


Kami membuat AI SWE yang menyelesaikan isu di bangku SWE, % sumber terbuka.
Kami di Composito sedang membina infrastruktur alat untuk ejen AI. Salah satu permintaan terbesar pengguna kami ialah kit alat untuk membina ejen pengekodan tersuai yang berfungsi. Jadi, kami mencipta SWE-Kit, templat permulaan dengan semua kit alat untuk membina ejen pengekodan AI.
Ejen ini boleh menjalankan secara setempat dari hujung ke hujung untuk mengautomasikan aliran kerja pengekodan anda.
Untuk menguji kecekapan alatan kami, kami membina sumber terbuka lengkap ejen AI komprehensif menggunakan LangGraph dan mengujinya pada SWE-bench yang disahkan, dan ia mendapat 48.60% dan 41% pada SWE-bench lite.
SWE-bench ialah penanda aras dengan lebih 2,200 isu Python dunia sebenar daripada repositori seperti Django, Flask, Sklearn, SciPy, dll.
Lihat laporan teknikal untuk maklumat lanjut: Reka bentuk alat adalah semua yang anda perlukan untuk ejen SOTA AI
Kod lengkap untuk ejen SWE: Ejen SWE-kit
Alat yang anda perlukan untuk menjalankan ejen secara tempatan
- Alat Analisis Kod: Pintar mengambil coretan kod yang berkaitan daripada repositori.
- Alat Fail: Memudahkan navigasi dan kemas kini fail.
- Alat Shell: Melakukan operasi cangkerang.
- Alat Git: Mengendalikan tugas kawalan versi.
- Ruang kerja Composio Docker untuk pelaksanaan kod terpencil.
Kami mengoptimumkan alatan untuk ketepatan panggilan fungsi yang dipertingkatkan.
Apakah yang boleh anda bina dengan SWE-kit dan Composito?
Kod ini adalah sumber terbuka, malah anda boleh mengubah suainya untuk menambah integrasi luaran seperti GitHub, Jira, Linear, Slack, dsb., menggunakan Composito untuk membina jurutera perisian AI yang lengkap.
Anda boleh mengautomasikan banyak aspek aliran kerja pembangunan Perisian anda dengan ejen tersuai seperti,
- Menulis kod
- asas kod pemfaktoran semula
- ujian
- dokumentasi
- Pengurusan projek dengan Linear atau Jira, dsb.
- Komunikasi menggunakan Slack dan Gmail.
Untuk penjelasan seni bina ejen SWE-Kit, lihat blog ejen SWE-Kit yang diterbitkan di blog LangChains.
Saya tidak bergurau pun. Banyak syarikat telah mengumpul berjuta-juta hanya daripada ini.
Mula bina ejen pengekodan tempatan tersuai anda dengan SWE-kit sekarang.
Mulakan dengan SWE-kit
Atas ialah kandungan terperinci Kami membuat AI SWE yang menyelesaikan isu di bangku SWE, % sumber terbuka.. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas











Python lebih mudah dipelajari dan digunakan, manakala C lebih kuat tetapi kompleks. 1. Sintaks Python adalah ringkas dan sesuai untuk pemula. Penaipan dinamik dan pengurusan memori automatik menjadikannya mudah digunakan, tetapi boleh menyebabkan kesilapan runtime. 2.C menyediakan kawalan peringkat rendah dan ciri-ciri canggih, sesuai untuk aplikasi berprestasi tinggi, tetapi mempunyai ambang pembelajaran yang tinggi dan memerlukan memori manual dan pengurusan keselamatan jenis.

Untuk memaksimumkan kecekapan pembelajaran Python dalam masa yang terhad, anda boleh menggunakan modul, masa, dan modul Python. 1. Modul DateTime digunakan untuk merakam dan merancang masa pembelajaran. 2. Modul Masa membantu menetapkan kajian dan masa rehat. 3. Modul Jadual secara automatik mengatur tugas pembelajaran mingguan.

Python lebih baik daripada C dalam kecekapan pembangunan, tetapi C lebih tinggi dalam prestasi pelaksanaan. 1. Sintaks ringkas Python dan perpustakaan yang kaya meningkatkan kecekapan pembangunan. 2. Ciri-ciri jenis kompilasi dan kawalan perkakasan meningkatkan prestasi pelaksanaan. Apabila membuat pilihan, anda perlu menimbang kelajuan pembangunan dan kecekapan pelaksanaan berdasarkan keperluan projek.

Adakah cukup untuk belajar Python selama dua jam sehari? Ia bergantung pada matlamat dan kaedah pembelajaran anda. 1) Membangunkan pelan pembelajaran yang jelas, 2) Pilih sumber dan kaedah pembelajaran yang sesuai, 3) mengamalkan dan mengkaji semula dan menyatukan amalan tangan dan mengkaji semula dan menyatukan, dan anda secara beransur-ansur boleh menguasai pengetahuan asas dan fungsi lanjutan Python dalam tempoh ini.

Python dan C masing -masing mempunyai kelebihan sendiri, dan pilihannya harus berdasarkan keperluan projek. 1) Python sesuai untuk pembangunan pesat dan pemprosesan data kerana sintaks ringkas dan menaip dinamik. 2) C sesuai untuk prestasi tinggi dan pengaturcaraan sistem kerana menaip statik dan pengurusan memori manual.

Pythonlistsarepartofthestandardlibrary, sementara

Python cemerlang dalam automasi, skrip, dan pengurusan tugas. 1) Automasi: Sandaran fail direalisasikan melalui perpustakaan standard seperti OS dan Shutil. 2) Penulisan Skrip: Gunakan Perpustakaan Psutil untuk memantau sumber sistem. 3) Pengurusan Tugas: Gunakan perpustakaan jadual untuk menjadualkan tugas. Kemudahan penggunaan Python dan sokongan perpustakaan yang kaya menjadikannya alat pilihan di kawasan ini.

Aplikasi Python dalam pengkomputeran saintifik termasuk analisis data, pembelajaran mesin, simulasi berangka dan visualisasi. 1.Numpy menyediakan susunan pelbagai dimensi yang cekap dan fungsi matematik. 2. Scipy memanjangkan fungsi numpy dan menyediakan pengoptimuman dan alat algebra linear. 3. Pandas digunakan untuk pemprosesan dan analisis data. 4.Matplotlib digunakan untuk menghasilkan pelbagai graf dan hasil visual.
