SWE-Hub:面向可扩展、可执行软件工程任务的统一生产系统

摘要

软件工程智能体的进展日益受限于可用于训练与评估的可执行、可扩展、真实数据的稀缺。这种稀缺源于现有流水线的三个根本挑战：环境脆弱且难以跨语言复现；大规模合成真实的系统级漏洞计算代价高昂；现有数据多为短时程修复，未能捕捉架构一致性等长时程能力。我们提出SWE-Hub，一个端到端系统，它通过把环境自动化、可扩展合成与多样化任务生成统一为一个连贯的生产栈，使数据工厂抽象得以落地。在其基础层面，Env Agent通过自动把原始仓库快照转换为带标准化接口的可复现多语言容器环境，建立共享执行基底。在此基底之上，SWE-Scale引擎满足高吞吐生成需求，结合跨语言代码分析与集群级验证，合成大量局部漏洞修复实例。Bug Agent通过合成涉及跨模块依赖的系统级回归，并配上描述可观测症状而非根因的类用户问题报告，生成高保真修复任务。最后，SWE-Architect通过把自然语言需求翻译为仓库级build-a-repo任务，把任务范围从修复扩展到创建。通过整合这些组件，SWE-Hub建立起能够在软件工程全生命周期持续交付可执行任务的统一生产流水线。

SWE-Hub:面向可扩展、可执行软件工程任务的统一生产系统 — 图3：SWE-Scale 架构。该系统将环境就绪基底（Environment-Ready Substrate）转换为可执行的缺陷修复（bug-fix）实例。流水线遵循结构化流程：共享解析骨干（Shared Parsing Backbone）使用 Tree-sitter AST 执行多语言实体分析以识别目标；候选生成器（Candidate Generator）通过程序化或 LLM 辅助策略合成故障规范；Kubernetes 规模的验证集群（Kubernetes-Scale Verification Cluster）在隔离的沙箱 pod 中实例化补丁，执行测试并进行行为有效性检查，以生成经验证的任务记录。