作者分析 4,782 个 IDE Agent 会话，并聚焦其中至少三条用户消息的 33%。真实请求混合解释、计划、审查和实现；SWE-TaskFlow 保留已验证任务和测试，把需求分步给出，再插入可核验的仓库问答。700 个 SWE-Bench Pro 任务的试验中，拆分需求约使费用翻倍，却未形成稳定的解决率排序。这是交互协议的测量，不是“多聊几轮一定更差”。
持续追踪
持续追踪
作者分析 4,782 个 IDE Agent 会话，并聚焦其中至少三条用户消息的 33%。真实请求混合解释、计划、审查和实现；SWE-TaskFlow 保留已验证任务和测试，把需求分步给出，再插入可核验的仓库问答。700 个 SWE-Bench Pro 任务的试验中，拆分需求约使费用翻倍，却未形成稳定的解决率排序。这是交互协议的测量，不是“多聊几轮一定更差”。