augmentcode/augment-swebench-agent

解決的問題

本專案提供一個專為解決複雜軟體工程任務而設計的程式碼代理，特別針對 SWE-bench Verified 基準中的任務。與簡單的程式碼挑戰不同，這些任務要求代理能導航整個程式碼庫，根據回歸測試進行迭代，並處理真實 GitHub 問題的複雜性。

作法原理

該代理以 Claude 3.7 Sonnet 為主要驅動，並基於 Anthropic 的架構分叉而來。它透過執行 bash 命令、檔案編輯，以及複雜問題解決的「順序思考」流程來運作。為提升準確性，系統採用由 OpenAI 的 o1 提供支援的多數決集成器，分析代理產生的多個候選解決方案，並選出最佳方案。

適用對象

適合希望取得即用型軟體工程基準代理的開發者與 AI 研究人員，或尋找簡單且可擴展框架來建構與測試自身程式碼代理的人。

特色

• 整合工具集：內建 bash 執行、檔案操作與順序思考功能。
• 集成邏輯：使用多數決機制，從多個候選方案中選出最高品質的解決方案。
• Docker 整合：於 Docker 容器中執行，確保程式碼執行的安全性與隔離性。
• 彈性模式：支援互動式 CLI 用於個人協助，也支援非互動模式，用於在 SWE-bench 上進行大規模評估。