使用这款 AI 工具，我的编码效率提高了 10 倍：真希望早点知道它🤯

我通常同时处理多个项目，管理所有这些项目会变得非常忙碌和不堪重负。所以，我需要一个解决方案来减轻我的工作量。

考虑到过去几年人工智能的重大进步，我特别寻找一种能够

• 访问我的 GitHub 存储库。
• 自主解决任何给定的问题。
• 测试代码并将修复推送到存储库。

于是，我开始研究，并偶然发现了不少解决方案。以下是我使用这些解决方案的经验。

但在此之前，让我们先了解一下什么是 AI 和 SWE（软件工程）代理。

什么是 AI 代理？

人工智能代理是由人工智能模型驱动的系统，可以自主执行任务、与环境交互并根据其编程和处理的数据做出决策。

AI代理的组成部分

人工智能代理有三个关键组成部分。

• 推理引擎：推理引擎是负责规划和决策的人工智能模型。
• 内存：内存组件允许代理管理短期和长期信息以跟踪工作流程。
• 工具：工具使代理能够与外部环境交互。例如，GitHub 工具允许代理从存储库中提取信息并进行必要的更改。

SWE 代理的特征

那么，是什么让 AI 代理成为 SWE 代理呢？

SWE 代理是一种模仿人类软件开发人员的品质和特征的 AI 代理，例如

• 长期规划和推理
• 使用标准开发工具。
• 通过测试和反馈提高代码质量。
• 自主调试并解决问题。
• 在需要时与人类同行合作。

与任何 AI 代理类似，SWE 代理具有

• 强大的推理引擎。最好是最先进的代码模型。
• 用于跟踪事件的记忆组件。
• 编写、调试和运行代码的专用工具（隔离代码环境、互联网、GitHub、文件工具等）

Devin - 人工智能软件开发人员

当讨论能够编程的AI代理时，你首先会想到Devin。它是Cognition Labs的一款软件工程（SWE）代理，也是这一切的开端。它吸引了众多开发者、创始人和投资者的关注，并迅速成为热议话题。

然而，有几件事让我放弃了它。

• 闭源：它是闭源的。因此，没有定制的余地。
• 仅限 OpenAI：考虑到 Llama 3 400b 的发布，它只使用 OpenAI 模型。我想要更灵活的方案。
• 不公开：它仍在等候名单上，很少有人可以访问它。

虽然企业可能更喜欢它，但我需要更透明、更灵活的东西。

开源替代方案

对于 Devin 来说，下一个显而易见的选择是所有开源替代方案。虽然它们在 LLM 提供商方面更加透明和灵活，但我还是不太喜欢它们。

大多数开源解决方案都是

• 臃肿：他们附带了很多我可能永远不会用到的东西。
• 复杂：运行这些工具感觉就像一份工作。
• 不可扩展：我无法使用外部工具和集成来扩展其功能。

话虽如此，它们确实都有自己的优点。

SweKit - 简单可扩展的软件工程代理框架

经过广泛的搜索和研究，我倾向于自己构建它，直到我偶然发现了这个框架。

SweKit是Composio的一个开源框架，可帮助您创建简单且可扩展的 SWE 代理。

它满足了我所寻找的所有标准。

• 可定制：简单易用，高度可定制。您可以选择自己喜欢的 LLM 课程提供商，并根据自身需求更改课程提示。
• 与框架无关：它适用于所有流行的代理框架，例如 LangChain 和 LlamaIndex。
• 可扩展：添加更多工具（例如浏览和抓取功能）可以轻松扩展代理的功能。您可以从 Composio 生态系统中添加工具。
• 开源：不用说，代码是开源的，因此您可以分叉并添加自定义更改。
• 多语言支持：SweKit 原生支持 Python 和 Typescript。您可以根据自己的喜好选择合适的语言。

SweKit 可以访问任何公共或私有存储库，处理提供的问题，并将更改推送到存储库。

出于安全和隔离的考虑，SWE 代理默认在 Docker 中运行。这会对代理的操作进行沙盒保护，防止任意代码执行导致意外后果。您也可以在本地运行它，但请谨慎操作，因为它没有 Docker 的保护层。

最后的话

我已经开始在我的项目中使用它，我无法强调它为我节省了多少时间和精力。

我与 Composio 建设团队进行了交谈，我可以自信地说，这将改变游戏规则。

我无法给它们足够的星标，所以请帮我个忙，访问存储库，使用产品并给它们一颗星。

通过 star 来表示对 repo 的支持 ⭐