成。\n* 修复：对于 GitHub URL，--base_commit 不会被使用，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F346 中完成。\n* 修复：分离 data path 和 traj 目录会导致异常，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F348 中完成。\n* 添加 docker-py 的下限版本，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F406 中完成。\n* 修复：在回放不完整轨迹时出现 IndexError，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F410 中完成。\n\n## 新贡献者\n\n* @raymyers 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F344 中完成了他们的首次贡献。\n* @nims11 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-age 中完成了他们的首次贡献。","2024-05-28T17:14:15",{"id":200,"version":201,"summary_zh":202,"released_at":203},117518,"v0.4.0","## 变更内容\n\n我们很高兴地推出 SWE-agent 的网页界面！只需指定一个 bug，点击“开始”，即可观看 SWE-agent 展现其神奇之处 :sparkles: \n\n![quick_ui](https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fassets\u002F13602468\u002Fa7c270ee-7e8c-4bad-aebc-4b71a7895b27)\n\n\n## 新贡献者\n\n* @tam-ng0905 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F321 中完成了他们的首次贡献\n* @nonparibus 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F310 中完成了他们的首次贡献\n* @RainRat 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F320 中完成了他们的首次贡献\n\n**完整变更日志**: https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fcompare\u002Fv0.3.0...v0.4.0","2024-05-09T14:58:44",{"id":205,"version":206,"summary_zh":207,"released_at":208},117519,"v0.3.0","## 变更内容\n\n## ✨ 功能\n\n* 使用 GitHub Codespaces 在云端运行 SWE-agent\n* @zgrannan 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F252 中添加了 GPT4-turbo 模型\n* 新增：Amazon Bedrock 支持（Claude 模型）由 @JGalego 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F207 中实现\n\n## 🐛 修复\n\n* 更好的 --open_pr 错误处理，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F239 中完成\n* 修复了一个潜在的错误，由 @DanjieTang 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F242 中完成\n* 修复：在某些操作系统\u002FDocker 环境中 TARGETARCH 未设置的问题，由 @mspronesti 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F249 中解决\n* 将 Python 版本传递给 get_environment_yml 函数，由 @waterson 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F271 中完成\n* 修复 Together 模型验证错误，由 @mikanfactory 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F236 中完成\n* 文档：避免无效的 GitHub Token，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F292 中完成\n\n## ❤️ 新贡献者\n\n* @DanjieTang 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F242 中完成了首次贡献\n* @zgrannan 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F252 中完成了首次贡献\n* @nfedyashev 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F254 中完成了首次贡献\n* @JGalego 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F207 中完成了首次贡献\n* @Borda 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F256 中完成了首次贡献\n* @waterson 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F271 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fcompare\u002Fv0.2.0...v0.3.0","2024-05-02T15:47:48",{"id":210,"version":211,"summary_zh":212,"released_at":213},117520,"v0.2.0","## 变更内容\n\n### 新增\n\n* 支持在本地仓库上运行（新增标志：`--repo_path`），由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F193 中实现\n* 补丁文件现在会单独保存到一个补丁目录中，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F126 中实现\n* 允许在处理 GitHub 问题或本地运行时提供自定义安装命令（`--environment_setup`），由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F153 中实现\n* 允许在 `keys.cfg` 中指定 OpenAPI 的基础 URL，由 @bvandorf 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F118 中实现\n\n### 改进\n\n* 改进了 Docker 相关问题的错误处理，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F165 中实现\n* 使 GitHub Token 完全可选，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F189 中实现\n\n### 修复\n\n* 修复了从分支打开 PR 的问题，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F229 中实现\n* 修复：选择 TogetherAI 模型的问题，由 @klieret 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F130 中实现\n\n## 新贡献者\n\n* @bvandorf 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F118 中完成了首次贡献\n* @pre-commit-ci 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F141 中完成了首次贡献\n* @moresearch 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F147 中完成了首次贡献\n* @brandco 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F155 中完成了首次贡献\n* @YeonwooSung 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F72 中完成了首次贡献\n* @foragerr 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F212 中完成了首次贡献\n* @zhipengzuo 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F210 中完成了首次贡献\n* @mikanfactory 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F218 中完成了首次贡献\n* @mspronesti 在 https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fpull\u002F216 中完成了首次贡献\n\n**完整变更日志**：https:\u002F\u002Fgithub.com\u002Fprinceton-nlp\u002FSWE-agent\u002Fcompare\u002Fv0.1.2...v0.2.0","2024-04-15T19:01:34"]