Внедрение SWE-Agent для автономного исправления багов и написания кода
SWE-Agent (Princeton NLP) — open-source агент для автономного решения задач разработки. В отличие от Devin, SWE-Agent полностью открытый, разворачивается на собственной инфраструктуре, не требует подписки на закрытый сервис.
Как работает SWE-Agent
AgentComputer Interface (ACI) — специализированный интерфейс для взаимодействия агента с кодовой базой. Специальные команды: open, goto, search_dir, find_file, edit — оптимизированы для навигации по коду. LLM-backbone: GPT-4o или Claude 3.5 Sonnet.
Цикл работы: читает issue → исследует кодовую базу → формирует гипотезу о причине → редактирует файлы → запускает тесты → итерирует до прохождения.
Self-hosted деплой
Docker-контейнер с Python environment. Sandbox на базе Docker: изолированная файловая система, ограниченный network access. Поддержка любого LLM с OpenAI-compatible API.
Performance
На SWE-bench (benchmark на реальных GitHub Issues):
- GPT-4o backbone: ~38% resolution rate
- Claude 3.5 Sonnet backbone: ~43% resolution rate
- Лучший результат для bug fixes с хорошими тестами
Внедрение: 2–3 недели
Настройка docker environment, интеграция с GitHub workflow (GitHub Actions trigger), настройка LLM-backend, тестирование на репрезентативной выборке issue из бэклога.