概念
Code Agent：最成熟的Agent赛道
概述
Code Agent是2024-2026年Agent技术中发展最快、最成熟的领域。从研究工具到生产工具的跃迁已完成，SWE-bench Verified最高分达93.9%（2026年4月）。
主要Code Agent工具
SWE-Agent（2024）
- 来源：Princeton NLP
- 核心：自定义Agent-Computer Interface（ACI），让LLM浏览仓库、编辑文件、运行测试
- 定位：学术研究驱动的Code Agent框架
OpenHands（原OpenDevin，2024）
- 来源：开源社区
- 核心：端到端软件开发Agent平台
- 能力：代码编写、命令执行、网页浏览、文件编辑
- 里程碑：2026年1月在SWE-bench Verified上达到SOTA
- 特色：模块化架构、支持多种LLM后端
Claude Code（2025）
- 来源：Anthropic
- 形态：终端中的Agentic Coding工具
- 能力：理解整个代码库、编辑文件、运行命令、Git工作流、mcp\|MCP集成
- 定位：CLI-first的AI编程搭档
OpenAI Codex（2025）
- Codex Cloud：云端沙箱中的AI编程Agent，可并行处理多个任务
- Codex CLI：开源轻量终端Agent，支持o3/o4-mini等推理模型
- GPT-5-Codex（2025.09）：GPT-5的代码优化版本
其他重要工具
- Cursor：AI原生IDE，深度Agent模式
- Windsurf/Cline：VSCode插件形态
- Augment Code：企业级Code Agent
SWE-bench评测家族
| 基准 | 描述 | 状态 |
|---|---|---|
| SWE-bench Lite | 300个精选Issue | 早期基准 |
| SWE-bench Verified | 500个人工验证Issue | 最高93.9%（2026.04） |
| SWE-rebench | 反作弊加强版 | v2.0（2026.02） |
评测危机（2026.04）
UC Berkeley研究揭示严重刷榜问题：不使用LLM的"作弊Agent"在8个基准上获接近满分，推动evaluation-benchmarks\|评测基准的根本性革新。
为什么Code Agent最先成熟？
1. 环境可控 — 代码有明确的测试（pass/fail），反馈信号清晰 2. 工具链成熟 — Git、终端、IDE等开发工具已是标准基础设施 3. 数据丰富 — GitHub提供了海量训练数据 4. 商业需求强 — 软件开发是高价值场景，投资回报明确
相关页面
- agent-timeline — 时间线
- evaluation-benchmarks — 评测基准
- mcp — MCP工具连接协议