Open SWE

过去两年，AI 在软件工程中的角色不断演进：

• 从最初的 代码补全，
• 到 IDE 中的 “副驾驶”，
• 再到如今在云端 自主运行的端到端编码智能体。

我们正进入一个新阶段：长期运行、异步执行、具备上下文感知与自我审查能力的 AI 工程师。

在这一趋势中，软件工程是最早落地的领域之一。然而，目前尚无一个开源项目能完整体现这些特性。

为此，LangChain 团队推出 Open SWE —— 首个开源、异步、云托管的编码智能体，直接连接 GitHub，像真实工程师一样完成从任务理解、代码编写到 PR 提交的全流程。

它能做什么？像团队成员一样工作

Open SWE 不是一个简单的自动化脚本或代码生成器。它更像你团队中的一名远程工程师：

1. 理解需求：通过 GitHub Issue 或自定义界面接收任务
2. 研究代码库：分析项目结构、依赖关系和已有实现
3. 制定计划：生成详细、可执行的开发步骤
4. 编写代码：在隔离环境中实现功能、运行测试
5. 自我审查：检查代码质量、格式、测试通过情况
6. 提交 PR：完成后发起拉取请求，并关联原始 Issue

我们已在内部使用 Open SWE 加速 LangGraph 和 Open SWE 自身仓库 的开发。目前，它已是这些项目中贡献量排名前列的开发者之一。

如何使用？三步接入，快速上手

你可以在几分钟内启动托管版 Open SWE：

1. 访问 swe.langchain.com
2. 连接 GitHub 账号，授权目标仓库
3. 在设置中填入 Anthropic API 密钥（支持 Claude 系列模型）

然后，只需创建一个新任务，就可以看着它自动运行。

📌 建议起点：查看官方文档中的示例页面，了解典型使用场景。

为什么是 Open SWE？不只是“另一个编码助手”

市面上已有许多开源编码项目。Open SWE 的不同之处在于，我们关注的不仅是提示词或工具集成，而是整个智能体系统的流程设计与用户体验。

我们认为，异步智能体的成功关键，在于“控制”与“集成”。

✅ 更多控制：人在回路 + 双向沟通

1. 人在回路（Human-in-the-Loop）

在生成执行计划后，Open SWE 会主动暂停，等待你确认：

• 接受计划
• 编辑步骤
• 删除不合理部分
• 或要求重新调研

如果遗漏了关键上下文？只需说“继续深入研究”，它将重新规划。

2. 运行时可干预（Bidirectional Communication）

大多数智能体一旦启动就无法中途调整。而 Open SWE 支持运行时反馈：

• 产品需求变更？发条消息即可
• 发现方向偏差？及时纠正
• 想追加功能？直接补充说明

它会动态调整当前会话，无需重启任务。

✅ 深度集成：无缝融入现有开发流程

Open SWE 不要求你改变工作方式，而是融入你已有的 GitHub 流程。

• 每个任务对应一个 GitHub Issue
• 任务状态、执行计划、进度更新实时同步到 Issue 评论区
• 完成后自动发起 Pull Request，并关联原 Issue

你也可以直接从 GitHub 触发任务：

只需为 Issue 添加标签（如 open-swe-auto），Open SWE 即可自动开始工作，完成后提交 PR。

它就像一个无需休假、不会请假的队友，安静地完成分配的任务。

系统设计：安全、可靠、可扩展

除了人机交互体验，Open SWE 在底层架构上也做了关键设计。

🔒 在隔离沙箱中运行

每个任务都在独立的 Daytona 沙箱环境中执行：

• 完全隔离，避免对本地或生产环境造成影响
• 可自由执行 shell 命令、安装依赖、运行测试
• 无需为每条命令请求人工批准，提升效率

这意味着 Open SWE 可以更快速、更自主地行动。

☁️ 云端异步运行

Open SWE 是云原生架构，具备以下优势：

• 不占用本地计算资源
• 支持多任务并行处理
• 可长时间运行（最长可达数小时）

你可以早上提交一组任务，下午回来查看一组已准备好的 PR。

✅ 提交前计划与审查

许多智能体“想到就写”，导致代码错误频出、CI 失败。Open SWE 采用多智能体协作架构，确保质量：

只有当 Reviewer 确认无误后，才会发起 PR。这种“行动-审查”循环显著减少了无效提交和返工。

技术栈：LangGraph 驱动的智能工作流

Open SWE 基于 LangGraph 构建，这是 LangChain 推出的状态化智能体工作流框架。

🧠 为什么用 LangGraph？

• 支持多智能体协作，每个智能体有独立状态与输入输出
• 可精确控制流程跳转、条件判断与错误恢复
• 内置持久化，支持长时间运行与人工中断后恢复

这使得 Open SWE 能够稳定处理复杂、长期任务。

🚀 运行在 LangGraph Platform（LGP）

Open SWE 部署于 LangGraph Platform，专为长期运行智能体设计：

• 支持任务状态持久化（保障“人在回路”）
• 自动扩缩容（可同时运行数百个沙箱）
• 内置监控与日志追踪

🛠️ 使用 LangSmith 优化性能

作为一个复杂的多智能体系统，Open SWE 的核心挑战是上下文工程：

• 是否获取了正确的文件？
• 工具调用指令是否清晰？
• 计划生成是否合理？

我们使用 LangSmith（AI 可观察性平台）进行：

• 实时调试
• 链路追踪
• A/B 测试不同提示策略
• 评估召回率、任务完成率等指标

这让我们能持续优化智能体的稳定性与准确性。

开源与可扩展：为社区而建

Open SWE 完全开源，并设计为高度可扩展：

• ✅ 支持分叉与定制
• ✅ 可修改提示词、添加内部 API 工具
• ✅ 可替换模型、调整智能体逻辑

我们提供了详细的开发者文档，帮助你：

• 部署私有化实例
• 集成企业内部系统
• 构建专属的工程自动化流水线

当前适用场景与未来规划

✅ 适合的任务类型

Open SWE 特别适合：

• 功能开发（如新增 API 接口）
• 技术债清理（如重构模块）
• 文档生成与同步
• 测试用例补全

这些是复杂、需上下文理解、多步骤协作的任务。

⚠️ 暂不推荐的场景

对于单行修复、样式调整等简单任务，当前架构略显“重”。我们正在开发：

本地 CLI 版本的 Open SWE

• 命令行驱动，轻量快速
• 支持跳过计划与审查阶段
• 适合简单修复与即时修改

未来，Open SWE 将覆盖从“一行代码”到“完整产品实现”的全谱系工程任务。