AgentSWE 把“让编程 Agent 建造另一个 Agent”分成创建、修改和优化，共25项委托。构建者先在少量公开例子上开发，交付冻结后，再运行未见用例；创建和修改同时受启动、接口与权限等硬规则约束。作者报告最强配置的创建、修改平均分分别为19.1和31.6（0–100分），不是通过率。基准关心的是交付后的行为能否满足完整需求，而不只看源码是否像一个成品。
持续追踪
持续追踪
AgentSWE 把“让编程 Agent 建造另一个 Agent”分成创建、修改和优化，共25项委托。构建者先在少量公开例子上开发，交付冻结后，再运行未见用例；创建和修改同时受启动、接口与权限等硬规则约束。作者报告最强配置的创建、修改平均分分别为19.1和31.6（0–100分），不是通过率。基准关心的是交付后的行为能否满足完整需求，而不只看源码是否像一个成品。