Live-SWE-agent：运行时自我进化的 AI 软件工程师

从「工具」到「生物」：重新定义 AI 编程助手

想象这样一个场景：凌晨两点，你的团队正准备发布一个新功能，突然 CI 流水线报错了——一个三方依赖库在某处做了一个不兼容的版本更新，导致你们的代码无法正常运行。传统方案中，你需要手动排查、定位根因、修改代码。而现在，一个 AI 助手不仅能完成这些，还能在修复这个 Bug 的过程中，顺手把自己的「解题策略」也升级了，下次遇到类似问题，速度更快、准确率更高。

这并不是科幻——Live-SWE-agent 正在让这件事成为现实。

2025 年 11 月，该项目在 SWE-bench Verified 基准测试中，搭载 Claude Opus 4.5 取得了 79.2% 的解决率，力压所有开源 Agent 框架，逼近 Anthropic 内部手工调优的专有框架成绩。同年，基于 Gemini 3 Pro 更是达到了 77.4%，问鼎当时所有可用模型榜首。

SWE-bench Leaderboard

图1：各主流模型在 SWE-bench Verified 上的表现排行榜，Claude Opus 4.5 + Live-SWE-agent 以 79.2% 登顶。

核心洞察：软件 Agent 本身就是软件

Live-SWE-agent 的核心理论并不复杂，却极具启发性：现代 LLM驱动的 Agent 本身就具备了修改自身行为的能力。传统 Agent 框架（如 LangChain、AutoGPT）将 Agent 视为固定策略的「执行器」——Prompt 写死了，策略就固定了。而 Live-SWE-agent 反其道而行：Agent 是软件，软件的本质就是可以被修改和扩展的。

具体来说，Live-SWE-agent 在运行时（runtime）能够：

动态调整行为策略：当发现某类问题的解决路径效率低下时，Agent 会自主反思并修改自己的决策策略模板；
自我诊断与修复：Agent 能够检测自己在解题过程中的错误模式，并针对性地优化；
持续积累经验：每次成功解决的问题都会反馈到 Agent 的行为模式中，形成正循环。

这不是简单的「Few-shot Prompt Engineering」，而是一种真正的元学习（Meta-Learning）能力——Agent 在解决问题的同时改进自己解决问题的方式。

技术架构：站在巨人肩膀上的极简设计

项目结构

Live-SWE-agent 的代码库极为精简，核心只有两大部分：

OpenAutoCoder/live-swe-agent/
├── config/                    # 配置文件目录
│   ├── livesweagent.yaml      # 通用配置
│   ├── livesweagent_swebench.yaml       # SWE-bench 测试配置
│   └── livesweagent_swebench_pro.yaml   # SWE-Bench Pro 测试配置
├── assets/
│   ├── leaderboard.png        # 排行榜图片
│   └── comparison.png         # 对比图
├── README.md
└── LICENSE

没错，这个仓库本身不包含核心代码逻辑——它是一个配置驱动型的 Agent 策略框架。Live-SWE-agent 基于 mini-swe-agent（5423★）构建，提供了三套 YAML 配置文件，分别对应不同场景。

核心配置解析

livesweagent.yaml 中定义了 Agent 的核心行为模板：

System Prompt 模板：定义了 Agent 的思维框架和工作流。Agent 被要求：

THOUGHT + ACTION 交替：每一步推理前必须先输出思考过程，再执行一个 bash 命令；
结构化工作流：分析代码 → 复现问题 → 修改源码 → 验证修复 → 测试边界情况 → 提交；
终止机制：完成所有步骤后，执行 echo COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT 结束任务。

Instance Prompt 模板：接收具体的 Issue 描述，指导 Agent 解决该问题。

底层依赖（来自 mini-swe-agent）

Live-SWE-agent 的能力边界由 mini-swe-agent 的技术栈决定：

组件	技术选型	作用
LLM 路由	litellm	统一接口调用 OpenAI / Anthropic / Gemini 等多厂商模型
Agent 框架	textual + typer	TUI 交互界面和命令行入口
数据结构	pydantic v2	类型安全的数据模型
模板引擎	Jinja2	动态 Prompt 渲染
HTTP	requests	API 调用
配置管理	pyyaml	YAML 配置解析
并发/重试	tenacity	API 调用的指数退避重试
测试	pytest + pytest-asyncio	单元测试和异步测试

