SWE-AF的Go重写之路：swe-planner/swe-fast的Go实现与pro-engine Beta完整解读

【免费下载链接】SWE-AFAutonomous software engineering fleet of AI agents for production-grade PRs on AgentField: plan, code, test, and ship.项目地址https://gitcode.com/gh_mirrors/sw/SWE-AF点击查看免费下载SWE-AF 是一个把「一次 API 调用」变成「完整 AI 软件工程团队」的自主软件开发舰队它由产品经理、架构师、编码、审查、QA 等 22 个角色组成能自动规划、编码、测试并交付 PR。近期整个引擎完成了一次Go 重写产出swe-planner与swe-fast两个 Go 节点并内置了高性能编码引擎pro-engineBeta。本文将带你快速看懂这次重写的思路、两个二进制的职责划分以及 pro-engine 的开关机制。为什么要把 AI 工程团队重写成 Go先给不了解项目的同学 30 秒背景SWE-AF 最初是 Python 实现位于 swe_af/注册在 AgentField 控制平面上通过build等 reasoner 接口接收任务内部调度几十个 agent 协作完成一次构建。Go 版是1:1 移植——Python 包一行未动新实现全部集中在 go/ 目录下。移植要满足四条「不可妥协的平价契约」详见 go/docs/port/design-go-port.md契约含义同名 reasoner每个 Python reasoner 都有同名 Go reasoner调用路径node.reasoner完全一致DAG 血缘一致跨 reasoner 调用走 Go SDKagent.Call控制平面的 DAG 图渲染结果与 Python 版相同API 字节兼容POST /api/v1/execute/async/swe-planner.build的输入字段、返回 JSON 键名逐字节一致Python 不受影响swe_af/原样保留两套测试各自独立通过为什么值得做Go 的静态编译带来单二进制分发、更低的运行时开销以及更自然的并发原语errgroup替代asyncio.gathercontext替代contextvars传递执行血缘。对需要大规模并行调度 agent 的 SWE-AF 来说这是一次顺理成章的进化。两个二进制swe-planner 与 swe-fast 怎么分工Go 版产出两个可执行文件入口分别在 go/cmd/swe-planner/main.go 和 go/cmd/swe-fast/main.go二进制默认 Node ID默认端口角色swe-plannerswe-planner8005完整流水线规划 → DAG 执行 → 验证 → PRswe-fastswe-fast8006快速模式单轮规划、顺序执行的轻量路径一个关键细节两个 Go 节点刻意沿用了 Python 节点的 Node ID 和 reasoner 名称。这意味着你之前调用swe-planner.build的所有脚本、cron 触发器、execute_fn_target配置迁移到 Go 节点后一行都不用改——这就是「同名平价」的实用价值。完整流水线swe-planner的内部结构大致如下图所示请求先进入规划链Product Manager → Architect ↔ Tech Lead → Sprint Planner → Issue Writers再把 issue 拆成依赖层级在每个层级内并行执行 Coder → QA/Reviewer → Synthesizer失败则升级到 Issue Advisor / Replanner一次真实构建中各角色的执行时间线也印证了这种并行性——coder、reviewer、qa 在不同 issue 上交叉运行移植是怎么落地的从 Python 文件到 Go 包移植不是「重新实现」而是一张精确的文件映射表。Python 侧约万行代码被拆成职责单一的 Go 包完整对照见 go/docs/port/research-python-inventory.mdPython 模块Go 包职责swe_af/app.py2149 行internal/orch/5 个编排器build / plan / execute / resolve / resumeexecution/dag_executor.py1801 行internal/dag/DAG 执行引擎、worktree 隔离、checkpointexecution/coding_loop.py895 行internal/coding/单 issue 编码内循环reasoners/execution_agents.pyinternal/roles/25 个角色 reasonerfast/*8 个文件internal/fast/快速模式 planner / executor / verifierprompts/*26 个文件internal/prompts/全部提示词逐字符一致有几个值得新手了解的移植决策并发映射Python 的asyncio.gather每层 barrier 对应 Go 的errgroupSetLimit(max_concurrent_issues)每个 issue 的超时用context.WithTimeout实现。每个 issue 闭包自行把错误翻译成IssueResult一个 issue 失败不会炸掉同层的兄弟任务。Checkpoint 双向兼容Go 版DAGState结构体必须能完整读回 Python 写的checkpoint.json——也就是说一个用 Python 启动的构建崩溃后可以用 Go 版resume_build续跑反之亦然见 go/internal/dag/checkpoint.go。提示词逐字符一致LLM 的行为就是产品本身26 个提示词模块用 golden test 保证 Go 常量与 Python 字符串完全相等。测试先行每个移植任务先写「验证契约」行为断言再写代码例如「空构建必须同时返回statusfailed 非空result 错误信息」。