AI 编程实时动态与要闻

现有的软件工程 Agent 基准（如 SWE-bench）几乎完全依赖从 GitHub Issue 派生的单向任务：给入一段 Issue 描述，让 Agent 尝试在单次多轮尝试中输出最终 Git Patch。然而，真实世界中的软件工程师真的是这样使用 AI 助手的吗？JetBrains 研究院在最新成果（arXiv:2610.09633）中公布了针对 JetBrains IDE 生产环境中 4,782 场真实软件工程师与 AI 交互会话（Production Sessions）的深度实证分析。研究发现，包含至少 3 轮交互的长会话呈现出截然不同的‘任务流（Task Flow）’：开发者的请求绝非单一的代码修改，而是跨越项目代码咨询答疑、架构规划、代码审查、功能重构与编译执行等多重任务类型的动态混合与频繁跳转。现有基准的单向任务模式严重脱离实际。为此，团队推出了 SWE-TaskFlow 框架：通过 Prompt 切分与可验证仓库问答技术，将任意 Issue 基准转换为贴合真实工程节拍的交互任务流，并提出 TaskFlow Alignment Score（TFAS）筛选真实轨迹。在 700 个 SWE-Bench Pro 任务的实测中，顺序多步交互协议使 Agent 算力成本翻倍但成功率未见稳定提升，证实交互协议本身是决定 Agent 实用价值的关键维度，论文与方法论已全面公开。

查看大图

SWE-bench 评测团队联合顶尖机器人实验室（@SWEbench）正式发布 EmbodiedSWE 基准（arXiv: 2609.27308）。该基准将软件工程智能体的评测范围首次从纯代码仓库拓展至机器人仿真与物理交互环境，包含 250 个真实机器人控制系统长程任务，全面考察智能体从物理感知、算法调试到闭环电机控制的代码编写与排错能力。

查看大图