SWE-Edit：重新思考高效 SWE-Agent 的代码编辑

大语言模型 代理在软件工程方面取得了长足的进步，但当前的系统遇到了上下文耦合问题：标准代码编辑界面将代码检查、修改计划和编辑执行合并在单个上下文窗口中，迫使代理将探索性查看与严格格式化的编辑生成交织在一起。不相关的上下文会累积，编辑可靠性会降低。我们提出 SWE-Edit，它将编辑界面分解为两个专门的子代理：一个根据需要提取任务相关代码的查看器，以及一个执行高级自然语言计划修改的编辑器——让主代理专注于推理，同时将上下文密集型操作委托给清理上下文窗口。在 SWE-Bench Verified 上，这种分解将解决率提高了 2.1 个百分点，并将推理成本降低了 17.9%，在多个推理模型系列（Kimi-K2、MiniMax-M2.1、GLM-4.7）中获得了一致的收益。我们进一步表明，有效的编辑格式选择可以训练成一个小模型，而不需要前沿规模的容量：使用自适应查找替换/整个文件重写策略对 Qwen3-8B 进行 GRPO 训练将编辑成功率提高了 12.5 个百分点，并使 8B 开源编辑器在下游 SWE-Bench 解析率上与 GPT-5-nano 相当。为了实现编辑器的快速迭代，我们发布了 PR-Edit，这是一种轻量级评估，其分数与 SWE-Bench 解析率密切相关。我们在 https://github.com/microsoft/SWE-Edit 发布了我们的代码。