mini-SWE-agent 深度解读：100 行 Python 代码，SWE-bench 74% 背后的极简 Agent 哲学
🔗 [GitHub: SWE-agent/mini-swe-agent](https://github.com/SWE-agent/mini-swe-agent) | [SWE-bench Leaderboard](https://www.swebench.com/)
📌 核心问题：Agent 框架越复杂越好吗？
2024 年 SWE-agent 横空出世，用精心设计的 Agent-Computer Interface（ACI）开创了 Coding Agent 范式。一年后，同一批人（Princeton + Stanford）反其道而行：如果我们把 Agent 砍到只剩 100 行 Python，还能跑多好？
答案令人震惊：mini-SWE-agent 用约 100 行代码的 Agent 类，在 SWE-bench Verified 上跑出了 >74% 的成绩——与 Gemini 3 Pro 配合甚至达到 74%，领先当时所有模型。
这不只是一个 benchmark 数字。它揭示了一个深刻洞察：在 LLM 能力足够强的今天，Agent scaffold 的复杂度可能是一种负债，而非资产。
🔥 关键数据
- 代码量：Agent 类 ~100 行 Python（加上环境、模型、运行脚本总共几百行）
- SWE-bench Verified：>74%（Gemini 3 Pro 达到 74%，位居榜首）
- SWE-bench-Live（真实未见问题）：~18-20%（与所有 Agent 持平，说明瓶颈在模型而非 scaffold）
- 对比 OpenHands：72%（Claude 4.5 Extended Thinking），但代码量是 mini 的 100 倍以上
- 采用者：Meta、NVIDIA、IBM、Essential AI、Anyscale、Princeton、Stanford 等
- 安装：`pip install mini-swe-agent` 一条命令搞定
🧠 技术架构：三个核心设计决策
1. 只用 Bash，没有其他工具
mini-SWE-agent 不实现任何自定义工具——没有文件编辑 API、没有搜索命令、没有 Lint 接口。唯一的工具就是 bash。
这意味着：
- 任何能理解 bash 的模型都能直接运行，无需 function calling 支持
- 沙箱环境不需要预装任何包，只要有 bash 就行
- 模型需要自己学会用 shell 完成所有操作（grep、sed、awk、python 一行脚本等）
2. 完全线性历史，没有状态管理
每次 Agent 步骤只是把新消息追加到 messages 列表。没有复杂的上下文压缩、没有历史折叠、没有滑动窗口。
好处：
- 调试极简：看到的 messages 就是传给 LLM 的完整上下文
- 微调友好：轨迹（trajectory）和 messages 完全一致，不需要额外转换
- 可预测性：不会因为历史压缩丢信息
3. subprocess.run 替代 stateful shell
每个动作用 `subprocess.run` 独立执行，不维持持久 shell 会话。每次执行都是全新的进程。
这看起来效率低，但实际意义巨大：
- 沙箱切换只需把 `subprocess.run` 换成 `docker exec`
- 水平扩展极其简单——每个动作都是独立的
- 不会出现 shell 状态污染导致的诡异 bug
🔑 关键洞察
洞察一：架构设计 > 代码量
mini-SWE-agent 证明了一个反直觉结论：Agent 的性能源于架构设计选择，而非代码复杂度。 100 行代码选对了架构，就能打败 10,000 行代码的重型框架。
这与软件工程的 "Worse is Better" 理念一脉相承——简单、可理解的系统往往比复杂的系统更有效。
洞察二：模型能力在快速消解 scaffold 价值
2024 年 SWE-agent 需要精心设计 ACI（Agent-Computer Interface），因为当时的模型不擅长直接操作 shell。2025 年模型能力大幅提升后，这些精心设计的接口反而成了多余。
当模型足够聪明时，最好的 scaffold 就是几乎没有 scaffold。 这对所有 Agent 框架开发者都是一个警示。
洞察三：SWE-bench-Live 揭示的真实天花板
在 SWE-bench Verified 上 74% 看起来很亮眼，但在 SWE-bench-Live（完全未见的新问题）上只有 ~18-20%。这不是 scaffold 的问题，是模型的天花板。 所有 Agent（无论多复杂）在真实新问题上表现都差不多。
说明当前 benchmark 的高分很大程度上来自数据污染和模式匹配，真正的软件工程能力还有很大提升空间。
洞察四：随机切换模型也能提升性能
mini-SWE-agent 团队还发现了一个有趣现象：在每个步骤随机切换 GPT-5 和 Sonnet 4，性能反而更好。 这暗示不同模型有不同的"认知风格"，混合使用可以互补短板。
🚀 引发思考
mini-SWE-agent 不只是一个工具，它是对整个 Agent 生态的一次"反向压力测试"。当我们在 OpenClaw、Claude Code、Cursor 等工具中堆叠越来越多的功能（MCP、Skills、Hooks、Sub-agents）时，是否应该定期问自己：
如果砍掉 90% 的代码，核心能力会受损多少？
答案可能出乎意料——就像 mini-SWE-agent 展示的那样。
对于 Agent 开发者，这意味着：
- 优先投资模型选择和 prompt 设计，而非 scaffold 功能
- 保持 scaffold 的可替换性——今天需要的 ACI，明天可能不需要
- 用最简系统作为 baseline，复杂系统必须证明其额外复杂度的价值
📎 相关阅读
- [SWE-agent 原论文（NeurIPS 2024）](https://arxiv.org/abs/2405.15793)
- [mini-SWE-agent 文档](https://mini-swe-agent.com/latest/)
- [OpenHands vs SWE-Agent 对比](https://localaimaster.com/blog/openhands-vs-swe-agent)
- [mini-SWE-agent 教程：构建极简 AI Agent](https://minimal-agent.com/)
*逍遥云初 | 2026.05.04*
