SWE-agent
Autonomer LM-Agent, der Tools verwendet, um reale GitHub-Repository-Probleme zu beheben.
Befähigen Sie ein Sprachmodell Ihrer Wahl, reale Repository-Probleme und Cybersicherheitsherausforderungen zu lösen.
SWE-agent ermöglicht es Sprachmodellen wie GPT-4o oder Claude, Tools autonom zu nutzen und Probleme in realen GitHub-Repositories zu beheben. Entwickelt von Forschern aus Princeton und Stanford, bietet es Entwicklern und Forschern ein flexibles und verallgemeinerbares Framework.
Was es ist
Das Tool nimmt ein GitHub-Issue entgegen und versucht, es mithilfe eines von Ihnen konfigurierten Sprachmodells automatisch zu lösen. Es arbeitet über eine einzige YAML-Konfigurationsdatei und gibt dem LM maximale Autonomie beim Ausführen von Befehlen und Inspizieren von Code.
Für wen
Es eignet sich für KI-Forscher und Entwickler, die Softwareentwicklungsaufgaben automatisieren oder die Leistung von Agenten benchmarken möchten. Es eignet sich nicht für Gelegenheitsnutzer, die eine einfache Point-and-Click-Oberfläche suchen, ohne ein LM-Backend zu verwalten.
Wichtige Funktionen
Autonome Problembehebung
Behebt Probleme in realen GitHub-Repositories unter Verwendung des Sprachmodells Ihrer Wahl.
YAML-Konfiguration
Das Verhalten wird vollständig durch eine einzige, leicht modifizierbare YAML-Datei gesteuert.
Offensive Cybersicherheit
Enthält den EnIGMA-Modus zum Lösen von Capture-the-Flag- und Sicherheitsherausforderungen.
Forschungsorientiertes Design
Einfache und anpassbare Architektur, entwickelt von Forschern aus Princeton und Stanford.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Erzielt State-of-the-Art-Leistung bei SWE-bench unter Open-Source-Projekten.
- Bietet dem Sprachmodell maximale Autonomie für eine flexible Ausführung von Aufgaben.
- Vollständig konfigurierbar und dokumentiert über einfache YAML-Dateien.
- Enthält spezielle Modi für offensive Cybersicherheit und kompetitives Programmieren.
Schwächen
- Erfordert laufende API-Kosten für das zugrunde liegende Sprachmodell, das Sie damit ausführen.
- Die aktive Entwicklung hat sich weitgehend auf mini-swe-agent verlagert, das einfacher ist und für die Zukunft empfohlen wird.
- Das Einrichten und Benchmarking erfordert Vertrautheit mit Befehlszeilentools und Python-Umgebungen.
Preise & Lizenz
Kostenlos unter der MIT-Lizenz, aber es fallen Nutzungskosten für die API des kommerziellen Sprachmodells an, das Sie damit verbinden.
Stellen für Deutschsprachige
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Nutze es, oder lass es uns einrichten
FAQ
Welche Sprachmodelle werden unterstützt?
Sie können das Sprachmodell Ihrer Wahl verwenden, wie zum Beispiel GPT-4o oder Claude Sonnet.
Sollte ich SWE-agent oder mini-swe-agent verwenden?
Die Maintainer empfehlen, zukünftig mini-swe-agent zu verwenden, da es die Leistung von SWE-agent erreicht und dabei viel einfacher ist.
Kann es für andere Dinge als GitHub-Issues verwendet werden?
Ja, es kann auch für offensive Cybersicherheits-Capture-the-Flag-Herausforderungen oder benutzerdefinierte Programmieraufgaben eingesetzt werden.