技术栈非常务实，没有引入过多抽象层，保持了代码的可维护性。

功能与实战：如何在真实项目中部署

安装步骤

# 1. 安装 mini-swe-agent（底层框架）
pip install mini-swe-agent

# 2. 下载 Live-SWE-agent 配置
git clone https://github.com/OpenAutoCoder/live-swe-agent.git
cd live-swe-agent

# 3. 设置 API Key（支持 OpenAI / Anthropic / Gemini 等）
export OPENAI_API_KEY=sk-...   # 或 ANTHROPIC_API_KEY / GEMINI_API_KEY

# 4. 启动 Agent（传入具体 Issue）
mini --config config/livesweagent.yaml

典型工作流

输入：一段 GitHub Issue 描述（如「模块 X 在 Python 3.12 下导入报错」）

输出：Agent 自动完成以下步骤：

环境感知：检查操作系统、Python 版本、依赖树；
问题定位：搜索相关源码文件，定位报错根因；
方案制定：在上下文中推理修复方案；
自我改进（Live-SWE-agent 特有）：若发现策略不够高效，动态更新自己的行为模板；
代码修改：生成 patch 并应用；
验证提交：运行测试用例，确认修复有效后提交。

支持的基准测试

基准集	说明	最高分
SWE-bench Verified	真实 GitHub Issue 精选集	79.2%（Claude Opus 4.5）
SWE-Bench Pro	更难的真实问题集	45.8%（Live-SWE-agent 1.0）

该 repo 还在 Hugging Face 上发布了完整的运行轨迹和 Patch 数据集，方便研究者复现和对比。

优势与局限

核心优势

SOTA 性能：开源 Agent 框架中 SWE-bench 最高分，背后是「运行时自我进化」的核心创新；
模型无关：通过 litellm 支持几乎所有主流 LLM，评测结果公平可对比；
零代码侵入：不需要修改任何项目源码，只需要 Issue 描述即可驱动；
透明可复现：完整轨迹数据和评测基准公开，结果可验证；
配置即策略：通过 YAML 配置文件即可调整 Agent 行为，无需改代码。

已知局限

API 成本：每次 SWE-bench 测试需消耗大量 API 调用，成本不可忽视；
无图形界面：纯 TUI/CLI 交互，新手有一定上手门槛；
GPU 非必须：虽然不强制 GPU，但复杂推理任务对上下文窗口（128K+）有较高要求；
依赖上游稳定性：完全依赖 mini-swe-agent 的框架能力，如上游更新可能影响兼容性；
自我进化的边界：运行时策略修改仅在特定场景下触发，不是一个通用自我优化系统。

行业意义：从「执行工具」到「进化生命体」

Live-SWE-agent 的出现代表了一个重要的范式转变。

传统 Agent 框架的思路是：人设计策略，机器执行。人的设计能力就是上限。

Live-SWE-agent 的思路是：机器在执行中优化策略，策略本身成为被优化的对象。这意味着 Agent 的能力不再受限于设计者的事先规划，而能随着处理任务的增多而持续增长。

如果这个方向被验证可行（已经取得了 SOTA 结果），未来可能出现：

自我调试的 CI：AI 在修复 Bug 的同时升级自己的调试策略；
自进化的代码库：代码仓库中的 Agent 配置文件随着处理 Issue 增多而「变聪明」；
平台无关的智能体：一套策略配置，多个模型通用，方便横向对比和选择最优模型。

该项目由德克萨斯大学奥斯汀分校的张黎明教授团队发起，论文已发表于 arXiv（2511.13646），代表了学术界对 AI + 软件工程交叉领域的最新探索。

总结

Live-SWE-agent 是一款以「运行时自我进化」为核心差异点的 AI 软件工程 Agent。它不追求代码库的规模，而是通过极简的配置文件策略 + 强大的 LLM 推理能力，在 SWE-bench 基准上击败了所有开源对手。它让我们第一次看到：AI 不仅能解决问题，还能在解决问题的过程中让自己变得更擅长解决问题。

如果你的团队在探索 AI 编程助手的下一代形态，这个项目值得关注。

Live-SWE-agent：运行时自我进化的 AI 软件工程师

从「工具」到「生物」：重新定义 AI 编程助手

这并不是科幻——Live-SWE-agent 正在让这件事成为现实。

SWE-bench Leaderboard

图1：各主流模型在 SWE-bench Verified 上的表现排行榜，Claude Opus 4.5 + Live-SWE-agent 以 79.2% 登顶。

核心洞察：软件 Agent 本身就是软件

具体来说，Live-SWE-agent 在运行时（runtime）能够：

动态调整行为策略：当发现某类问题的解决路径效率低下时，Agent 会自主反思并修改自己的决策策略模板；
自我诊断与修复：Agent 能够检测自己在解题过程中的错误模式，并针对性地优化；
持续积累经验：每次成功解决的问题都会反馈到 Agent 的行为模式中，形成正循环。

这不是简单的「Few-shot Prompt Engineering」，而是一种真正的元学习（Meta-Learning）能力——Agent 在解决问题的同时改进自己解决问题的方式。

技术架构：站在巨人肩膀上的极简设计

项目结构

Live-SWE-agent 的代码库极为精简，核心只有两大部分：

OpenAutoCoder/live-swe-agent/
├── config/                    # 配置文件目录
│   ├── livesweagent.yaml      # 通用配置
│   ├── livesweagent_swebench.yaml       # SWE-bench 测试配置
│   └── livesweagent_swebench_pro.yaml   # SWE-Bench Pro 测试配置
├── assets/
│   ├── leaderboard.png        # 排行榜图片
│   └── comparison.png         # 对比图
├── README.md
└── LICENSE

