【免费下载链接】Repo2RLEnvTurn any repository into verifiable RL environments for coding agents - Harbor tasks you can train on, evaluate and share on the Hugging Face Hub项目地址https://gitcode.com/gh_mirrors/re/Repo2RLEnv点击查看免费下载Repo2RLEnv是一款能把任意代码仓库转化为可验证强化学习RL环境的开源工具其内置的16 个研究配方research recipes将 SWE-smith、R2E-Gym、SETA、SCALER、TerminalWorld 等知名开源任务生成方法以独立实现的形式本地化配合一条repo2rlenv generate命令即可批量产出可训练、可评测、可分享的 Harbor 任务。本文将带你完整认识这 16 个配方并手把手跑通第一个。研究配方是什么与原生管线有何不同Repo2RLEnv 共有 23 个生成器其中 6 个原生管线在你的机器上直接运行而研究配方是另一套体系它是 Repo2RLEnv 对某篇已发表任务生成方法的官方独立实现运行时不安装、不克隆上游研究代码——每个配方都有自己的源码固定版本source pin、许可证声明、算法说明和 RFC 文档。配方与原生管线的关键区别执行位置配方在 Modal 或 Daytona 云端 worker 上构建和运行目标代码本地只跑控制器没有本地 Docker 回退预算制所有模型调用、worker 时长都计入你显式设定的 campaign 预算杜绝超支统一产物无论哪个配方最终都导出标准的 Harbor 任务目录可以直接用任意 Harbor agent 训练或评测。共享架构与所有权策略详见 docs/rfcs/0011-owned-recipes.md配方的完整选型指南在 docs/pipelines/owned_recipes.md。16 个研究配方全景按输入类型速查最实用的选型方式是看你手头有什么输入。下表汇总了全部 16 个已实现的实验性配方SEC-bench 处于搁置状态未实现配方管线 / recipe需要的输入方法思路SWE-smithrepo_mutate / swe_smith健康的 Python 仓库向源码注入缺陷用仓库自身测试暴露 bugSWE-genpr_to_env / swe_gen已合并 PR 的 URL逆向还原 PR 变更PR 头实现作为参考解SWE-Flowrepo_reconstruct / swe_flow健康的 Python 仓库删除被调度的函数实现让 agent 重建CodeMidasrepo_reconstruct / codemidas可用仓库删除一个完整特性基于行为契约重建R2Eequivalence_tests / r2e仓库中的文档化函数函数级等价测试隐藏原实现写差分测试SWE-Nextpr_runtime / swe_next仓库 PR 历史挖掘历史 PR 变更两次运行对比测试R2E-Gymcommit_runtime / r2e_gym首父提交历史回退一次提交让新测试暴露旧 bugCLI-Gymenv_repair / cli_gym健康的开发环境破坏运行环境要求 agent 修复恢复SETA Seed2Synthterminal_synth / seta_seed2synth问答记录种子从问题合成终端任务SETA Evoltask_evolve / seta_evol已有的 Harbor 父任务进化出更难的子任务DataArcterminal_synth / dataarcHarbor 种子任务按 few/self/evol 策略扩增种子TMaxterminal_synth / tmax领域/技能采样配置按分类采样器生成终端任务Endless Terminalsterminal_synth / endless_terminals类别/复杂度采样配置按采样设定无限生成终端任务TerminalWorldterminal_reconstruct / terminalworldAsciinema 终端录制从录屏元数据与转录文本重建任务FrontierSmithoptimization_synth / frontiersmith封闭问题种子把封闭题改造为连续奖励的优化任务SCALERreasoning_synth / scaler已发布的题族 JSON参数化扩展算法推理题全程无 LLM 调用仓库修复类SWE-smith、SWE-Next、R2E-Gym这三个配方产出最贴近真实 SWE-bench 场景的仓库修复任务agent 需要在真实仓库里修复代码评分完全依赖仓库自身测试——失败的测试必须转绿原本通过的测试不能变红。R2E-Gym的思路最直观沿首父提交历史回退一次提交peel away the fix回退后的代码让该提交引入的新测试失败agent 的任务就是把这些测试重新修绿SWE-Next则在 PR 的基线版本上跑两次第一次只跑测试记录失败集参考解是合并版本的源码agent 修复后所有目标测试必须通过SWE-smith走另一条路不依赖历史记录而是用 LLM 向健康仓库注入源码缺陷mutation再用现有测试验证缺陷确实被暴露。它的配方实现位于 src/repo2rlenv/pipelines/recipes/ 下完整算法说明见 docs/pipelines/repo_mutate.md。实现重建类SWE-Flow、CodeMidas、R2E这一类的核心是删除实现让 agent 重写评分使用隐藏测试或差分等价测试。R2E是函数粒度的从仓库抽取一个自包含函数作为参考答案放进私有验证器模型只写对比测试两边函数被同时调用、逐项比对输出任何不一致都会被判负SWE-Flow基于上游 SWE-Flow-Trace 的执行轨迹删除被调度的函数实现并要求重建CodeMidas更进一步——删除的是一个完整特性先生成基于实际运行观察到的行为测试再导出带私有 oracle 的 Harbor 任务并支持独立的 rollout 复审。值得注意的是CodeMidas 和 FrontierSmith 两个配方的实现为独立方法复现论文启发、Apache-2.0 授权不保留上游代码。终端任务类SETA、DataArc、TMax、Endless Terminals、TerminalWorld、CLI-Gym六个配方面向终端shell环境agent 的目标是在容器里把系统调整到指定状态由生成的 pytest 测试检查终态奖励为 0/1SETA Seed2Synth / SETA Evol前者从问答记录合成终端任务后者以已有 Harbor 任务为父代通过进化策略生成更难的子任务——想无限扩充任务集时很实用DataArc对 Harbor 种子任务按 few/self/evol 三种策略扩增TMax / Endless Terminals基于领域 × 技能 × 场景的采样器批量生成参考解由真值与测试引导生成保证参考解能过测试TerminalWorld输入是 Asciinema 终端录屏先提取、精炼并回放解决方案再据此生成测试CLI-Gym方向相反——它故意破坏一个健康的开发环境agent 必须修复环境且不能改动受保护源码。