// 01 DeepSWE 是什么
一、DeepSWE是什么
DeepSWE-Preview 是一个开放源码的强化学习编程智能体，基于 Qwen3‑32B 并采用 rLLM 框架训练，仅通过 200 步 RL 步骤，便显著提升成绩，在 SWE‑Bench‑Verified 上达 59%，创开源 LLM Agent 之最，Pass@1 达 42.2%。
该智能体能理解多文件代码结构，调用 bash、致动编辑器、执行测试等工具，模拟人类软件开发全流程，自动生成、修改并验证代码。
二、研发背景与目标定位
软件工程、LLM 与 RL 的融合
过去基于 GPT 的代码生成依赖SFT，但缺乏交互并验证能力；DeepSWE探索将RL引入，直接在代码环境中通过工具调用与反馈进行训练，提升代理整体解决能力。
提升真实开发表现
通过真实环境中的实际工具链训练，DeepSWE能处理更多边界情况、自我检查错误并修复，贴近真实开发者操作模式。
三、技术架构与训练机制
RL+Tool 调用架构
基于R2E‑Gym 环境，DeepSWE 使用 bash、搜索、文件编辑及 finish等工具，以交互式方式完成代码修复任务。
GRPO++ 算法创新
引入无KL约束、高熵探索、去除方差标准化、length norm、LOO 策略，提升 RL 稳定与长序列任务表现。
测试期增强效果
运行16次 rollouts 并使用 verifier LLM 可将准确率提升至 59%，比基础模型高出约 17 点。
四、性能表现
SWE‑Bench‑Verified：59.0%（Hybrid TTS），42.2% Pass@1。
对比竞品：打败OpenHands、Skywork-SWE等多款 32B 开源模型。
训练成本：6 天、64 张 H100；200 RL 步骤即可显著提升≧20%。
五、部署方式与使用建议
推荐部署：vLLM
建议配合 vLLM（>=0.8.5）使用长上下文支持，本地推理效果良好。
API 接入方式
兼容 OpenAI Chat Completion 接口，支持 Hugging Face TGI、TensorRT‑LLM 等推理框架。
运行配置建议
温度设为1，max tokens >32K，使用 Agentica 推荐 prompt 和工具集配置，确保最优表现。
六、适用场景与用户价值
零代码修复
可在PR中自动定位错误、生成修复代码并验证，节省人力。
多文件工程辅助
DeepSWE擅长大型项目，尤其能处理跨文件依赖、环境配置和测试验证问题。
AI助手嵌入
适合嵌入 IDE、CI/CD、ChatOps 中自动修复或建议代码更改。
研发流水线集成
可作为微服务集成至 DevOps 平台，为企业提供一键补丁能力。
七、优势分析与局限
| 维度 | 优势 | 局限与挑战 |
|---|---|---|
| 开源透明 | MIT + 完整 recipes 构建，促进社区扩展与复现 | RL 超高成本对资源要求高 |
| 真实能力 | 效率、准确度超越自回归 SFT 模型，具备交互能力 | 上下文处理仍受限于模型容量 |
| 工具兼容 | 支持通用 LLM 接口 + vLLM 等系统，即插即用 | 还不具备多 Agent 协作能力 |
| 泛用性 | 可适配多代码库、多语言任务 | 对定制环境/库需二次训练 |
八、项目生态与社区反馈
GitHub Agentica/rLLM 提供完整 RL post-training 框架。
Together AI 全栈开源：模型、训练脚本、数据集和日志，共建共享。
社区热议：Reddit 用户称其“标志着下一代 AI Agent 进入实用阶段”。
