SWE-Agent：AI 程序员的新时代

（警报拉响：第一位 AI 软件工程师 Devin）

前天，阿里首位AI员工（工号：AI001）入职上岗。他是一位不需要休息、时时在线的AI智能编程助手，没有性别，但有人格类型——建筑师型人格，懂Java、Python、Go、JavaScript、TypeScript、C/C++、C#等200多种编程语言，可以辅助我们写代码、读代码、查Bug、优化代码等。

今天，我很高兴向您介绍 一位开源 AI 程序员：SWE-agent，它代表着基于LLM的编程助手又向前迈出了重要的一步。

SWE-agent由普林斯顿大学（Princeton University）的 NLP 小组开发，一经发布，就迅速流行起来，仅仅上线两天在GitHub上就获得了超过 4000 个星。它利用 GPT-4 等大型模型自主修复 GitHub 存储库中的错误和问题，这一功能引起了全球开发人员的关注。

（https://github.com/princeton-nlp/swe-agent）

SWE-agent 通过将 GPT-4 等大型模型转换为软件工程智能体来运作，这些智能体能够识别和修复真实 GitHub 存储库中的错误和问题，平均响应时间仅为 93 秒。这种快速的周转时间，加上其令人印象深刻的准确性，使 SWE-agent 成为软件开发领域的新翘楚。

快速浏览一下 SWE-agent 的性能统计数据，就会凸显出它的潜力。AI程序员能够解决整个 SWE-bench测试集中 12.29% 的问题，实现了最先进的性能，展示了其处理各种问题的能力。

此外，SWE-agent的用户界面（UI）设计是精心设计的，使AI能够与专用终端进行交互。这种交互允许 AI 执行许多功能，例如：

• 打开和搜索文件内容

• 执行自动语法检查

• 编辑特定代码行

• 编写和执行测试

如此深远的功能证明了 SWE-agent 在GitHub 问题自动化解决领域的革命性潜力。

ACI如何提高 SWE 代理的性能？

智能体-计算机接口（Agent-Computer Interface，ACI）的推出是AI编程领域的重大进步，在增强SWE-agent令人印象深刻的功能方面也发挥了关键作用。借助ACI，就可以构建 SWE 智能体存储库，以便轻松迭代存储库级编码代理的 ACI 设计，即以 LLM 为中心的命令和反馈格式来实现AI 程序员与软件工程过程之间交互，使 LLM 更容易浏览存储库、查看、编辑和执行代码文件。

ACI 设计对性能的影响类似于提示工程在LLM中的重要性。正如精心制作的提示可以从LLM中哄骗更好的响应一样，精心设计的 ACI 可以显著提高 AI 程序员的绩效。

就 SWE-agent 而言，ACI 设计在增强其解决问题的能力方面发挥了关键作用。以 ACI 为中心的 SWE 智能体包括几个有用的能力，这些能力都是在 ACI 设计中发现的。这些能力包括：

• 提供主动反馈

• 提供高层次的建议

• 便于直接编辑代码

这种 ACI 驱动的方法不仅提高了 SWE 智能体的效率，而且还使 AI 更加用户友好，为其广泛采用铺平了道路。

随着我们深入研究 SWE-agent 的功能及其对 GitHub 问题解决的影响，很明显，这位 AI 程序员在开发人员处理和解决问题的方式上带来了重大的范式转变。凭借其快速响应时间、高精度和 ACI 的创新，SWE-agent 有望开创GitHub 问题自动化解决的新时代。当我们迈向这个充满希望的未来时，有一件事是肯定的：软件开发的世界将不再相同。

SWE-agent 对 GitHub 问题解决的影响

作为一名程序员，我记得曾经被一个特定的神秘错误所困扰。我花了几天时间试图找出原因，但失败了，不得不在 GitHub 上发布问题。其他社区成员花了将近一周的时间才做出回应并帮助我解决问题。快进到今天，像 SWE-agent 这样的工具可以在短短几分钟内解决这个问题。

• SWE-agent：提高问题解决的速度和效率。随着 SWE-agent 的出现，延长等待时间和无休止地在论坛中筛选答案的日子可能已经屈指可数了。这是如何实现的？通过 SWE-agent 在平均 93 秒内分析和修复真实 GitHub 存储库中问题的非凡能力。该工具不仅极大地加快了流程，而且还增加了一层准确性，这在人工主导的问题解决方案中经常缺失。

• SWE-agent：简化和简化故障排除过程。在编码的世界里，找到错误只是成功的一半。SWE-agent 为 GitHub 问题解决带来的简洁性和精确性简化了故障排除过程，提供了简洁准确的解决方案。此外，其 ACI 接口可实现开发人员和 AI 之间的顺畅交互。从本质上消除了与查找和修复错误相关的复杂性和问题，使软件开发人员的生活变得更加轻松。

• SWE-agent 的影响也将对整个开发者社区产生深远的影响。通过快速有效地解决问题，它有可能为编码教育增加巨大的价值。新开发人员可以快速学习 SWE-agent 提供的解决方案，从而增强他们对代码结构、调试策略等的理解。

结论

在软件开发领域，缺陷修复和问题解决构成了每个成功项目的支柱。像 SWE-agent 这样的 AI 程序员的引入不仅简化了这一过程，还重塑了我们对潜在自动化解决方案的思考。SWE-agent 对 GitHub 问题解决的影响是巨大的——不仅在于它的速度，还在于它带来了高度的准确性、简单性。程序员不再需要筛选代码行来纠正问题或等待社区响应 - 现在只需几十秒钟即可获得帮助。

随着我们在这条技术进步的道路上走得更远，可以肯定地说，像 SWE-agent 这样的 AI 程序员将重新定义编码流程。我们才刚刚开始这一旅程，这些创新工具提供的变革潜力值得期待。归根结底，SWE-agent 体现了编程社区令人兴奋的精神：永远向前，永不停滞不前。

软件工程40

大模型84

软件工程 · 目录

上一篇软件工程3.0实践之路(九)：LLM驱动组织变革下一篇软件工程3.0实践之路(十)：总结与展望