拓冰网站定制 
人工智能大模型AI Agent代码智能体【免费下载链接】mini-swe-agentThe 100 line AI agent that solves GitHub issues or helps you in your command line. Radically simple, no huge configs, no giant monorepo—but scores 74% on SWE-bench verified!项目地址https://gitcode.com/gh_mirrors/mi/mini-swe-agent点击查看免费下载mini-SWE-agent 是一个以极简著称的 AI 编程代理约百行核心代码即可驱动模型解决 GitHub issue 或在命令行中辅助开发。其极简表象下的关键支撑正是src/minisweagent/environments/目录中一套设计统一的执行环境Environment抽象层。本文以 environments 目录 README 为骨架结合源码深入拆解各环境的实现原理、配置参数、调用链与选型思路帮助读者掌握如何在本地、Docker/Podman、Singularity/Apptainer 容器以及 SWE-ReX、Modal、bubblewrap 等沙箱中安全、可靠地运行 AI 代理的命令。为什么需要环境抽象层AI 代理的核心循环是模型生成命令 → 环境执行命令 → 把结果回传给模型。环境层正是这一循环的执行端。在 mini-SWE-agent 中Environment被定义为一个 Protocol协议类它规定了任何环境实现都必须提供三个能力execute(action, cwd)执行命令并返回{output, returncode, exception_info}结构的结果字典get_template_vars(**kwargs)提供供提示词模板渲染的上下文变量serialize()输出环境的序列化描述含配置与环境类型全限定名用于结果落盘与审计。从 environments 包的__init__.py可以看到包内维护了一张环境注册表_ENVIRONMENT_MAPPING把短名字映射到具体类注册名实现类说明dockerDockerEnvironment在 Docker/Podman 容器内执行singularitySingularityEnvironment在 Singularity/Apptainer 沙箱内执行localLocalEnvironment直接在本机执行swerex_dockerSwerexDockerEnvironment经 SWE-ReX 管理 Docker 容器swerex_modalSwerexModalEnvironment经 SWE-ReX 在 Modal 云端沙箱执行bubblewrapBubblewrapEnvironment用 bubblewrap 做非特权沙箱contreeContreeEnvironment经 contree-sdk 在 ConTree 容器执行两个工厂函数完成装配get_environment_class(spec)把注册名或直接的全限定类路径解析成类对象get_environment(config, default_type)从配置字典中弹出environment_class字段实例化对应环境并把剩余键作为构造参数传入。因此用户配置环境时只需在 YAML 中写明environment_class与参数即可无需关心实现细节。本机执行LocalEnvironmentlocal.py是最直白的环境实现——在本地机器上直接执行 bash 命令。配置项LocalEnvironmentConfigpydantic 模型支持三个参数cwd默认命令工作目录为空时回退到os.getcwd()env默认{}附加环境变量通过os.environ | self.config.env与宿主环境合并timeout默认30单条命令的超时秒数。执行原理execute()拿到action[command]后调用模块级函数_run()其实现细节值得注意用subprocess.Popen以shellTrue启动命令textTrue且encodingutf-8、errorsreplace保证输出总能以 UTF-8 文本解码stderrsubprocess.STDOUT把标准错误合并进标准输出关键设计start_new_sessionos.name posix让子进程成为独立进程组超时触发时用os.killpg(process.pid, signal.SIGKILL)杀掉整个进程组避免残留孤儿子进程。任何异常包括超时都会被捕获并转为returncode-1的结果字典附带exception_info与extra.exception_type保证调用方永远拿到结构化输出而非裸异常。提交协议所有环境共享同一个完成协议当输出首行为COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT且返回码为 0 时_check_finished()抛出Submitted异常把剩余行作为最终提交内容交给 Agent 循环见 exceptions.py。这正是 mini.yaml 提示词中要求模型用echo COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT收尾的底层依据见 mini.yaml 提示词部分。容器执行DockerEnvironmentdocker.py将命令放进 Docker 容器执行是基准测试如 SWE-bench中最常用的环境。