想看懂 AI 怎样修测试，mini-swe-agent 把执行循环摊在代码里

AI 编程工具能跑测试、改文件，但一次修复为什么成功，失败后又是怎样改变下一步，界面里未必看得清。mini-swe-agent 的吸引力在另一处：把这条循环写得足够直接，让开发者能沿着真实代码看懂模型与执行环境怎样来回合作。

先对齐项目。同一团队在 README 中把 mini-swe-agent 推荐为默认选择，并保留 SWE-agent 面向工具接口与历史处理实验的用途；当前仓库明确是 v2，旧版留在 v1 分支。这篇看的是当前实现，不借历史榜单把它包装成今天刚发布的工具。

一次测试失败，怎样进入下一轮

快速开始列出一个很实用的任务：运行当前项目的 pytest，找到失败测试并尝试修复，最后再验证。它是理解代理循环的好材料，因为每一步都有可读的输入输出。

你给它仓库与任务，模型先产生动作；环境执行相应命令，返回结果；观察加入消息历史，成为模型判断下一步的材料。失败信息可能让它继续读取相关源码、调整实现，然后再运行测试。这里描述的是官方任务入口与执行机制，并不是本文运行过的修复结果。

DefaultAgent 源码把核心分成了很容易追踪的方法：step() 先调用 query()，再把模型产生的动作交给 execute_actions()；后者让环境执行动作，并把格式化后的观察写回消息列表。循环持续到出现退出消息，或触及配置的限制与异常路径。

项目强调线性历史：步骤逐次追加到模型消息中，没有另一份独立、难以对照的隐藏执行故事。对于研究者，这让一次失败更容易复查：模型此前看过什么，执行了什么，拿回的错误又是什么。

README 还强调动作独立执行，而不是维持一个持久 shell 会话。需要工作目录或变量时，命令必须把相应状态说清。这种设计便于切换环境，也意味着不能照着人工终端习惯，默认前一条命令设置的一切都持续存在。

序列化代码会保存消息、调用统计、配置、退出状态等；指定输出路径时，可以把轨迹落盘。要比较两个模型或两种提示，你可以围绕同一任务读这些记录，而不只比较最终一句“已完成”。

当前代码采用 MIT 许可，CLI 首次运行会引导模型配置，环境也可以选择本地或容器等路径。模型调用和运行环境仍有各自成本；代码简单，不意味着所有模型都能稳定执行长任务。

尤其要把“代理停止”与“修复成功”分开：它可能因为格式错误、费用或步骤限制退出，也可能生成测试未覆盖的修改。最终成果应是能解释的代码差异和对应验证结果。

如果你只需要现成助手界面，未必有必要读这一层；如果正准备研究修复策略、保存训练轨迹或搭自己的代理基线，我会从这个 DefaultAgent 循环开始。它把可修改的位置交得很清楚，方便把一个想法落实到真实执行过程。