Architektury SWE-Agent i OpenDevin

SWE-Agent i OpenDevin (obecnie OpenHands) to czołowi agenci programistyczni o otwartym kodzie źródłowym. Czytanie ich kodu uczy, jak pracują profesjonaliści.

SWE-Agent wprowadził koncepcję „Agent-Computer Interface” (ACI) — ściśle zaprojektowany interfejs wiersza poleceń, za pomocą którego agent manipuluje kodem.

• open / goto / scroll_up / scroll_down — przeglądarka plików
• edit — edycja zakresów wierszy
• create — tworzenie nowych plików
• find_file / search_dir — wyszukiwanie
• submit — zakończenie zadania

SWE-Agent pokazuje modelowi za każdym razem tylko 100-wierszowe „okno” pliku. Wymusza to jawne przewijanie, co zaskakująco pomaga utrzymać koncentrację.

Po każdej edycji SWE-Agent uruchamia linter. Jeśli pojawiły się nowe błędy, edycja zostaje odrzucona, a model musi spróbować ponownie.

OpenDevin (przemianowany na OpenHands) to platforma wieloagentowa zbudowana wokół piaskownicy Dockera. Obsługuje wiele backendów „agenta” (CodeAct, BrowsingAgent itd.).

• execute_bash — uruchamianie powłoki
• str_replace_editor — edytor w stylu Anthropic
• browse — narzędzie przeglądarkowe do wyszukiwania informacji w sieci
• finish — zakończenie zadania

OpenHands jawnie modeluje kroki agenta jako pary Działanie -> Obserwacja:

CodeAct (UIUC) pokazał, że pozwolenie modelowi na generowanie KODU PYTHON dla każdego wywołania narzędzia (zamiast ustalonych wywołań narzędzi w formacie JSON) często daje lepsze wyniki.

Powód: kod można naturalnie komponować, a model może używać pętli, warunków i wartości pośrednich.

OpenAI udostępniło Codex CLI — swój referencyjny agenta programistycznego o otwartym kodzie źródłowym. Wzorzec jest podobny: edytor, powłoka, wyszukiwanie i zakończenie.

1. Oddzielna piaskownica Dockera dla każdego zadania
2. Zestaw narzędzi do odczytu, edycji, uruchamiania i wyszukiwania
3. Weryfikacja po każdej edycji (linter lub test)
4. Limity kroków (50–100 iteracji)
5. Rejestrowanie śladu wszystkich działań

• Format edycji: zakres wierszy a zamiana ciągu znaków lub pełnego pliku
• Przeglądarka plików: przewijanie w oknie a przejście do wiersza
• Pamięć: notatnik a uwagi w prompcie systemowym
• Częstotliwość weryfikacji: po każdym kroku a na końcu

Można zbudować konkurencyjnego agenta programistycznego w 500–1000 wierszach kodu Pythona, łącząc:

• Narzędzia z lekcji 2
• Pętlę naprawczą z lekcji 3
• Krok planowania z lekcji 1
• Piaskownicę z kursu 23
• Ewaluację z kursu 21

Zarówno SWE-Agent, jak i OpenHands są dostępne publicznie na GitHubie. Warto poświęcić popołudnie na przeczytanie ich głównych pętli — to najlepsza dostępna nauka projektowania agentów.

ACI w SWE-Agent, pętla działania i obserwacji w OpenHands oraz kod jako działanie w CodeAct. Należy czytać ich kod źródłowy, zapożyczać sprawdzone rozwiązania i budować własną, smuklejszą wersję.