1. 背景

在软件工程自动化的浪潮中，大型语言模型（LLMs）正逐渐成为编程助手的核心技术，它们通过自动化编码过程，显著提升了开发效率。尽管如此，软件工程的范畴远不止编码，它还包括了软件维护（例如错误修复）和软件演化（如功能添加）等更为复杂的程序改进任务，这要求深入分析和调试来定位并修复问题。

SWE-agent是一种先进的软件工程师智能体，它利用如GPT-4这样的大型语言模型自动化解决GitHub上的实际问题。 SWE-bench包含来自GitHub的2,294个真实问题案例。在 SWE-bench 上，SWE-agent 解决了 12.29% 的问题，在整个测试集上实现了最先进的性能。

2. 方法

2.1 工作流程

1. 初始化阶段

    a. 创建实例：初始化一个Agent和一个SWEEnv实例。Agent充当智能编程助手，而SWEEnv提供模拟的软件开发环境。

    b. 设置工作目录：在系统中创建名为traj_dir的目录，该目录用于存储整个交互过程中生成的所有轨迹数据。

    c. 过滤实例：对每个实例进行检查，以确定是否有任何实例不符合条件应该被跳过。

    d. 环境重置与信息获取：对选定的实例进行环境重置，恢复到该实例的初始状态，并获取初始信息，如问题描述（issue）和初始观察结果（observation）。

2. 执行阶段

    a. 参数设置与模型初始化：为Agent配置适当的参数并初始化其内部模型，使其准备好处理接下来的任务。

    b. 交互循环：

        i. 基于状态和观察生成响应：Agent根据当前的文件状态（state）和观察结果（observation）生成对应的思考（THOUGHT）和行动（ACTION）。

        ii. 执行命令与环境交互：SWEEnv根据Agent提出的行动执行相应的命令，结果将被更新到观察结果中。

        iii. 保存轨迹：在每次交互后，保存包含Agent的行动、观察结果和响应的行为轨迹。

        iv. 问题解决与更改提交：当Agent的行动中包含“submit”命令时，意味着问题已解决，Agent准备提交更改。SWEEnv将保存修补程序（patch）并标记该问题为已完成（done = True），交互循环随之结束。

3. 保存阶段

    a. 结果保存：保存Agent在整个交互过程中生成的预测结果（predictions）。

    b. 轨迹保存：保存整个交互过程中Agent的行为轨迹（trajectory）。

2.2 核心代码

3. 分析

3.1 智能体-计算机接口 (Agent-Computer Interface, ACI)

ACI通过提供一组简洁的命令和反馈格式，使得LLM更有效地浏览代码仓库、查看、编辑和执行代码文件。

1. Linter集成

    a. 特性描述：在Agent与SWEEnv进行交互时，SWEEnv执行Action中的命令需要先进行代码语法检查，确保提交的代码没有语法错误。

    b. 示例：如果Agent尝试使用`edit`命令修改文件，但代码不符合语法规则，系统将不允许执行该命令。例如，如果尝试编辑一个Python文件，添加了如下代码而没有正确缩进，系统将拒绝执行并要求修正缩进。

2. 文件编辑器

    a. 特性描述：文件编辑器不仅支持基本的文件浏览，还提供了高效的滚动和搜索功能。限制每次显示的代码行数为100行，旨在提高浏览效率且减少信息过载。

    b. 示例：使用`open`命令打开一个文件，然后使用`scroll_down`和`scroll_up`命令浏览文件的不同部分。

3. 全目录字符串搜索

    a. 特性描述：引入了字符串搜索命令，能够简洁地列出所有包含搜索字符串的文件名，减少混淆。

    b. 示例：使用`search_dir`命令在整个目录中搜索包含特定字符串的文件。如搜索包含"function"的文件。

4. 命令执行反馈

    a. 特性描述：当命令执行成功但无输出时，系统提供明确的反馈，增强交互明确性。

    b. 示例：如果Agent执行了一个命令，比如ls，但没有文件输出，系统会返回一个反馈消息：

3.2 提示词

1. 原始提示词

2. 中文提示词（翻译）

4. 示例

4.1 历史记录

4.2 示例分析

1. 环境设置：系统通过提供特殊接口的说明，初始化了编程环境，其中包括文件编辑器的使用和命令格式的要求。

2. 问题描述：用户接收到一个关于TimeDelta字段序列化精度的问题，需要解决输出结果与预期不符的情况。

3. 环境熟悉：通过ls -F命令，列出了当前目录下的文件，以便了解项目的文件结构。

4. 依赖安装：查看setup.py文件，了解如何本地安装依赖，并成功执行了安装命令pip install -e .[dev]。

5. 问题复现：创建了reproduce.py文件，并在其中复制了问题描述中提供的代码，用于复现问题。

6. 问题诊断：运行reproduce.py，确认问题复现成功，输出结果与问题描述一致。

7. 代码审查：根据问题描述，定位到fields.py文件的1474行，并尝试理解相关代码逻辑。

8. 问题修复：识别到代码中的潜在问题，并尝试通过编辑fields.py文件来解决精度问题，但初次尝试由于缩进错误导致语法错误。

9. 修复验证：修正了编辑命令的格式，再次尝试修复，并验证通过运行reproduce.py确认问题已解决。

10. 清理工作：删除了不再需要的reproduce.py文件。

11. 更改提交：使用submit命令将更改提交到代码库。