AI程序员开源版来了：GPT4加持，能力堪比Devin，一天1.4k Stars

不到24小时，明星数量就突破了1400个。

最近，很多人担心人工智能会取代他们的工作。

上个月在AI圈爆红的“第一AI程序员”Devin，通过利用大模型能力掌握了全栈技能。他只需要人类给出自然语言指令就可以自动完成复杂的代码任务。

Devin 展示的能力令人惊叹，但这个工具来自一家走闭源路线的初创公司，现在只有少数获得内测槽位的人可以使用它。

周二，普林斯顿大学NLP 小组的研究人员发布了SWE-agent ——，这是AI 程序员的开源版本，不到一天的时间就获得了数千个GitHub star。

SWE-agent 是一个用于自主解决GitHub 存储库中问题的新系统。它在SWE 基准上达到了与Devin 相似的准确度，平均耗时93 秒。

项目网站：https://swe-agent.com/GitHub：https://github.com/princeton-nlp/SWE-agent 原则上，SWE-agent 可以通过将大型模型（例如GPT-4）转换为软件工程代理来修复现实世界的问题。 GitHub 存储库中的错误和问题。

在完整的SWE-bench 测试集上，SWE-agent 解决了12.29% 的问题，实现了SOTA 性能。

为了在开发过程中提供自动化，SWE-agent 通过与专用终端交互来工作，该终端可以打开、搜索文件内容、使用自动语法检查、编辑特定行以及编写和执行测试。

该项目的开发人员精心设计了UI界面，并在GitHub上进行了介绍。

代理计算机接口(ACI)

研究团队设计了一种简单的以大型模型（LM）为中心的命令和反馈格式，使大型模型能够更轻松地浏览存储库、查看、编辑和执行代码文件，这被称为代理计算机接口（ACI）。 ）。研究团队还构建了一个SWE 代理存储库，以便轻松迭代存储库级编码代理的ACI 设计。

就像语言模型需要良好的提示工程一样，良好的ACI 设计将在使用代理时带来更好的结果。没有经过良好调整的ACI 的基线代理的性能比SWE 代理差得多。

SWE-agent 包含研究团队在设计代理-计算机界面时发现非常有用的功能，包括：

1. 添加一个linter，该linter 在发出编辑命令时运行，如果代码语法不正确，则不会让编辑命令通过。

2. 为代理提供专用文件查看器。研究团队发现，该文件查看器每轮仅显示100 行时效果最佳，并且文件编辑器具有用于上下滚动以及在文件内执行搜索的命令。

3. 为代理提供专门构建的目录范围字符串搜索命令。研究团队发现，该工具简洁地列出匹配项—— 非常重要，只需列出至少有一个匹配项的每个文件。研究表明，向模型显示更多有关每场比赛的背景信息会让模型过于混乱。

4. 当命令的输出为空时，返回一条消息：“您的命令运行成功，但没有产生任何输出。”

未来发表的论文将详细介绍更多信息。

安装与使用

要使用SWE-agent，您必须首先设置以下条件：

1、本地安装Docker并启动Docker；

2、安装Miniconda，使用conda env create -fenvironment.yml创建swe-agent环境；

3、使用conda activate swe-agent进行激活；

4. 运行./setup.sh创建swe-agent docker镜像；

5.在此存储库根目录下创建keys.cfg文件，并填写以下内容：

OPENAI_API_KEY: '如果使用OpenAI 模型，则此处为OpenAI API 密钥（可选）'

ANTHROPIC_API_KEY: '如果使用人择模型，则此处为人择API 密钥（可选）'

GITHUB_TOKEN: 'GitHub 令牌位于此处（必需）'

SWE-agent 管道包含两个步骤：

步骤1：SWE-agent接收输入的GitHub问题并返回尝试修复它的拉取请求；步骤2：评估拉取请求以验证它确实解决了问题（目前仅适用于基准测试中的SWE 基准问题）。如果您想在整个SWE-bench 上运行和评估，最简单的方法是使用x86 机器。

python run.py --model_name gpt4 \

--data_path https://github.com/pvlib/pvlib-python/issues/1603 --config_file config/default_from_url.yaml

python run.py --model_name gpt4 \

--per_instance_cost_limit 2.00 \

--config_file ./config/default.yaml

如果您想从SWE-bench 运行单个问题，可以使用--instance_filter：