# 软件智能体

把真实图形界面操作录下来、参数化成固定工作流，再交给智能体执行，可能比让智能体直接写代码覆盖更多业务要求。在一个SaaS业务族的三个完整任务实例上，这套冻结工作流拿到33/33本地核心点，原始代码分别为8、8、18；两个预先固定的新实例上智能体分别用6次和5次模型调用完成，原始代码用了121次和70次。所有尝试的整任务判定仍为失败，附带状态是否保全未知。

把真实图形界面操作录下来、参数化成固定工作流，再交给智能体执行，可能比让智能体直接写代码覆盖更多业务要求。在一个SaaS业务族的三个完整任务实例上，这套冻结工作流拿到33/33本地核心点，原始代码分别为8、8、18；两个预先固定的新实例上智能体分别用6次和5次模型调用完成，原始代码用了121次和70次。所有尝试的整任务判定仍为失败，附带状态是否保全未知。

软件工程智能体的强化学习奖励不再只分通过和失败：让当前策略自己比较同一任务、同一验证结果下的调试轨迹，把偏好变成有界辅助奖励，在SWE-bench Verified上把Qwen3-14B的平均准确率从32.1%提到34.7%。

软件工程智能体的强化学习奖励不再只分通过和失败：让当前策略自己比较同一任务、同一验证结果下的调试轨迹，把偏好变成有界辅助奖励，在SWE-bench Verified上把Qwen3-14B的平均准确率从32.1%提到34.7%。