配置项DockerEnvironmentConfig参数最丰富逐一说明image必填容器镜像名cwd默认/容器内工作目录docker exec时通过-w指定env默认{}写入容器的环境变量-eforward_env默认[]需要从宿主转发的环境变量名列表仅当宿主确实设置了该变量时才转发与env冲突时env优先timeout默认30单条命令超时秒executable默认取$MSWEA_DOCKER_EXECUTABLE否则docker这也决定了 Podman 的兼容方式——把该参数设为podman即可用 Podman 代替 Dockerrun_args默认[--rm]传给docker run的额外参数默认容器退出即删除container_timeout默认2h容器存活时长格式与sleep命令一致pull_timeout默认120拉取镜像的超时秒数interpreter默认[bash, -lc]容器内解释命令的方式可改成[python, -c]或用[bash, -c]去掉登录 shell。生命周期与执行流程构造时_start_container()用docker run -d --name minisweagent-随机8位hex -w cwd --rm image sleep 2h启动一个长期存活的后台容器容器名以minisweagent-为前缀便于识别每次execute()则用docker exec -w cwd [-e 转发变量] 容器ID bash -lc 命令执行单条命令。清理逻辑也很周到cleanup()异步执行(timeout 60 docker stop id || docker rm -f id)且__del__兜底防止对象销毁时泄漏容器。这也解释了为何 README 只强调docker.py同时支持 docker 与 podman——切换点就是executable参数与MSWEA_DOCKER_EXECUTABLE环境变量。沙箱执行SingularityEnvironmentsingularity.py面向无 root 权限的 HPC 场景用 Singularity/Apptainer 构建可写沙箱执行命令。配置项image必填沙箱镜像cwd默认/env/forward_env同 Docker 语义timeout默认30executable默认取$MSWEA_SINGULARITY_EXECUTABLE否则singularitysandbox_build_retries默认3构建沙箱失败时的重试次数源码注释说明构建极少失败但可能失败global_args默认[--quiet]放在子命令前的全局参数exec_args默认[--contain, --cleanenv, --fakeroot]传给singularity exec的参数——--contain隔离文件系统、--cleanenv清空宿主环境、--fakeroot提供伪 root 权限。执行原理构造时在tempfile.gettempdir()下创建minisweagent-随机hex目录反复执行singularity build --sandbox dir image直到成功。执行命令时拼接singularity --quiet exec --contain --cleanenv --fakeroot [--pwd cwd] [--env ...] --writable sandbox_dir bash -c command其中--writable让沙箱目录可写从而模拟一个可修改文件系统的持久环境。cleanup()直接删除沙箱目录__del__兜底。通过 SWE-ReX 管理远程执行Extras 目录中的两个环境把容器的管理职责外包给 SWE-ReXswe-agent 生态的沙箱运行时库mini-SWE-agent 只负责把action翻译成RexCommand并解析执行结果。这样既复用了 SWE-ReX 成熟的部署/清理逻辑也保持了Environment协议的统一。SwerexDockerEnvironmentswerex_docker.py用DockerDeployment(image..., **deployment_extra_kwargs)创建并启动容器配置仅四个字段image必填、cwd默认/、timeout默认30、deployment_extra_kwargs透传给 DockerDeployment 的额外参数。执行时构造RexCommand(command, shellTrue, checkFalse, cwd..., timeout..., merge_output_streamsTrue)交给 runtime 执行merge_output_streamsTrue同样实现 stdout/stderr 合并。SwerexModalEnvironmentswerex_modal.py把环境放到 Modal 的 serverless 云端沙箱中适合大规模并行评测、隔离的云端评估环境、训练编码代理的规模化远程执行等场景。其配置更丰富image必填支持 Docker Hub 镜像名、ECR 镜像名含 AWS 账号与 region或本地 Dockerfile 路径cwd默认/、timeout默认30、env默认{}startup_timeout默认60.0等待运行时启动的秒数runtime_timeout默认3600.0Modal 沙箱最长存活时间deployment_timeout默认3600.0部署超时install_pipx默认True是否在容器内安装 pipxSWE-ReX runtime 依赖modal_sandbox_kwargs透传给modal.Sandbox.create的额外参数。执行逻辑与 swerex_docker 一致额外支持通过env注入环境变量还提供了显式stop()方法用于停止部署内部对deployment.stop()加了 10 秒等待超时。