SWE-agent：ACI，给模型而非人设计的计算机接口
同一个 GPT-4 Turbo，用裸 shell 在 SWE-bench Lite 上解 11.00%，换一套专门设计的 Agent-Computer Interface（ACI）后解 18.00%；全量测试集 12.47%，把此前最好成绩（3.8%，非交互 RAG 系统）提高三倍多。四条设计原则 + 四个接口部件 + 一张消融表，这篇论文回答的问题是：「接口设计本身值多少分」。
概览
论文精读
ACI 概念与四条设计原则
论文的出发点是一个类比：人类工程师不会用裸终端写项目，而是用 VSCode 这类 IDE——接口放大了人的能力。那么语言模型作为计算机的「新一类终端用户」，也应该有自己的接口。ACI（Agent-Computer Interface）就是这个抽象层：模型可用的命令，加上环境反馈的格式。作者借人机交互（HCI）的方法做设计：在开发集上观察模型卡在哪里，迭代接口，再网格搜索定参数，最后沉淀出四条原则（论文 §2）。
- ① 动作要简单：命令少而直白、文档要短，模型不依赖示例也能用对
- ② 操作要紧凑：重要操作（看文件、改代码）合并成尽可能少的动作，一步要有一步的进展
- ③ 反馈要简洁：告诉模型动作的效果与当前状态，但不堆砌无关细节
- ④ 要有护栏：如编辑时自动跑语法检查，让模型立刻发现错误、快速恢复（防错误传播）
- 定位：不动模型权重，只改接口——「LM-centric 的交互组件设计对下游任务性能有实质影响」
接口四部件：搜索 / 查看器 / 编辑器 / 上下文
SWE-agent 的每一轮是标准 ReAct 循环（想法 + 命令 → 执行 → 反馈），支撑循环的是四个专门设计的部件（上方图 2）。它们的共同动作是限制：限制窗口大小、限制搜索结果、折叠旧观察——每一处都在给模型的上下文做减法，而第四节的数据会说明这些减法全是加分项。
- 搜索：find_file / search_file / search_dir；单次查询最多返回 50 条，超过就一条都不显示，提示模型把查询写得更具体
- 查看器：open 后每次最多显示 100 行；scroll_up/scroll_down/goto 移动窗口；始终显示全路径、总行数、上下省略行数，每行带行号
- 编辑器：edit 三参数（起始行、结束行、替换文本）一步替换一个区间；改完查看器自动刷新；内置 linter，语法出错的编辑直接丢弃并要求重试
- 上下文管理：最近 5 条之外的观察折叠成一行；命令无输出时明确提示「运行成功且无输出」；输出格式不合法就报错重试，直到合法
关键数字与消融：限制信息量反而更好
主结果（论文 Table 1）：GPT-4 Turbo + ACI 在全量 SWE-bench 解出 12.47%（286/2,294），Lite 上 18.00%；对照组里，同一模型用裸 shell 只有 11.00%（相对提升 64%），此前最好的非交互 RAG 系统是 3.8%。换成 Claude 3 Opus 也有 10.46%——ACI 不是某个模型的定制外挂，而是可迁移的。真正的教学宝藏是消融表（Table 3，Lite，基准 18.0%）：每次只改一个接口设计，看成绩掉多少。
- 主结果：全量 12.47% · Lite 18.00% · HumanEvalFix 87.7% pass@1 · 平均每解决一个实例花 $1.59（预算上限 $4）
- 消融-编辑器：去掉 linter ↓3.0；没有 edit 命令（退回重定向 / sed）↓7.7——编辑部件价值最大
- 消融-搜索：逐条翻页搜索（仿 Vim / VSCode）↓6.0；干脆没有搜索工具只 ↓2.3——给人设计的接口比不给还差
- 消融-查看器：窗口缩到 30 行 ↓3.7；显示整个文件 ↓5.3——信息给得越多反而越差
- 消融-上下文：保留全部历史（不折叠旧观察）↓3.0；去掉演示样例 ↓1.7
与本仓的关系与后续演化：100 行的 mini
对本站读者，这篇论文不是课外读物：讲义「SWE-agent 执行引擎拆解」以它和开源代码（v1.1.0）为标本；实验平台 S4 的各 brand adapter 解决的正是同一层问题——给不同 Agent 接上一台「计算机」。论文之后的演化也值得一提：官方后来把整个 Agent 核心压进约 100 行 Python 的 mini-swe-agent（官方口径：SWE-bench Verified 上超过 70%），原项目进入仅维护模式。工具从「精心设计的四部件」简化回「一个 bash」，是因为模型变强了；但四条原则——动作简单、操作紧凑、反馈简洁、要有护栏——一条都没过时。
- 本仓关联：执行引擎讲义（源码级拆解）+ S4 brand adapter（统一接口层）+ 过程分析栈（history processor 思想同源）
- 论文金句（§5.2）：Agents succeed quickly and fail slowly——成功的任务很快收工，失败的任务慢慢烧钱，预算控制是接口设计的一部分
- 后续演化：mini-swe-agent 约 100 行核心；SWE-agent 主仓进入 maintenance-only 模式（官网告示，2026-09-15 核实）
- 不变的遗产：ACI 四条原则仍是今天设计 Agent 工具接口的默认检查清单