最小化的AI软件工程代理

📣 关于构建最小化AI代理的新教程
📣 Gemini 3 Pro 在 mini-swe-agent 验证的 SWE-bench 上达到 74%！
📣 新博客文章：在 GPT-5 和 Sonnet 4 之间随机切换可提升性能

[!WARNING] 这是 mini-swe-agent v2。请阅读 迁移指南。如需使用旧版本，请查看 v1 分支。

2024年，我们构建了 SWE-bench 和 SWE-agent，并助力开启了编码代理革命。

如今，我们提出一个问题：如果我们的代理简单100倍，却依然能发挥几乎同样出色的效果呢？

mini 具有以下特点：

• 广泛采用：已被 Meta、NVIDIA、Essential AI、IBM、Nebius、Anyscale、普林斯顿大学、斯坦福大学等众多机构使用。
• 极简：仅约100行Python代码用于代理类（再加上一些用于环境、模型和运行脚本的代码）——没有任何复杂的依赖！
• 高效：在SWE-bench 验证基准上得分超过74%；启动速度远超 Claude Code。
• 可部署：支持本地环境、docker/podman、singularity/apptainer、bublewrap、contree等多种方式。
• 兼容性好：通过litellm、openrouter、portkey等接口支持所有模型。支持 /completion 和 /response 端点、交错思考等功能。
• 由普林斯顿和斯坦福团队打造，他们同时也是 SWE-bench、SWE-agent 等项目的幕后力量。
• 经过测试：

agent = DefaultAgent(
    LitellmModel(model_name=...),
    LocalEnvironment(),
)
agent.run("编写一个数独游戏")

让我们开始吧！

选项 1： 如果您只想试用命令行界面（软件包安装在匿名虚拟环境中）

pip install uv && uvx mini-swe-agent
# 或者
pip install pipx && pipx ensurepath && pipx run mini-swe-agent

选项 2： 在当前环境中安装命令行界面和 Python 绑定

pip install mini-swe-agent
mini  # 运行命令行界面

选项 3： 从源代码安装（开发者设置）

git clone https://github.com/SWE-agent/mini-swe-agent.git
cd mini-swe-agent && pip install -e .
mini  # 运行命令行界面

更多内容请参阅我们的文档：

• 快速入门指南
• 使用 mini 命令行界面
• 全局配置
• YAML 配置文件
• 通过烹饪手册增强功能
• 常见问题解答
• 参与贡献！

致谢

如果您觉得这项工作有所帮助，请考虑在您的研究中引用 SWE-agent 论文：

@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}
}

我们的其他项目：

              

mini-swe-agent 快速上手指南

mini-swe-agent 是一个极简的 AI 软件工程代理，仅需约 100 行核心代码即可实现强大的自动化编程能力。它不依赖复杂的工具调用接口，仅通过 Bash 与大型语言模型交互，支持本地、Docker 等多种运行环境，并在 SWE-bench 基准测试中取得了超过 74% 的优异成绩。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux、macOS 或 Windows (需配合 WSL2 使用以获得最佳兼容性)。
• Python 版本：Python 3.10 或更高版本。
• API Key：您需要拥有一个支持的 LLM 服务商的 API Key（如 OpenAI, Anthropic, Google Gemini 等）。mini-swe-agent 通过 litellm 兼容几乎所有主流模型。
• 网络环境：确保能够访问所选 LLM 的 API 端点。

提示：虽然工具本身不强制要求 Docker，但为了安全隔离执行环境，推荐安装 Docker 或 Podman。

安装步骤

您可以选择以下任意一种方式进行安装。对于大多数用户，推荐使用 Option 2 进行常规安装。

Option 1: 免安装试用 (推荐用于快速体验)

使用 uv 或 pipx 在隔离环境中直接运行，无需污染本地环境。

# 方法 A: 使用 uv (速度最快)
pip install uv && uvx mini-swe-agent

# 方法 B: 使用 pipx
pip install pipx && pipx ensurepath && pipx run mini-swe-agent

Option 2: 标准安装 (推荐用于日常开发)

将 CLI 工具和 Python 绑定安装到当前环境中。

pip install mini-swe-agent

安装完成后，可通过以下命令验证并启动 CLI：

mini

Option 3: 源码安装 (开发者模式)

如果您需要修改源码或贡献代码：

git clone https://github.com/SWE-agent/mini-swe-agent.git
cd mini-swe-agent && pip install -e .
mini

基本使用

1. 配置 API Key

在使用前，请根据您的模型提供商设置环境变量。例如，使用 OpenAI 模型：

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

(若使用其他模型，请参考 LiteLLM 文档设置对应的环境变量，如 ANTHROPIC_API_KEY 等)

2. 命令行使用 (CLI)

最简单的用法是直接让 agent 处理一个任务。以下示例会让 agent 在当前目录下编写一个简单的数独游戏：

mini --prompt "Write a sudoku game in Python"

Agent 将会：

1. 分析任务。
2. 生成 Bash 命令创建文件并编写代码。
3. 执行命令并验证结果。
4. 输出最终完成的任务轨迹。

3. Python 代码调用

您也可以直接在 Python 脚本中集成 mini-swe-agent，实现更灵活的自动化流程：

from minisweagent import DefaultAgent, LitellmModel, LocalEnvironment

# 初始化模型和环境
model = LitellmModel(model_name="gpt-4o") # 替换为您想要的模型
env = LocalEnvironment()

# 创建代理实例
agent = DefaultAgent(model, env)

# 运行任务
trajectory = agent.run("Write a sudoku game")

# 打印结果
print(trajectory)

4. 查看执行轨迹

mini-swe-agent 提供了可视化的轨迹浏览器，方便您调试和分析 Agent 的思考与执行过程。运行结束后，根据终端提示打开生成的 HTML 文件即可查看详细的交互记录。