非特权沙箱BubblewrapEnvironmentbubblewrap.py使用 bubblewrap——Linux 上的低层非特权沙箱工具——为每个环境创建独立工作目录并限制对操作系统与用户数据的访问。注意源码顶部明确警告该环境是实验性的且不支持 Windows。其默认wrapper_args给出了最小可用 Linux 沙箱的经典配方--unshare-user-try --ro-bind /usr /usr --ro-bind /bin /bin --ro-bind /lib /lib --ro-bind /lib64 /lib64 --ro-bind /etc /etc --tmpfs /tmp --proc /proc --dev /dev --new-session --setenv PATH /usr/local/bin:/usr/sbin:/usr/bin:/bin即尝试取消用户命名空间共享、把系统目录只读绑定进沙箱、/tmp用 tmpfs、挂载/proc与/dev、并重设 PATH。execute()时再额外执行--bind cwd cwd --chdir cwd把当前工作目录以可写方式绑定从而允许命令修改工作区文件配置项支持自定义cwd、env、timeout、executable默认$MSWEA_BUBBLEWRAP_EXECUTABLE或bwrap以及整份wrapper_args。云原生容器ContreeEnvironmentcontree.py基于 contree-sdk 在 ConTree 容器中执行命令是环境中唯一直接继承Environment协议的类。其特有配置包括contree_configConTree 客户端配置ContreeConfig或字典字典会自动转换imageimage_tag优先按 tag 拉取镜像失败则按image导入并把 tag 写回cwd_auto_create默认True启动后自动mkdir -p工作目录interpreter默认[bash, -c]timeout默认100import_username/import_password镜像需要导入时的凭据。执行时通过session.run(shell..., cwd..., timeout..., disposableFalse, env...)运行命令输出取session.stdout session.stderr退出码取session.exit_code异常还会把 dataclass 异常字段序列化进extra便于排查。配置示例从本地到基准测试环境在 默认配置 default.yaml 与 mini.yaml 中environment:段即直接对应环境构造参数。典型用法如下。本机直接执行mini.yaml 中省略environment_class默认即 local并注入禁用交互式分页等环境变量environment: env: PAGER: cat MANPAGER: cat LESS: -R PIP_PROGRESS_BAR: off TQDM_DISABLE: 1Docker 容器执行SWE-bench 单实例配置节选见 swebench.yamlenvironment: cwd: /testbed timeout: 60 environment_class: docker env: BASH_ENV: /root/.bashrc # 让镜像里的 conda activate testbed 生效SWE-bench 的 Modal 云端评测见 swebench_modal.yamlenvironment: environment_class: swerex_modal cwd: /testbed timeout: 60ProgramBench 长时间任务见 programbench.yamlenvironment: cwd: /workspace timeout: 180 container_timeout: 7h environment_class: docker executable: docker这些示例展示了选型思路local用于交互式开发、docker用于可复现的隔离评测、swerex_modal用于云端大规模并行、singularity用于 HPC 无 root 场景、bubblewrap用于本机轻量非特权沙箱。环境内部的统一约定从源码可归纳出全部环境共享的四条内部约定统一结果字典成功返回{output, returncode, exception_info: }失败返回returncode-1并携带exception_info与extra.exception_type等诊断信息输出合并stderr均并入stdoutDocker/Singularity 用stderrsubprocess.STDOUTSWE-ReX 用merge_output_streamsTrue便于模型一次读取完整上下文提交协议输出首行命中COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT且返回码为 0 时抛出Submitted异常结束任务模板变量与序列化get_template_vars()用 serialize.py 的recursive_merge合并配置与平台信息如platform.uname()供提示词渲染serialize()输出环境类型全限定名与配置 JSON写入结果文件。选型建议与注意事项开发调试优先local零依赖、响应快注意每条命令运行在独立子 shell 中目录与环境变量变更不持久可用cd ... ...前缀或在单条命令内完成。可复现评测优先docker含 Podman 通过executable: podman镜像即环境容器默认--rm自动清理。无 root 的 HPC 集群选singularity/apptainer沙箱目录可写、默认开启--fakeroot构建失败自动重试。