100 行代码修复 65% 的 Bug？认识 mini-SWE-agent，地表最轻量的 AI 代码助手

编程界迎来革命性工具！由 SWE-bench 开发团队推出的 mini-SWE-agent，以极简的 100 行代码，实现了惊人的 Bug 修复率。本文将带您深入了解这个开源专案的魅力、设计理念，以及它如何改变我们的开发日常。

你有没有过这样的经验？一个恼人的 Bug，卡了你好几个小时，甚至好几天。你翻遍了 Stack Overflow，问遍了同事，却还是找不到问题的根源。说真的，修 Bug 大概是所有软件工程师心中共同的痛。

但如果，现在有一个工具，只需要你下达指令，它就能像一位资深工程师一样，自己读懂 GitHub 专案、分析问题，然后把 Bug 修好，你会不会觉得这简直是天方夜谭？

这正是 AI 代码代理（Coding Agent）正在努力实现的目标。而就在最近，来自普林斯顿大学和史丹佛大学，也就是 SWE-bench 和 SWE-agent 背后的开发团队，推出了一个全新的开源专案——mini-SWE-agent，它不仅让这个梦想更近一步，还用一种极其优雅、极其简单的方式，震撼了整个开发者社群。

为什么这么说？因为这个「迷你」代理，仅仅用了大约 100 行的 Python 代码，就能在 SWE-bench 这个公认的软件工程基准测试中，成功修复将近 65% 的真实 GitHub 问题。

这听起来是不是有点不可思议？老实说，连开发团队自己都感到惊讶。他们花了一年多的时间打造功能强大的 SWE-agent，从没想过一个如此轻量的系统，效能竟然可以如此接近。

一切从简，为何现在才可能？

你可能会好奇，如果这么简单的架构就能有好效果，那为什么一年前没人这么做？

这里有个关键的背景。回想 2024 年，当时的大型语言模型（LLMs）虽然聪明，但主要还是被优化来「聊天」。它们是出色的对话者，但要让它们执行具体的、有条理的工作，就需要开发者打造非常复杂的代理框架（Agent Scaffolds），透过各种巧妙的提示工程和工具呼叫，引导模型一步步完成任务。

但时间快转到 2025 年，情况完全不同了。现在的 LLMs，特别是像 Anthropic 的 Sonnet 4 这样的顶尖模型，已经在底层针对「代理行为」（Agentic Behavior）进行了深度优化。它们不再只是被动的文字产生器，而是能更主动地理解指令、规划步骤并执行任务。

正是这个根本性的转变，让 mini-SWE-agent 的诞生变为可能。开发者不再需要层层堆叠复杂的控制逻辑，因为模型本身就已经足够「能干」。

返璞归真：告别复杂，拥抱 Bash

那么，mini-SWE-agent 到底有多简单？

它最大的亮点，就是彻底抛弃了复杂的工具呼叫介面。

在过去的代理中，你可能需要为档案系统操作（读取、写入）、代码搜寻、执行终端机命令等功能，各自定义一套专属的 API。模型需要学习如何「呼叫」这些工具，而代理本身则要负责解析模型的意图，再转换成实际操作。这不仅增加了系统的复杂性，也带来了许多潜在的依赖问题。

mini-SWE-agent 的作法，可以说是返璞归真。它让语言模型在每一步直接输出一个完整的、可以在 Bash 环境中执行的 Shell 指令。

想看一个档案？模型就输出 cat a.py。 想编辑档案？模型就输出一个带有 sed 或 echo 的指令。 想执行测试？模型就输出 pytest。

就这么简单。这种设计带来的好处是显而易见的：

• 超高相容性： 只要有 Bash 环境，它就能运作。
• 极少依赖： 不再需要一堆插件或特定的工具库。
• 代码极简： 核心逻辑被压缩到仅约 100 行，加上必要的环境和模型设定，总代码量也不到 200 行。

对于开发者来说，这意味着你可以更专注于解决问题本身，而不是花费大量时间在繁琐的环境配置和工具链除错上。

小而强大：效能媲美重量级选手

简洁的设计，是否意味着效能的妥协？mini-SWE-agent 用数据给出了否定的答案。

在 SWE-bench 基准测试中，搭载 Sonnet 4 模型的 mini-SWE-agent 解决了约 65% 的 GitHub Issues。

这是一个什么样的水平？作为对比，当 Anthropic 首次发表 Sonnet 4 时，他们内部使用一个从未公开的、可能更复杂的代理框架，达成的修复率是 70%。这意味着，这个百行代码的「小家伙」，其效能已经足以和业界顶尖的闭源系统相提并论。

不只是一个脚本：为专业开发者而生的实用工具

虽然核心代码极简，但 mini-SWE-agent 并非只是一个玩具专案。开发团队为它配备了一系列实用的工具，让它能真正投入到大规模评测和日常开发中。

• 批量推理与轨迹浏览器： 研究人员可以利用这些工具进行大规模评测，并透过轨迹浏览器深入分析代理在解决问题时的每一步决策，就像观看棋局复盘一样。
• 命令列工具与视觉化介面： 开发者可以透过简单的命令列工具快速启动代理。更棒的是，专案还提供了一个类似 Claude-code 风格的视觉化介面，让你可以在浏览器中即时监控代理的执行过程、查看它正在编辑的档案和执行的命令。

我该用 mini-SWE-agent 还是 SWE-agent？

这是一个很好的问题。开发团队也给出了明确的定位：

• mini-SWE-agent：适合那些追求快速启动、简洁流程和易于控制的开发者。如果你想在日常工作中快速解决一个 Bug，或者想将 AI 修复功能整合到自己的 Python 应用中，它会是绝佳选择。
• SWE-agent (原版)：更适合那些需要高度可设定性、复杂历史状态管理和进行深入学术研究的使用者。它提供了更精细的控制，但上手门槛也相对较高。

简单来说，一个是轻巧灵活的「手枪」，一个是功能强大的「步枪」，你可以根据不同的战场选择最适合的武器。

未来展望：开源、开放、不断进化

mini-SWE-agent 的故事还在继续。团队目前正在努力更新他们自家的开源模型 SWE-agent-LM-32B，专门针对这种极简的 Bash 指令模式进行微调，未来有望在开源模型上达到更惊人的效果。

这个专案不仅展示了当今 LLM 技术的飞速进步，也体现了一种重要的开发哲学：可读性强、易于扩展。它证明了强大的功能不一定需要复杂的系统，简单的设计同样能爆发出巨大的能量。

如果你对这个专案感兴趣，不妨亲自去体验一下。

专案 GitHub 网址： https://github.com/SWE-agent/mini-swe-agent

或许，下一次当你再遇到恼人的 Bug 时，你的得力助手，就是这个百行代码写成的 AI 伙伴。