核心配置解析

livesweagent.yaml 中定义了 Agent 的核心行为模板：

System Prompt 模板：定义了 Agent 的思维框架和工作流。Agent 被要求：

THOUGHT + ACTION 交替：每一步推理前必须先输出思考过程，再执行一个 bash 命令；
结构化工作流：分析代码 → 复现问题 → 修改源码 → 验证修复 → 测试边界情况 → 提交；
终止机制：完成所有步骤后，执行 echo COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT 结束任务。

Instance Prompt 模板：接收具体的 Issue 描述，指导 Agent 解决该问题。

底层依赖（来自 mini-swe-agent）

Live-SWE-agent 的能力边界由 mini-swe-agent 的技术栈决定：

组件	技术选型	作用
LLM 路由	litellm	统一接口调用 OpenAI / Anthropic / Gemini 等多厂商模型
Agent 框架	textual + typer	TUI 交互界面和命令行入口
数据结构	pydantic v2	类型安全的数据模型
模板引擎	Jinja2	动态 Prompt 渲染
HTTP	requests	API 调用
配置管理	pyyaml	YAML 配置解析
并发/重试	tenacity	API 调用的指数退避重试
测试	pytest + pytest-asyncio	单元测试和异步测试

技术栈非常务实，没有引入过多抽象层，保持了代码的可维护性。

功能与实战：如何在真实项目中部署

安装步骤

# 1. 安装 mini-swe-agent（底层框架）
pip install mini-swe-agent

# 2. 下载 Live-SWE-agent 配置
git clone https://github.com/OpenAutoCoder/live-swe-agent.git
cd live-swe-agent

# 3. 设置 API Key（支持 OpenAI / Anthropic / Gemini 等）
export OPENAI_API_KEY=sk-...   # 或 ANTHROPIC_API_KEY / GEMINI_API_KEY

# 4. 启动 Agent（传入具体 Issue）
mini --config config/livesweagent.yaml

典型工作流

输入：一段 GitHub Issue 描述（如「模块 X 在 Python 3.12 下导入报错」）

输出：Agent 自动完成以下步骤：

环境感知：检查操作系统、Python 版本、依赖树；
问题定位：搜索相关源码文件，定位报错根因；
方案制定：在上下文中推理修复方案；
自我改进（Live-SWE-agent 特有）：若发现策略不够高效，动态更新自己的行为模板；
代码修改：生成 patch 并应用；
验证提交：运行测试用例，确认修复有效后提交。

支持的基准测试

基准集	说明	最高分
SWE-bench Verified	真实 GitHub Issue 精选集	79.2%（Claude Opus 4.5）
SWE-Bench Pro	更难的真实问题集	45.8%（Live-SWE-agent 1.0）

该 repo 还在 Hugging Face 上发布了完整的运行轨迹和 Patch 数据集，方便研究者复现和对比。

优势与局限

核心优势

SOTA 性能：开源 Agent 框架中 SWE-bench 最高分，背后是「运行时自我进化」的核心创新；
模型无关：通过 litellm 支持几乎所有主流 LLM，评测结果公平可对比；
零代码侵入：不需要修改任何项目源码，只需要 Issue 描述即可驱动；
透明可复现：完整轨迹数据和评测基准公开，结果可验证；
配置即策略：通过 YAML 配置文件即可调整 Agent 行为，无需改代码。

已知局限

API 成本：每次 SWE-bench 测试需消耗大量 API 调用，成本不可忽视；
无图形界面：纯 TUI/CLI 交互，新手有一定上手门槛；
GPU 非必须：虽然不强制 GPU，但复杂推理任务对上下文窗口（128K+）有较高要求；
依赖上游稳定性：完全依赖 mini-swe-agent 的框架能力，如上游更新可能影响兼容性；
自我进化的边界：运行时策略修改仅在特定场景下触发，不是一个通用自我优化系统。

行业意义：从「执行工具」到「进化生命体」

Live-SWE-agent 的出现代表了一个重要的范式转变。

传统 Agent 框架的思路是：人设计策略，机器执行。人的设计能力就是上限。

如果这个方向被验证可行（已经取得了 SOTA 结果），未来可能出现：

自我调试的 CI：AI 在修复 Bug 的同时升级自己的调试策略；
自进化的代码库：代码仓库中的 Agent 配置文件随着处理 Issue 增多而「变聪明」；
平台无关的智能体：一套策略配置，多个模型通用，方便横向对比和选择最优模型。

该项目由德克萨斯大学奥斯汀分校的张黎明教授团队发起，论文已发表于 arXiv（2511.13646），代表了学术界对 AI + 软件工程交叉领域的最新探索。

总结

如果你的团队在探索 AI 编程助手的下一代形态，这个项目值得关注。