大规模云端并行选swerex_modal按需创建 Modal 沙箱注意runtime_timeout与startup_timeout的合理设置。本机轻量隔离选bubblewrap实验性、仅 Linux以只读系统目录 可写工作目录的组合限制命令的破坏面。无论选哪种环境最终提交都必须以echo COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT单独成行收尾否则 Agent 循环不会认为任务完成。如需深入某个实现的完整代码可继续阅读 docker.py、local.py、singularity.py 及 extra 目录 中的各扩展环境以及对应的测试文件如 test_docker.py、test_local.py、test_contree.py它们共同构成了 mini-SWE-agent 环境层的完整证据链。赞分享人工智能大模型AI Agent代码智能体【免费下载链接】mini-swe-agentThe 100 line AI agent that solves GitHub issues or helps you in your command line. Radically simple, no huge configs, no giant monorepo—but scores 74% on SWE-bench verified!项目地址https://gitcode.com/gh_mirrors/mi/mini-swe-agent点击查看免费下载相关推荐LifeOS 中的 Remotion 技能用 React 代码驱动可复现的程序化视频创作LifeOS 中的 Remotion 技能用 React 代码驱动可复现的程序化视频创作 本指南以 LifeOS 开源仓库中的 Remotion 技能定义 h人工智能大模型AI Agent代码智能体3个关键策略让您的媒体处理效率提升300%Waifu2x-Extension-GUI批量处理全攻略3个关键策略让您的媒体处理效率提升300%Waifu2x Extension GUI批量处理全攻略 作为一名视频创作者或设计师您是否曾为处理数百张图片或数十人工智能大模型AI Agent代码智能体SWE-agent环境核心深入解析SWEEnv执行环境的完整指南SWE agent环境核心深入解析SWEEnv执行环境的完整指南 SWE agent作为一款面向软件开发工程的智能代理系统其核心执行环境SWEEnv承担着任AI AgentAgent 框架代码智能体后端开发工具上一篇如何用 5 分钟从图片里提取隐藏数据StegOnline 图像隐写实操指南下一篇5分钟跑通 BilldDesk开源免费远程桌面软件完全上手指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 mini-SWE-agent 环境体系全解析：local、docker、singularity 与 SWE-ReX 扩展环境的执行架构与实践指南
人工智能大模型AI Agent代码智能体【免费下载链接】mini-swe-agentThe 100 line AI agent that solves GitHub issues or helps you in your command line. Radically simple, no huge configs, no giant monorepo—but scores 74% on SWE-bench verified!项目地址https://gitcode.com/gh_mirrors/mi/mini-swe-agent点击查看免费下载mini-SWE-agent 是一个以极简著称的 AI 编程代理约百行核心代码即可驱动模型解决 GitHub issue 或在命令行中辅助开发。其极简表象下的关键支撑正是src/minisweagent/environments/目录中一套设计统一的执行环境Environment抽象层。本文以 environments 目录 README 为骨架结合源码深入拆解各环境的实现原理、配置参数、调用链与选型思路帮助读者掌握如何在本地、Docker/Podman、Singularity/Apptainer 容器以及 SWE-ReX、Modal、bubblewrap 等沙箱中安全、可靠地运行 AI 代理的命令。为什么需要环境抽象层AI 代理的核心循环是模型生成命令 → 环境执行命令 → 把结果回传给模型。环境层正是这一循环的执行端。在 mini-SWE-agent 中Environment被定义为一个 Protocol协议类它规定了任何环境实现都必须提供三个能力execute(action, cwd)执行命令并返回{output, returncode, exception_info}结构的结果字典get_template_vars(**kwargs)提供供提示词模板渲染的上下文变量serialize()输出环境的序列化描述含配置与环境类型全限定名用于结果落盘与审计。从 environments 包的__init__.py可以看到包内维护了一张环境注册表_ENVIRONMENT_MAPPING把短名字映射到具体类注册名实现类说明dockerDockerEnvironment在 Docker/Podman 容器内执行singularitySingularityEnvironment在 Singularity/Apptainer 沙箱内执行localLocalEnvironment直接在本机执行swerex_dockerSwerexDockerEnvironment经 SWE-ReX 管理 Docker 容器swerex_modalSwerexModalEnvironment经 SWE-ReX 在 Modal 云端沙箱执行bubblewrapBubblewrapEnvironment用 bubblewrap 做非特权沙箱contreeContreeEnvironment经 contree-sdk 在 ConTree 容器执行两个工厂函数完成装配get_environment_class(spec)把注册名或直接的全限定类路径解析成类对象get_environment(config, default_type)从配置字典中弹出environment_class字段实例化对应环境并把剩余键作为构造参数传入。