Stray_Lambs的博客

SWE-agent提出将智能体-计算机接口（ACI）作为模型与代码仓库间的独立设计层，证明在固定模型权重下，精心设计的接口可显著提升代码修复成功率。实验显示，GPT-4Turbo在SWE-bench上从11.00%提升至18.00%，绝对提高7个百分点。核心机制包括状态化窗口、汇总搜索、多行编辑与lint回滚，有效降低状态跟踪负担。研究强调：界面设计是代码Agent的关键基础设施，保护机制与信息预算管理比单纯增加上下文更值得投入。结论基于2024年实验口径，不可直接外推至当前模型或评测体系。

ReAct在2022–2023年首次将语言推理与环境反馈纳入统一执行轨迹，通过Thought（推理）与Action（行动）的交替，实现“以推理指导行动、以行动修正推理”的闭环。实验表明，该范式在知识问答与交互决策任务中显著优于纯推理或纯行动模型，尤其在降低事实幻觉方面成效明显。但其效果依赖于外部证据，且易受检索错误与循环推理影响。核心价值在于构建可观察、可校正的执行过程，而非完整智能体系统。现代应用应保留其闭环结构，并通过工具权限、超时、回退等工程控制保障安全与稳定。