Open SWE：用于内部编码智能体的开源框架

在过去一年中，许多工程组织都构建了内部编码智能体，以协助开发团队工作。Stripe 开发了 Minions，Ramp 构建了 Inspect，Coinbase 创建了 Cloudbot。这些系统通过 Slack、Linear 和 GitHub 等现有工作流集成，无需工程师采用新界面。尽管这些系统独立开发，但它们都收敛于相似的架构模式：隔离的云沙箱、精选工具集、子智能体编排以及开发人员工作流集成。这种趋同表明，在生产工程环境中部署 AI 智能体存在一些共同要求。

今天，我们发布了 Open SWE，这是一个开源框架，以可定制形式捕捉了这些模式。Open SWE 基于 Deep Agents 和 LangGraph 构建，提供了我们在这些实现中观察到的核心架构组件。如果你的组织正在探索内部编码智能体，这可以作为一个起点。

生产部署中的模式

Stripe、Ramp 和 Coinbase 都构建了自己的内部编码智能体。Kishan Dahya 撰写了一篇精彩的文章，阐述了这些编码智能体所做的不同架构决策。我们总结如下，然后深入探讨 Open SWE 在这些维度上的表现。

• **隔离执行环境**：任务在专用云沙箱中运行，拥有完全权限但受严格边界限制。这隔离了任何错误对生产系统的影响范围，同时允许智能体无需每次操作都请求批准即可执行命令。
• **精选工具集**：据 Stripe 工程团队称，他们的智能体可访问约 500 个工具，但这些工具是经过精心挑选和维护的，而非随时间累积。工具精选比数量更重要。
• **Slack 优先调用**：这三个系统都将 Slack 集成作为主要界面，让开发人员在现有的沟通工作流中工作，而无需切换到新应用程序。
• **启动时丰富上下文**：这些智能体在开始工作前，会从 Linear 问题、Slack 线程或 GitHub PR 中拉取完整上下文，减少通过工具调用发现需求的开销。
• **子智能体编排**：复杂任务会被分解并委派给专门的子智能体，每个子智能体拥有独立的上下文和明确职责。

这些架构选择已在多个生产部署中被证明有效，但组织可能需根据自身环境和需求调整具体组件。

Open SWE 的架构

Open SWE 提供了类似架构模式的开源实现。以下是框架与我们所观察到的模式的映射：

1. **智能体框架：基于 Deep Agents 构建**：Open SWE 并未复刻现有智能体或从头构建，而是基于 Deep Agents 框架组合而成。这种方法类似于 Ramp 的团队在 OpenCode 基础上构建 Inspect。组合提供了两个优势：升级路径（当 Deep Agents 改进时，可整合改进而不必重建自定义内容）和无需复刻即可定制（可保留组织特定的工具、提示和工作流作为配置，而非修改核心智能体逻辑）。

1. **沙箱：隔离云环境**：每个任务在自己的隔离云沙箱中运行，这是一个具有完整 shell 访问权限的远程 Linux 环境。仓库被克隆进去，智能体获得完全权限，任何错误都被限制在该环境中。Open SWE 开箱即支持多种沙箱提供商：Modal、Daytona、Runloop、LangSmith，你也可以实现自己的沙箱后端。

1. **工具：精选而非累积**：Open SWE 附带一组精选工具，包括执行 shell 命令、获取网页、API 调用、Git 提交和打开 PR、更新 Linear 工单、回复 Slack 线程，以及 Deep Agents 的内置工具。精心挑选的小型工具集更易于测试、维护和推理。当需要为组织添加额外工具时（内部 API、自定义部署系统、专用测试框架），可以显式添加。

1. **上下文工程：AGENTS.md + 源上下文**：Open SWE 从两个来源收集上下文。AGENTS.md 文件（如果仓库根目录存在）会被读入沙箱并注入到系统提示中，编码每个智能体运行应遵循的约定、测试要求、架构决策和团队特定模式。源上下文：完整的 Linear 问题（标题、描述、评论）或 Slack 线程历史会在智能体启动前组装并传递给智能体，无需额外工具调用即可提供任务特定上下文。这种双层方法平衡了仓库范围的知识与任务特定信息。

1. **编排：子智能体 + 中间件**：Open SWE 的编排结合了两种机制。子智能体：Deep Agents 框架支持通过任务工具生成子智能体。主智能体可以将独立的子任务委派给隔离的子智能体，每个子智能体拥有自己的中间件栈、待办事项列表和文件操作。中间件：确定性中间件钩子在智能体循环周围运行，例如在模型调用前注入后续消息、自动打开 PR 的 safety net、以及工具错误处理。这种智能体（模型驱动）与确定性（中间件驱动）编排的分离有助于平衡可靠性与灵活性。

1. **调用：Slack、Linear 和 GitHub**：Open SWE 遵循 Slack 作为主要调用界面的模式。在 Slack 中，@机器人 可在任何线程中提及，支持 repo:owner/name 语法指定仓库。在 Linear 中，在问题上评论 @openswe 即可触发。在 GitHub 中，在 PR 评论中标记 @openswe 可处理审查反馈。每次调用创建一个确定性线程 ID，后续消息路由到同一正在运行的智能体。

1. **验证：提示驱动 + 安全网**：智能体被指示在提交前运行 linter、格式化程序和测试。open_pr_if_needed 中间件作为后备，如果智能体完成而未打开 PR，则自动处理。可以通过添加确定性 CI 检查、视觉验证或审查门控来扩展验证层。

为何选择 Deep Agents

Deep Agents 提供了使此架构可组合且可维护的基础。上下文管理：长时间运行的编码任务可能产生大量中间数据，Deep Agents 通过基于文件的存储处理，将大型结果卸载而不是保留在对话历史中，有助于防止上下文溢出。规划原语：内置的 write_todos 工具提供了一种结构化的方式来分解复杂工作、跟踪进度并根据新信息调整计划。子智能体隔离：当主智能体通过任务工具生成子智能体时，该子智能体获得自己的隔离上下文，不同子任务不会互相污染对话历史。中间件钩子：允许在智能体循环的特定点注入确定性逻辑，例如消息注入和自动 PR 创建。升级路径：由于 Deep Agents 作为独立库积极开发，上下文压缩、提示缓存、规划效率等改进可以流入 Open SWE，无需重建自定义内容。

为你的组织定制

Open SWE 旨在作为一个可定制的基础，而非成品。每个主要组件都是可插拔的：沙箱提供商、模型、工具、触发器、系统提示和中间件。定制指南详细介绍了每个扩展点并提供示例。

与内部实现的比较

下表展示了 Open SWE 与 Stripe（Minions）、Ramp（Inspect）和 Coinbase（Cloudbot）在公开信息基础上的对比。核心模式相似，差异在于实现细节、内部集成和组织特定工具。

开始使用

Open SWE 现已托管在 GitHub 上。安装指南指导你完成 GitHub 应用创建、LangSmith 设置、Linear/Slack/GitHub 触发器和生产部署。定制指南展示如何为你的组织更换沙箱、模型、工具、触发器、系统提示和中间件。该框架采用 MIT 许可，你可以复刻、定制并在内部部署。如果你在其基础上构建了有趣的内容，我们很乐意听取你的反馈。

多个工程组织已成功在生产中部署内部编码智能体。Open SWE 提供了类似架构模式的开源实现，旨在适用于不同的代码库和工作流。我们仍在了解不同环境下的最佳实践，但该框架为探索此方法的团队提供了一个起点。