因此用户配置环境时只需在 YAML 中写明environment_class与参数即可无需关心实现细节。本机执行LocalEnvironmentlocal.py是最直白的环境实现——在本地机器上直接执行 bash 命令。配置项LocalEnvironmentConfigpydantic 模型支持三个参数cwd默认命令工作目录为空时回退到os.getcwd()env默认{}附加环境变量通过os.environ | self.config.env与宿主环境合并timeout默认30单条命令的超时秒数。执行原理execute()拿到action[command]后调用模块级函数_run()其实现细节值得注意用subprocess.Popen以shellTrue启动命令textTrue且encodingutf-8、errorsreplace保证输出总能以 UTF-8 文本解码stderrsubprocess.STDOUT把标准错误合并进标准输出关键设计start_new_sessionos.name posix让子进程成为独立进程组超时触发时用os.killpg(process.pid, signal.SIGKILL)杀掉整个进程组避免残留孤儿子进程。任何异常包括超时都会被捕获并转为returncode-1的结果字典附带exception_info与extra.exception_type保证调用方永远拿到结构化输出而非裸异常。提交协议所有环境共享同一个完成协议当输出首行为COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT且返回码为 0 时_check_finished()抛出Submitted异常把剩余行作为最终提交内容交给 Agent 循环见 exceptions.py。这正是 mini.yaml 提示词中要求模型用echo COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT收尾的底层依据见 mini.yaml 提示词部分。容器执行DockerEnvironmentdocker.py将命令放进 Docker 容器执行是基准测试如 SWE-bench中最常用的环境。配置项DockerEnvironmentConfig参数最丰富逐一说明image必填容器镜像名cwd默认/容器内工作目录docker exec时通过-w指定env默认{}写入容器的环境变量-eforward_env默认[]需要从宿主转发的环境变量名列表仅当宿主确实设置了该变量时才转发与env冲突时env优先timeout默认30单条命令超时秒executable默认取$MSWEA_DOCKER_EXECUTABLE否则docker这也决定了 Podman 的兼容方式——把该参数设为podman即可用 Podman 代替 Dockerrun_args默认[--rm]传给docker run的额外参数默认容器退出即删除container_timeout默认2h容器存活时长格式与sleep命令一致pull_timeout默认120拉取镜像的超时秒数interpreter默认[bash, -lc]容器内解释命令的方式可改成[python, -c]或用[bash, -c]去掉登录 shell。生命周期与执行流程构造时_start_container()用docker run -d --name minisweagent-随机8位hex -w cwd --rm image sleep 2h启动一个长期存活的后台容器容器名以minisweagent-为前缀便于识别每次execute()则用docker exec -w cwd [-e 转发变量] 容器ID bash -lc 命令执行单条命令。清理逻辑也很周到cleanup()异步执行(timeout 60 docker stop id || docker rm -f id)且__del__兜底防止对象销毁时泄漏容器。这也解释了为何 README 只强调docker.py同时支持 docker 与 podman——切换点就是executable参数与MSWEA_DOCKER_EXECUTABLE环境变量。沙箱执行SingularityEnvironmentsingularity.py面向无 root 权限的 HPC 场景用 Singularity/Apptainer 构建可写沙箱执行命令。配置项image必填沙箱镜像cwd默认/env/forward_env同 Docker 语义timeout默认30executable默认取$MSWEA_SINGULARITY_EXECUTABLE否则singularitysandbox_build_retries默认3构建沙箱失败时的重试次数源码注释说明构建极少失败但可能失败global_args默认[--quiet]放在子命令前的全局参数exec_args默认[--contain, --cleanenv, --fakeroot]传给singularity exec的参数——--contain隔离文件系统、--cleanenv清空宿主环境、--fakeroot提供伪 root 权限。