Benzi 代理少读 55% 代码,SWE-bench 达 78.2% 单次修复不到 1 毛

DonkeyTheKing · reddit · 2026-09-16

开发者发布开源 coding harness Benzi,主张与其把大量源码塞进上下文,不如用确定性工具调用替代阅读代码:

• 核心思路:现有 agent(harness)靠检索代码片段或高维嵌入喂给模型,导致 token 暴涨、上下文漂移、多文件重构时行号错位需重新 grep。Benzi 从底层设计上让模型尽量不读源码,而是通过工具调用获得确定性信息——比如改代码前查询"哪些函数调用它",编译器直接告知改动影响范围(blast radius)并附带静态分析检查。
• 基准数据:Benzi Sonnet 完成同样任务只读 9,125 行代码,对比 Claude Code 20,704 行、DeepSeek harness 43,598 行、OpenCode 65K+(因反复失败被取消资格);SWE-bench Verified 达 78.2%,单次修复成本不到 10 美分(使用 V4flash)。
• 其他特性:明确区分可静态分析内容与需运行时验证的"truth tiers",并在其上叠加运行时 tracer;支持任务中途感知能力不足自动升级模型;支持 Python、JavaScript、TypeScript、Java、C#、C++、C、Go、Rust、Ruby 等 10 种语言。
• 作者观点:当全行业砸钱扩上下文窗口时,"索引仓库 > 读原始代码"的路线可能在经济性和代码理解能力上更划算。项目开源,GitHub 与在线 demo 均已放出。

原文链接 →

「编程与Agent」频道最新

• General Reasoning 首发博客:详解如何用强化学习训练 Agent 集群协作 — rosstaylor90 · 2026-11-02
• 开发者指出:编码不再是瓶颈,使用量窗口才是 — kylegawley · 2026-11-02
• demo 通过≠可上线:让 Agent 接管业务前必答的五个问题 — _kellhus · 2026-11-02
• AI agent 通过 100 次测试，为何仍不能接管业务 — djgoel123 · 2026-11-02
• 让 Agent 全权创作:纯代码产出 1 分 44 秒动画短片《最后的园丁》 — ivegotnoidea1 · 2026-11-02
• 起床、用 Claude Code、睡觉：梗图调侃一天全靠它 — tekbog · 2026-11-02

更多「编程与Agent」频道 AI 资讯 →