Open SWE:为你的组织构建内部编码代理的开源框架

你是否曾幻想过拥有一个像 Stripe 的 Minions、Ramp 的 Inspect 或 Coinbase 的 Cloudbot 那样的内部编码代理?它能在 Slack 里听你指挥、在 Linear 上自动认领工单、还能在沙箱中安全地修改代码并提交 PR——而这一切现在可以开源方式实现了。

Open SWE 正是这个模式的开源版本。它基于 LangGraph 和 Deep Agents 构建,提供了一个经过顶级工程组织验证的架构:隔离的云沙箱、Slack/Linear/GitHub 多平台触发、子代理编排、以及自动 PR 创建。你可以直接使用,也可以深度定制,使其完美适配你自己的代码库和团队工作流。

截至收录:
Open SWE stars数:10565
Open SWE forks数:1227

Open SWE项目目录截图

Open SWE项目核心亮点

🌟 基于 Deep Agents 的组合式架构:不是从零造轮子,而是在 Deep Agents(LangGraph 之上)进行组合,让你既能拉取上游改进,又能自由定制编排、工具和中间件,获得明确的升级路径。

☁️ 完全隔离的云沙箱环境:每个任务运行在独立的远程 Linux 沙箱中,带完整 shell 访问权限。支持 Modal、Daytona、Runloop、E2B、LangSmith 等多种提供商,也支持接入你自己的沙箱。任务并行执行,互不干扰,爆炸半径可控。

🧰 精选工具集,而非工具堆积:Open SWE 仅提供约 15 个精心策划的工具,包括 execute(shell)、fetch_url(网页抓取)、http_request(API调用)、linear_comment(Linear评论)以及 slack_thread_reply(Slack回复)等。配合 Deep Agents 内置的文件操作与子代理工具,覆盖所有核心开发动作。

🧠 智能上下文工程:自动从 AGENTS.md 读取仓库规范并注入系统提示;同时将完整的 Linear issue 或 Slack 线程历史打包给代理,让它从一开始就拥有丰富的上下文,而不是靠一遍遍探索去猜测。

⚙️ 子代理 + 中间件的高效编排:主代理可通过 task 工具生成子代理,并行处理独立子任务;同时支持确定性中间件钩子(例如 check_message_queue_before_model)在模型调用前插入运行中的新消息。这意味着你可以边跑边给代理发指令,它会在下一步就响应你。

Open SWE快速开始

只需几步,你就能本地启动一个 Open SWE 实例:

  1. 克隆仓库并安装
    bash
    git clone https://github.com/langchain-ai/open-swe.git
    cd open-swe
    # macOS 桌面版(Beta)可按需安装:
    make install-desktop
  2. 配置环境变量:在 .env 中设置 GitHub OAuth、LangSmith API Key,以及 Slack/Linear 的应用凭证(详细步骤见官方 Installation Guide)。
  3. 启动后端与 Dashboard
    bash
    make dev # 启动本地开发环境(后端 + Web 控制台)
  4. 触发你的第一个任务:在 Slack 中 @你的 bot 并指定仓库:
    text
    @openswe repo:owner/name 请修复这个 issue 中的 bug

Open SWE应用场景

场景一:自动化处理 Linear 工单:开发者在 Linear issue 下评论 @openswe,代理会读取完整上下文,回复 👀 表示已接收,并在云端沙箱中分析代码、编写修复、运行测试,最终自动创建 Draft PR 并链接回工单。

场景二:Slack 内即时编码助手:在任意 Slack 线程中 @bot,即可让它检查代码、解释逻辑、执行重构或提交 PR。你可以在任务执行过程中继续发消息——代理会在下一步处理你的新指令,支持多任务并行,无需排队。

场景三:PR 评审的自动迭代:当 Open SWE 创建的 PR 收到评审意见时,你只需在 PR 评论中 @openswe,它便会基于反馈修改代码、推送新 commit 到同一分支,并在原渠道回复结果。

用户案例:Stripe、Ramp、Coinbase 等顶级工程组织已在其内部实践类似模式;Open SWE 正是这一模式的开源实现,适合任何希望构建内部编码代理、但不想从零搭建的中大型技术团队。

Open SWE链接

langchain-ai / open-swe项目地址:https://github.com/langchain-ai/open-swe

本文地址:https://www.tgoos.com/45675

声明:本站资源均整理自互联网,版权归原作者所有,仅供学习交流使用,请勿直接商用,若需商用请购买正版授权。因违规使用产生的版权及法律责任由使用者自负。部分资源可能包含水印或引流信息,请自行甄别。若链接失效可联系站长尝试补链。若侵犯您的权益,请邮件(将 # 替换为 @)至 feedback#tgoos.com,我们将及时处理删除。转载请保留原文链接,感谢支持原创。