Модель учится. Обвязка меняется. Проследите, как интерфейсы, память и проверки превращают ответ модели в законченную работу.
Цикл → модель → инструменты; наблюдения возвращаются в цикл. Контекст и состояние поддерживают следующие шаги, проверки оценивают результат.
Цвет и знак показывают изменение или акцент работы. Серый — вне её фокуса: наличие компонента по этой схеме определить нельзя. Редакционная карта ролей, а не точная схема реализации. Цикл вызывает модель; инструменты возвращают наблюдения. Контекст, сохранённое состояние и проверки поддерживают работу внутри границ исполнения.
Инструменты · добавлено. Поиск, просмотр и правка через ACI
Контекст · в фокусе. Ограниченный, информативный вывод
Проверки · в фокусе. Проверка патча на задачах
Интерфейс, удобный человеку, может мешать агенту править код.
Результаты относятся к моделям и тестам исследования 2024 года.
Переход от общего цикла к интерфейсу конкретной рабочей среды.
Авторы mini прямо пересматривают необходимость специальных интерфейсов SWE-agent.
Мы расширяем вопрос удобства интерфейса до всей среды разработки.
Цикл → модель → инструменты; наблюдения возвращаются в цикл. Контекст и состояние поддерживают следующие шаги, проверки оценивают результат.
Цвет и знак показывают изменение или акцент работы. Серый — вне её фокуса: наличие компонента по этой схеме определить нельзя. Редакционная карта ролей, а не точная схема реализации. Цикл вызывает модель; инструменты возвращают наблюдения. Контекст, сохранённое состояние и проверки поддерживают работу внутри границ исполнения.
Инструменты · добавлено. Поиск, просмотр и правка через ACI
Контекст · в фокусе. Ограниченный, информативный вывод
Проверки · в фокусе. Проверка патча на задачах
Интерфейс, удобный человеку, может мешать агенту править код.
Результаты относятся к моделям и тестам исследования 2024 года.
Переход от общего цикла к интерфейсу конкретной рабочей среды.
Авторы mini прямо пересматривают необходимость специальных интерфейсов SWE-agent.
Мы расширяем вопрос удобства интерфейса до всей среды разработки.
SWE-agent
Смыслы сосуществуют. Это карта употребления и обязанностей, а не смена единственного общепринятого определения.
Запустить систему в заданных условиях и проверить результат.
Связать модель с инструментами, наблюдениями и состоянием.
Сделать задачи, обратную связь и границы понятными агенту.
Проверять и развивать связку модели, памяти и среды.
Четыре открытых вопроса. Доступные механизмы и исследовательские результаты показаны вместе с условиями, в которых они работают.
Редакционный срез проверяется вручную. Первое появление работы и версия, которую мы разбираем, могут иметь разные даты.
Модель включается в повторяющийся цикл взаимодействия.
Связь модели с инструментом получает явный формат.
Между моделью и репозиторием появляется специализированный интерфейс ACI.
Наш разборЗащиту переносят из модели в устройство приложения ценой части полезности.
Наш разборСпециальные команды заменены возможностями модели работать с bash.
Состояние работы переживает окно контекста через артефакты.
Наш разборВокруг рабочего цикла появляется отдельная система оценки.
Наш разборpass@1 одного прогона колеблется на 2,2–6,0 п.п.; разница в 2–3 п.п. может быть шумом.
Наш разборФайлы значимо не повышают долю решённых задач, но в среднем делают задачу дороже на 19–23 %.
Наш разборПроверка становится отдельной ролью с обратной связью исполнителю.
Наш разборДолгая работа становится задачей инфраструктуры, а не только промпта.
Над рабочим агентом появляется цикл улучшения его обвязки.
Наш разборУ начавших пользоваться примерно на 24 % больше смерженных PR в течение четырёх месяцев.
Наш разборОбвязка стала платформой через поверхности экосистемы: общий слой расширений (хуки, навыки, MCP, ACP), сервисные поверхности (SDK, серверы), маркетплейсы и импорт сессий, мета-обвязка сверху.
Наш разборК жизненному циклу добавляются параллельные ветви, обмен свидетельствами и общая приёмка.
Наш разборС поправкой на сложность бенчмарка разброс эффекта модели в 5,2 раза больше, чем обвязки.
Наш разборПриложение задаёт работу и полномочия, платформа обслуживает исполнение.
План, инструменты и управление контекстом становятся проверяемыми переменными.
Наш разборВ 79 % испытаний инъекция в монитор давала агенту произвольный bash; часть дыр закрывается дёшево.
Наш разборЖурнал исполнения и ключ операции дополняют память агента.
Наш разборК минимальному циклу выборочно добавляются инструменты и специализированные субагенты.
Наш разборРабочая обвязка и память становятся частью обучающей среды.
В проверенных задачах ML сложную координацию заменяет одна сессия.
Контекст становится проверяемым срезом памяти, инструментальных данных и отчётов команды.
Наш разбор