而整个移植工程本身也是用agent 并行完成的任务被拆成 8 个 Wave按包边界划分文件所有权让多个移植 agent 互不冲突地同时推进见 go/docs/port/port-work-breakdown.md。构建中任意时刻的并发 agent 数如下本地构建与运行三步跑起来git clone https://gitcode.com/gh_mirrors/sw/SWE-AF cd SWE-AF/go make check # go vet 全量单测 make run-planner # 启动完整流水线节点:8005 make run-fast # 启动快速模式节点:8006构建前需要一个运行中的 AgentField 控制平面默认AGENTFIELD_SERVERhttp://localhost:8080。容器化部署是「叠加式」设计docker-compose.go.yml 不是独立栈而是加在 Python 栈之上——它把两个 Go 节点Node ID 特意改为swe-planner-go/swe-fast-go以避免撞名接入 Python 栈已起的控制平面和共享网络。Docker 镜像采用多阶段构建在构建期按固定 ref 拉取 AgentField Go SDK最终产物是 Debian slim 上的静态二进制go/Dockerfile。pro-engineBeta解读高性能编码引擎如何接入Go 节点内置了一个可选的高性能编码引擎pro-engine它是以预编译二进制形式随仓库分发的 sidecar每个平台一个存放在go/bin/实现集中在 go/internal/pro/pro.go。它的工作方式分两层引擎节点supervisor 拉起bin serve引擎以独立节点默认 idswe-pro端口8801注册到同一个控制平面暴露code_task执行单个编码任务和code_resume重入既有任务两个 reasoner。无缝路由普通的build/execute请求会自动把每个 issue 的编码工作路由到pro_execute——分支创建、推送、开 PR 仍由标准流水线完成交付物完全不变只是「写代码」这一段换成了引擎。开关规则谁默认开谁默认关一切由环境变量SWE_PRO_ENGINE决定区别只在于谁来设置它部署方式默认状态说明af install/ AgentField Desktop✅ 开启go/agentfield-package.yaml 声明default: 1安装器自动注入clone / fork / compose / 裸二进制❌ 关闭需手动SWE_PRO_ENGINE1开启三个让人安心的设计细节安全降级二进制缺失或不可执行时节点只记一条 warning 并回落到经典编码循环绝不影响启动一键回退任何时候SWE_PRO_ENGINE0重启即回到经典 coder → reviewer/QA 循环所有 reasoner 名称与输入输出形状不变成本护栏SWE_PRO_MAX_COST给每次 dispatch 设美元上限SWE_PRO_VARIANT调节推理力度low最快、high最深。变量默认作用SWE_PRO_ENGINE安装器注入1其余场景未设置总开关1/true/yes/on开启SWE_PRO_VARIANT引擎默认推理力度变体SWE_PRO_MAX_COST未设置单次运行成本上限USDSWE_PRO_PUBLIC_URLhttp://localhost:8801容器部署必须改为容器可达地址完整的变量参考与注意事项比如旧版控制平面「按活动时长回收执行」可能误判长时引擎任务需调stale_execution_timeout见 go/docs/pro-engine.md。如何选择经典循环 vs pro-engine想快速试跑、稳定优先保持默认经典循环即可裸二进制和 compose 场景本来就是关闭的追求单 issue 编码速度通过af install安装即默认启用 pro-engine或用SWE_PRO_ENGINE1 swe-planner显式开启预算敏感加上SWE_PRO_MAX_COST封顶单次成本Windows 用户引擎暂不支持 Windows节点会自动降级到经典循环无需处理。小结这次 Go 重写值得关注的不是「换了门语言」而是它示范了一套可验证的跨语言迁移方法论逐字节 API 平价、同名 reasoner、checkpoint 双向兼容、golden 测试锁死提示词再加上「Python 原样保留」的零风险策略——用户迁移时脚本一行不用改。而 pro-engine 作为 Beta 引擎用「一个环境变量开、一个环境变量关、缺二进制自动降级」的设计让高性能编码路径随时可试、随时可退。随着 SDK 发布正式版本号标签replace指令也将换成标准requireGo 版 SWE-AF 距离「完全体」只差最后一步。赞分享【免费下载链接】SWE-AFAutonomous software engineering fleet of AI agents for production-grade PRs on AgentField: plan, code, test, and ship.项目地址https://gitcode.com/gh_mirrors/sw/SWE-AF点击查看免费下载相关推荐OpenClaw-RL SWE-RL 实战指南SWE-Bench / SWE-Gym 训练与评估全流程命令手册OpenClaw RL SWE RL 实战指南SWE Bench / SWE Gym 训练与评估全流程命令手册 导读 本文围绕 OpenClaw RL 仓库中人工智能大模型强化学习AI Agent微调SWE-bench到SWE-agentAwesome-Long-Horizon-Agents 软件工程Agent论文完整清单与选型SWE bench到SWE agentAwesome Long Horizon Agents 软件工程Agent论文完整清单与选型 Awesome Long零代码门槛用SWE-agent极速运行SWE-bench Lite数据集的完整指南零代码门槛用SWE agent极速运行SWE bench Lite数据集的完整指南 你是否在为SWE bench Lite数据集的复杂配置而头疼还在手动处理AI AgentAgent 框架代码智能体后端开发工具创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考