执行原理构造时在tempfile.gettempdir()下创建minisweagent-随机hex目录反复执行singularity build --sandbox dir image直到成功。执行命令时拼接singularity --quiet exec --contain --cleanenv --fakeroot [--pwd cwd] [--env ...] --writable sandbox_dir bash -c command其中--writable让沙箱目录可写从而模拟一个可修改文件系统的持久环境。cleanup()直接删除沙箱目录__del__兜底。通过 SWE-ReX 管理远程执行Extras 目录中的两个环境把容器的管理职责外包给 SWE-ReXswe-agent 生态的沙箱运行时库mini-SWE-agent 只负责把action翻译成RexCommand并解析执行结果。这样既复用了 SWE-ReX 成熟的部署/清理逻辑也保持了Environment协议的统一。SwerexDockerEnvironmentswerex_docker.py用DockerDeployment(image..., **deployment_extra_kwargs)创建并启动容器配置仅四个字段image必填、cwd默认/、timeout默认30、deployment_extra_kwargs透传给 DockerDeployment 的额外参数。执行时构造RexCommand(command, shellTrue, checkFalse, cwd..., timeout..., merge_output_streamsTrue)交给 runtime 执行merge_output_streamsTrue同样实现 stdout/stderr 合并。SwerexModalEnvironmentswerex_modal.py把环境放到 Modal 的 serverless 云端沙箱中适合大规模并行评测、隔离的云端评估环境、训练编码代理的规模化远程执行等场景。其配置更丰富image必填支持 Docker Hub 镜像名、ECR 镜像名含 AWS 账号与 region或本地 Dockerfile 路径cwd默认/、timeout默认30、env默认{}startup_timeout默认60.0等待运行时启动的秒数runtime_timeout默认3600.0Modal 沙箱最长存活时间deployment_timeout默认3600.0部署超时install_pipx默认True是否在容器内安装 pipxSWE-ReX runtime 依赖modal_sandbox_kwargs透传给modal.Sandbox.create的额外参数。执行逻辑与 swerex_docker 一致额外支持通过env注入环境变量还提供了显式stop()方法用于停止部署内部对deployment.stop()加了 10 秒等待超时。非特权沙箱BubblewrapEnvironmentbubblewrap.py使用 bubblewrap——Linux 上的低层非特权沙箱工具——为每个环境创建独立工作目录并限制对操作系统与用户数据的访问。注意源码顶部明确警告该环境是实验性的且不支持 Windows。其默认wrapper_args给出了最小可用 Linux 沙箱的经典配方--unshare-user-try --ro-bind /usr /usr --ro-bind /bin /bin --ro-bind /lib /lib --ro-bind /lib64 /lib64 --ro-bind /etc /etc --tmpfs /tmp --proc /proc --dev /dev --new-session --setenv PATH /usr/local/bin:/usr/sbin:/usr/bin:/bin即尝试取消用户命名空间共享、把系统目录只读绑定进沙箱、/tmp用 tmpfs、挂载/proc与/dev、并重设 PATH。execute()时再额外执行--bind cwd cwd --chdir cwd把当前工作目录以可写方式绑定从而允许命令修改工作区文件配置项支持自定义cwd、env、timeout、executable默认$MSWEA_BUBBLEWRAP_EXECUTABLE或bwrap以及整份wrapper_args。云原生容器ContreeEnvironmentcontree.py基于 contree-sdk 在 ConTree 容器中执行命令是环境中唯一直接继承Environment协议的类。其特有配置包括contree_configConTree 客户端配置ContreeConfig或字典字典会自动转换imageimage_tag优先按 tag 拉取镜像失败则按image导入并把 tag 写回cwd_auto_create默认True启动后自动mkdir -p工作目录interpreter默认[bash, -c]timeout默认100import_username/import_password镜像需要导入时的凭据。执行时通过session.run(shell..., cwd..., timeout..., disposableFalse, env...)运行命令输出取session.stdout session.stderr退出码取session.exit_code异常还会把 dataclass 异常字段序列化进extra便于排查。配置示例从本地到基准测试环境在 默认配置 default.yaml 与 mini.yaml 中environment:段即直接对应环境构造参数。典型用法如下。