十一个编码智能体的源码被逐一拆开:没有运行时引入通用智能体框架,代码检索也不用向量嵌入
核心概要
一项对十一个生产级编码智能体运行时的源码解剖,把智能体拆成模型之外的运行时层,并沿七个子系统逐一比较实现。在约四百万行 Python、TypeScript 与 Rust 代码中,没有任何运行时引入 LangChain、LangGraph、AutoGen 等通用智能体框架,也没有系统用向量嵌入检索代码,而是依赖手写异步循环与 ripgrep、tree-sitter 等确定性检索。研究还追踪同一批系统一个季度的源码差异,观察到行为策略从提示词散文迁移到配置。
深度剖析
编码智能体的能力差异主要不在模型,而在模型之外的那层运行时;这层运行时被拆成七个固定子系统,从约一百行的研究基线到百万行级产品 CLI 都必须对每个子系统表态。 此前的基准调查只报 SWE-Bench 分数而不触及架构,概念性分类只描述模式而没有实现,唯一并行的源码级分类又排除了定义该领域前沿的厂商原生系统。 十一个系统覆盖三家编程语言和三个数量级的代码规模,其中四个是主要商业模型厂商的旗舰产品,另有一个元运行时作为对照点单独分析。
生产系统的大部分代码并不用于完成任务,而用于安全、用户体验、扩展性以及客户端与传输层。 最小系统 Mini-SWE-Agent 用约一百行实现全部七个子系统,其自报的 SWE-Bench Verified 结果与代码量大三个数量级的系统处于同一区间。 OpenCode 非测试源码约五分之三是 TUI、Web、桌面与 SDK 客户端而非运行时本身,Codex 的七月代码树则在 app-server 传输、插件和实时语音层上投入六位数行数。
扩展性标准已经分出高下:SKILL.md 技能在采用上领先 MCP,ACP 则获得第三种角色,即运行时托管。 此前 MCP 被视为连接模型与外部工具的标准接口,而技能与 ACP 的角色尚未在源码层面被系统比较。 十一个系统中九个采用 SKILL.md 技能、八个采用 MCP,ACP 在六个系统中出现,OpenHands 可把 Claude Code、Codex 或 Gemini CLI 作为可互换后端运行。
启示与展望
分析对象是固定到 2026 年 7 月版本的十一个编码运行时源码,外加 Databricks 的 Omnigent 作为元运行时对照点;Claude Code 依据的是 2026 年 3 月的源码快照,其 7 月发布的二进制可能已有差异。研究只描述和比较系统如何构建,不做基准测试也不排名,因此结论适用于理解架构与设计取舍的读者,而不是用于判断哪个系统在任务上更强。
研究明确说明代码行数是按固定快照粗略统计、不跨语言可比,只用于定位系统在简单与能力之间的位置;早先版本列出的 SWE-Bench Verified 分数因来自不同模型代际与配置、且部分早于系统当前默认设置而被移出比较表。跨季度的源码差异只覆盖原有八个系统,且其中三条四月版观察需要在原处做实质修订。
