类别

编码，通用目的

描述

• Anterion 代理扩展了 SWE-agent 的能力，可以规划和执行开放式工程任务。
• 前端灵感来自 OpenDevin

链接

• GitHub
• Discord
• YouTube 演示
• YouTube 评测

描述

• 这个代理基于一篇论文"AutoCodeRover：自主程序改进"。
• 它结合了大型语言模型（LLMs）与分析和调试能力，优先确定补丁位置，最终生成补丁。
• 解决了SWE-bench（共2294个GitHub问题）中约16%的问题，以及SWE-bench lite（共300个GitHub问题）中约22%的问题。
• AutoCodeRover分两个阶段工作：
  • 上下文检索：为LLM提供代码搜索API，以浏览代码库并收集相关上下文。
  • 补丁生成：LLM尝试根据检索到的上下文编写补丁。
• AutoCodeRover有两个独特的特点：
  • 代码搜索API具有程序结构感知能力。AutoCodeRover不是通过简单的字符串匹配来搜索文件，而是在抽象语法树中搜索相关的代码上下文（方法/类）。
  • 当有测试套件可用时，AutoCodeRover可以利用测试用例来实现更高的修复率，通过执行统计故障定位。

链接

• GitHub
• 论文

类别

编码，通用目的

描述

• AutoDev支持多语言
• 支持的语言：Java、Kotlin、JavaScript/TypeScript、Rust、Python、Golang、C/C++/OC等

链接

• GitHub
• 文档

类别

编码，通用目的

描述

• 全自主AI代理，可以使用终端、浏览器和编辑器执行复杂任务和项目
• 所有内容都在沙盒化的Docker环境中运行
• 如有需要，它可以从网络获取最新信息（教程、文档等）
• 内置文本编辑器，可预览所有文件
• 所有历史命令和输出都保存在PostgreSQL数据库中
• 启动Codel最简单的方法是使用预构建的Docker镜像

链接

• GitHub
• Discord

类别

编码，通用目的

描述

• Devika支持Claude 3、GPT-4、GPT-3.5和通过Ollama使用的本地LLMs
• GitHub星数：14.4k
• Devika是一个代理型AI软件工程师，能理解高级人类指令，将其分解为步骤，研究相关信息，并编写代码以实现给定目标
• Devika旨在成为Cognition AI的Devin的有竞争力的开源替代方案
• 其架构包括一个代码编写模块，根据计划、研究结果和用户需求生成代码，支持多种编程语言。它还有一个浏览器交互模块，使Devika能够浏览网站、提取信息并根据需要与网页元素交互
• 为了实现集中的研究和信息收集，Devika采用了关键词提取技术

链接

• GitHub

类别

编码，通用型

描述

• Entropy研究所开发的Devin开源替代方案
• GitHub星数：150
• Devon是一个开源软件工程代理，旨在帮助软件工程师进行软件开发和维护。
• 它没有提供详细描述，但提到的功能包括可靠的多文件编辑或使用git等工具
• Devon使用Python构建

链接

• GitHub

类别

多代理，编码，自建

描述

MetaGPT是一个多代理框架 MetaGPT存在的时间比其他Devin替代品更长，但在Devin发布后，MetaGPT团队旨在替代大部分Devin的功能。 MetaGPT允许为GPT分配不同角色，形成一个协作软件实体来处理复杂任务。 您可以在自己的场景中使用这个多代理框架来构建自己的应用程序。 在内部，MetaGPT包括产品经理、架构师、项目经理和工程师等角色的代理。 它提供了软件公司的整个流程，以及精心编排的标准操作程序。代码=标准操作程序(团队)是其核心理念。

链接

• GitHub
• Discord
• Twitter
• 论文 - MetaGPT：多代理协作框架的元编程

类别

编码，通用型

描述

• OpenDevin项目旨在复制原始Devin模型。
• 通过吸引开源社区参与，我们旨在解决代码LLM在实际场景中面临的挑战，产生对社区有重大贡献的作品，为未来的进步铺平道路。
• OpenDevin通过Docker执行代码，但正在进行添加在沙盒环境中执行代码的选项的工作。
• 它拥有超过20.7k的星标 该项目使用的关键技术包括FastAPI、uvicorn、LiteLLM、Docker、Ruff、MyPy、LlamaIndex和React。

链接

• GitHub
• 演示视频
• Discord
• Slack

类别

编码，通用型

描述

• Plandex使用长期运行的代理来完成跨越多个文件并需要多个步骤的任务。
• 它将大型任务分解为更小的子任务，然后逐一实现，直到完成工作。
• 它可以帮助你快速处理积压的工作，使用不熟悉的技术，摆脱困境，减少在繁琐事务上花费的时间。

链接

• GitHub

类别

编码，通用型

描述

• 这个Devin替代方案在完整的SWE基准测试中得分为12.3%
• SWE-agent通过与专门的终端交互工作，这使它能够：
  • 🔍 打开、滚动和搜索文件
  • ✍️ 编辑特定行，自动进行语法检查
  • 🧪 编写和执行测试
• 这个定制的界面对于良好的性能至关重要。简单地将语言模型连接到普通的bash终端效果并不好。
• "我们的关键洞见是，语言模型需要精心设计的代理-计算机界面（类似于人类喜欢良好的UI设计）。例如，当语言模型搞乱缩进时，我们的编辑器会阻止它并给出反馈。"
• SWE-agent由普林斯顿NLP团队发布。
• SWE-agent的特别之处在于它在SWE-bench上的表现几乎与Devin一样好。
• 需要说明的是，性能varies根据代理使用的模型而有所不同。
• SWE-agent与Devin相比的变化和创新包括：
  • SWE Agent中的代码通过Docker在本地执行。
  • 它使用"代理-计算机界面"（ACI）- 约束界面使语言模型更容易使用。只允许少数命令：运行代码、查找代码、编辑代码和提交更改到GitHub。
• 代理编写的任何代码在提交之前都会经过语法检查（linter）。如果语法不正确，代理会得到反馈并被强制重做代码。
• 代理一次只能读取100行代码，而不是整个文件。这使语言模型更容易理解代码。