本机直接执行mini.yaml 中省略environment_class默认即 local并注入禁用交互式分页等环境变量environment: env: PAGER: cat MANPAGER: cat LESS: -R PIP_PROGRESS_BAR: off TQDM_DISABLE: 1Docker 容器执行SWE-bench 单实例配置节选见 swebench.yamlenvironment: cwd: /testbed timeout: 60 environment_class: docker env: BASH_ENV: /root/.bashrc # 让镜像里的 conda activate testbed 生效SWE-bench 的 Modal 云端评测见 swebench_modal.yamlenvironment: environment_class: swerex_modal cwd: /testbed timeout: 60ProgramBench 长时间任务见 programbench.yamlenvironment: cwd: /workspace timeout: 180 container_timeout: 7h environment_class: docker executable: docker这些示例展示了选型思路local用于交互式开发、docker用于可复现的隔离评测、swerex_modal用于云端大规模并行、singularity用于 HPC 无 root 场景、bubblewrap用于本机轻量非特权沙箱。环境内部的统一约定从源码可归纳出全部环境共享的四条内部约定统一结果字典成功返回{output, returncode, exception_info: }失败返回returncode-1并携带exception_info与extra.exception_type等诊断信息输出合并stderr均并入stdoutDocker/Singularity 用stderrsubprocess.STDOUTSWE-ReX 用merge_output_streamsTrue便于模型一次读取完整上下文提交协议输出首行命中COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT且返回码为 0 时抛出Submitted异常结束任务模板变量与序列化get_template_vars()用 serialize.py 的recursive_merge合并配置与平台信息如platform.uname()供提示词渲染serialize()输出环境类型全限定名与配置 JSON写入结果文件。选型建议与注意事项开发调试优先local零依赖、响应快注意每条命令运行在独立子 shell 中目录与环境变量变更不持久可用cd ... ...前缀或在单条命令内完成。可复现评测优先docker含 Podman 通过executable: podman镜像即环境容器默认--rm自动清理。无 root 的 HPC 集群选singularity/apptainer沙箱目录可写、默认开启--fakeroot构建失败自动重试。大规模云端并行选swerex_modal按需创建 Modal 沙箱注意runtime_timeout与startup_timeout的合理设置。本机轻量隔离选bubblewrap实验性、仅 Linux以只读系统目录 可写工作目录的组合限制命令的破坏面。无论选哪种环境最终提交都必须以echo COMPLETE_TASK_AND_SUBMIT_FINAL_OUTPUT单独成行收尾否则 Agent 循环不会认为任务完成。如需深入某个实现的完整代码可继续阅读 docker.py、local.py、singularity.py 及 extra 目录 中的各扩展环境以及对应的测试文件如 test_docker.py、test_local.py、test_contree.py它们共同构成了 mini-SWE-agent 环境层的完整证据链。赞分享人工智能大模型AI Agent代码智能体【免费下载链接】mini-swe-agentThe 100 line AI agent that solves GitHub issues or helps you in your command line. Radically simple, no huge configs, no giant monorepo—but scores 74% on SWE-bench verified!项目地址https://gitcode.com/gh_mirrors/mi/mini-swe-agent点击查看免费下载相关推荐LifeOS 中的 Remotion 技能用 React 代码驱动可复现的程序化视频创作LifeOS 中的 Remotion 技能用 React 代码驱动可复现的程序化视频创作 本指南以 LifeOS 开源仓库中的 Remotion 技能定义 h人工智能大模型AI Agent代码智能体3个关键策略让您的媒体处理效率提升300%Waifu2x-Extension-GUI批量处理全攻略3个关键策略让您的媒体处理效率提升300%Waifu2x Extension GUI批量处理全攻略 作为一名视频创作者或设计师您是否曾为处理数百张图片或数十人工智能大模型AI Agent代码智能体SWE-agent环境核心深入解析SWEEnv执行环境的完整指南SWE agent环境核心深入解析SWEEnv执行环境的完整指南 SWE agent作为一款面向软件开发工程的智能代理系统其核心执行环境SWEEnv承担着任AI AgentAgent 框架代码智能体后端开发工具上一篇如何用 5 分钟从图片里提取隐藏数据StegOnline 图像隐写实操指南下一篇5分钟跑通 BilldDesk开源免费远程桌面软件完全上手指南创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考