qwen-code 提案:30-50 个特性型 SWE 任务，测试编码 Agent 自身功能面
yiliang114 · ghdev · 2026-10-13
QwenLM/qwen-code 仓库的 issue #14011 提出一套「harness SWE」基准任务:约 30–50 个原创软件工程任务，采用 Terminal-Bench/Harbor 格式，专门用来触发和演示 qwen code 自身的特性(todo 追踪、plan mode、skills/workflows、子 Agent 委派、后台任务、记忆、权限门控)。
核心设计思路:
- 每个任务的形态对应一个 harness 特性:多步依赖实现任务引发 todo 追踪;跨模块模糊重构引发 plan mode;10 个文件的重复机械改动引发子 Agent 委派;长构建引发后台任务;触碰 .env 或危险命令引发权限安全门控;跨会话偏好引发记忆。
- 验证器遵循 DeepSWE 原则:只测可观察行为(端点返回分页结果、测试通过、README 更新)，不检查实现细节，任何正确解法都能通过。
- 同一套任务可兼作用户功能演示，仓库已有 integration-tests/terminal-bench/ 适配器可复用。
「编程与Agent」频道最新
- NVIDIA 发布 cuPotential,将 AI agent 引入芯片工厂车间 — AllThingsApx · 2026-10-16
- Grok Bot 官方模板成金矿：5 分钟定时任务月烧 400 美元算力 — elonmusk · 2026-10-16
- Harness 开源桌面与移动端应用：跨框架跨机器编排 agent 集群 — dee_hw · 2026-10-16
- 开源 Google Analytics MCP Server:自然语言查网站数据 — modelcontextprotocol · 2026-10-16
- 研究者长期实验：什么样的提示词能让 LLM 产出最有意思的点子？ — arjunrajlab · 2026-10-16
- 开发者开源 Agent Standup:把 Claude Code 子代理变成可视化「视频会议」 — stickygoose · 2026-10-16