主循环之争：从 localize–edit–verify 到 Agentless 反路线

用户把重试次数设成 0，客户端却重试了三次。要修这样的 bug，模型得自己进仓库：定位、编辑、跑测试，一圈不过再转一圈。这就是编码 Agent 的主循环。

L6 p.31-45 拿它当主角，摆开一场路线之争：给循环配上专为 agent 设计的接口，这是 SWE-agent；取消循环、把修 bug 写死成三段流水线，那是 Agentless。争到细处，连编辑格式的毫厘之差都足以决定一个 agent 在基准上的成败。

一、两个物种：单步生成与主循环

L6 p.32 把让 LLM 修 bug 这件事分成两个物种。

单步（single-step，self-contained prompt）：问题描述里带齐所有相关代码，推理加代码一次生成，末尾评估答案。模型看不见仓库，世界全凭题目转述。

agentic 拿 issue 加既有文件当输入，自己在仓库里搜索、编辑、跑测试。测试不过，就带着失败信息回到搜索，转下一圈，最终交付补丁加证据，像一个拿着 shell 的修理工。

两个物种的差别在反馈回路。单步的评估只在收尾发生一次；主循环（agentic loop）的评估每圈发生一次，且失败本身变成下一圈的输入。

SWE-agent 在 L6 p.33 的教学图用迷你仓库 cli.py/config.py/test_config.py 把一圈拆成三拍：

• 定位（localize）：零是在哪一步变成默认值的？
• 编辑：仅当值为 None 才用默认。
• 验证：零值、默认值、调用方回归一起测。

三拍走完若验证不过，不改测试、不硬闯，修正假设再转一圈。

二、循环实录：一个把 0 吞掉的默认值

把那圈循环完整走一遍（L6 p.34-36）。症状：用户把重试次数设成 0，客户端却重试了三次。

修复本身只有两行，但值得看清它换掉的语义：

# 修前：0 与 None 同罪，都被 or 一口吞掉
return config.get("retries") or 3

# 修后：只有真正的缺省（None）才落到默认值
value = config.get("retries")
return 3 if value is None else value

这一圈值得学的是两处纪律。

其一，先复现再动手。那条 AssertionError 是循环的燃料，没看到 FAILED 之前，任何修改都是猜。

其二，修条件，不改测试。missing / None /zero/positive 四例定义了正确行为，agent 能改的只有实现。让测试变绿最省事的捷径是改测试，循环设计必须把它堵死。

SWE-agent 把改完即验证做进接口，让验证给循环把关。

三、反路线：Agentless 说，循环可以不要

p.37 抛出的辩论很直接。UIUC 的 Agentless（Xia et al.）拒绝给 LLM 决策权：整个修 bug 过程是分层定位→修复→验证的三段固定流水线，每段内部用结构化提示调用模型，段与段的衔接写死在代码里，没有自主循环。

按 Agentless 论文的数字：SWE-bench Lite 32.00%，96 个修复；单题成本 $0.70，同时优于所有开源 agent。资料卡把这笔账概括成一句：最简单的架构赢。

正路线的旗手，是前文教学图的出处 SWE-agent（Yang et al., NeurIPS 2024）。它主张人类接口不适合 agent，要为 agent 另造一套智能体 - 计算机接口（Agent-Computer Interface, ACI）：编辑反馈简洁、护栏防呆、改完即 lint。

成绩单是 2024 年时点的双 SOTA：SWE-bench pass@1 12.5%、HumanEvalFix 87.7%。

两条路线其实共享同一套三拍：定位、修复、验证；分歧只有一个，下一拍由谁决定。Agentless 用写死的顺序换走不确定性，SWE-agent 用打磨过的接口换走犯错空间。

验证信号越客观，方向盘就越敢交出去。

四、循环的燃料：工具集与编辑格式

循环要转得动，靠每圈喂给模型的工具与反馈，L6 p.39-45 给出一条谱系。

极简端是 mini-SWE-agent，只有单一 bash：读与搜用 rg /cat/find，改用 sed / Python /patch，执行检查用 pytest /build。每步回传给模型的就是输出、exit status 与 timeout，别无其他。

# p.40：用 sed 改一个常量——最小可行编辑
sed 's/^RETRIES = 3$/RETRIES = 5/' settings.py > settings.new && mv settings.new settings.py

往复杂走，编辑动作分化出两条路线（p.41）：整文件写，如 Pi 的 write、OpenCode 的 write、OpenHands 的 create；以及 SEARCH/REPLACE 块，即 OpenHands、Pi、OpenCode 的 edit。

p.42 再往上还有统一 diff，即 unified diff，标准格式带行号与上下文，Aider 变体省略 hunk 行号；另有 Codex 的 patch 语法，用 *** Begin Patch、*** Update File: settings.py 这类行式标记组织改动。SEARCH/REPLACE 块长这样：

<<<<<<< SEARCH
RETRIES = 3
=======
RETRIES = 5
>>>>>>> REPLACE

格式的选择直接改变基准成绩（p.43）。Aider 的重构基准把大类里的方法挪成顶层函数，共 89 个 Python 任务，查语法正确与代码保留。

GPT-4 Turbo（gpt-4-1106-preview）用 SEARCH/REPLACE 只完成 20%，简化统一 diff 完成 61%。同一个模型，只换编辑语法，结果天差地别。

循环的起点是找相关代码（p.44-45）：从症状 rg 'retries' . 入手，沿值追踪，问配置输入在哪首次被读、默认逻辑在哪、零在哪变成了三。

LocAgent（Chen et al., 2025）把这套追踪显式化为依赖图导航：cli.py 的 configure_client —calls—> client.py 的 Retry loop、config.py 的 retry_count —tests—> test_config.py，先取相关邻域，再用执行检验。

OpenHands（前 OpenDevin，ICLR 2025）代表平台侧：为编码 agent 提供沙盒、浏览与执行环境的开放平台，已是 SWE-bench 榜单头部系统的常用底座。

产业对照面是 Claude Code 官方最佳实践：把开发者工作流总结为探索 - 计划 - 编码 - 提交，配权限模式约束。

与本讲的连接

本篇下钻的是伴读笔记第四节「编码智能体」里那段 while 循环。笔记给骨架，本篇补三样东西：

• 一圈的内部结构：localize–edit–verify
• 循环的对手：Agentless 的固定流水线
• 循环的燃料：工具集与编辑格式

quiz 若考 Agentless 为什么不要循环、ACI 的三件事，答案分别在 p.37 与 SWE-agent 论文，资料卡 m3-swe-agent 有摘录。

上半场那句「计划是假说不是承诺」，在编码领域落地成「测试是假说的证伪器」。同一个 GPT-4 Turbo，SEARCH/REPLACE 完成 20%，简化统一 diff 完成 61%，中间只隔一个编辑格式的选择。