种子示例可直接参考 examples/frontiersmith-seeds.json 等配置文件配方说明分别在 docs/pipelines/terminal_synth.md、docs/pipelines/terminalworld.md、docs/pipelines/env_repair.md。推理与优化类SCALER 与 FrontierSmith这两个配方完全不需要代码仓库SCALER加载已发布的参数化题族 JSON选定难度与随机种子后在远端离线容器里运行生成器与参考程序把抽象题族扩展为具体实例。参考程序算出的答案写入私有验证器agent 把答案写入/workspace/answer.txt判分为 −1/1。它是 16 个配方中唯一零 LLM 调用的FrontierSmith把封闭问题改造成优化任务没有已知最优解解得越好、连续奖励0~1越高天然适合做 RL 的细粒度信号源。两者的任务与配方实现分别在 src/repo2rlenv/pipelines/recipes/scaler/ 与 src/repo2rlenv/pipelines/recipes/frontiersmith/。三步本地运行你的第一个研究配方第一步安装与准备要求 Python 3.12并准备一个 Modal 或 Daytona 账号。从源码构建运行配方所需的 wheelgit clone https://gitcode.com/gh_mirrors/re/Repo2RLEnv cd Repo2RLEnv uv sync --extra modal --extra harbor uv build --wheel安装细节见 docs/installation.mdx。第二步初始化 campaign 并启动 worker研究配方使用共享 campaign 账本管理预算注意generate --max-spend-usd仅适用于原生管线配方会拒绝它repo2rlenv campaign init workspace/my-campaign --budget-usd 25 repo2rlenv workers start --campaign workspace/my-campaign --provider modal \ --name my-worker --reserve-usd 3 --timeout-sec 3600第三步编写配置并生成任务以 SWE-smith 为例配置文件的完整结构可参考 examples/owned-swe-smith.yaml 和 examples/owned-r2e-gym.yamlsource: kind: repository repo: url: more-itertools/more-itertools ref: 9ed3dbb0ae527230cd156d91d0af305478558fba access: public pipeline: name: repo_mutate # 生成管线族 recipe: swe_smith # 研究配方 options: source_paths: [more_itertools] test_paths: [tests] target: 1 max_candidates: 10 llm: provider: openai model: gpt-5-mini execution: campaign_dir: workspace/smith worker_receipt: workspace/smith/workers/smith-worker.json runtime_wheel: dist/repo2rlenv-0.9.3-py3-none-any.whl timeout_sec: 1800 output: destination: workspace/smith/tasks org: your-org dataset_name: smith-first visibility: private然后一条命令即可开跑repo2rlenv generate --config ./config.yaml用repo2rlenv pipelines list查看所有管线与配方repo2rlenv pipelines describe repo_mutate --recipe swe_smith --json查看单个配方的完整元数据。配方目录数据源为 src/repo2rlenv/pipelines/recipes/catalog.json。产出的任务长什么样每个配方导出同一个标准 Harbor 任务目录task-name/ instruction.md # 给 agent 的任务说明 task.toml # Harbor 运行时与资源声明 environment/ Dockerfile # 初始环境与构建期依赖 solution/ solve.sh # 私有参考解入口 tests/ test.sh # 可信验证器入口验证形态按配方分为四类源码收集进独立验证器跑仓库测试SWE-smith 等 6 个、生成 pytest 检查终端状态SETA 等 5 个、检查环境修复CLI-Gym、收集答案文件判等SCALER。任务结构详解见 docs/concepts/tasks.mdx奖励机制见 docs/concepts/rewards.mdx。质量验证与成本官方数据怎么看官方已基于这些配方发布了15 个数据集、共 1,330 个任务另有 Tasksmith 50 个已验证任务每个数据集包含完整 Harbor 任务目录与固定版本清单。发布目标为每个配方 100 个任务TMax 55 个、CLI-Gym 25 个。据 docs/pipelines/economics.md 的审计2026-09-30整个研究配方实验总成本约$1,586.71其中 14 个配方扩产 989 个任务仅花费 $445.94——平均每任务成本在几美元量级。⚠️ 需要注意目前多数配方任务的标签仍是unverified未独立验收能生成并通过执行检查不等于可直接训练。独立审查与盲测 rollout 在生成之后进行标签体系说明见 docs/pipelines/task_evaluation_labels.md已发布数据集清单见 docs/pipelines/releases.md。小结有仓库选 SWE-smith造 bug、SWE-Flow/CodeMidas删实现或 CLI-Gym坏环境有 PR 或提交历史选 SWE-gen、SWE-Next 或 R2E-Gym有问题、种子任务或终端录屏选 SETA、DataArc、TMax、Endless Terminals、TerminalWorld没有仓库也要造题SCALER零 LLM、精确判分与 FrontierSmith连续奖励优化是最佳起点 全程 campaign 预算制 云端 worker本地一条命令即可复现任何一篇研究的任务生成方法。16 个配方的逐条算法讲解、每次模型调用与重试循环都在 docs/pipelines/owned_recipes.md 中有完整 walkthrough每个配方的提示词全集可在 docs/pipelines/prompt_reference.md 中查到。赞分享【免费下载链接】Repo2RLEnvTurn any repository into verifiable RL environments for coding agents - Harbor tasks you can train on, evaluate and share on the Hugging Face Hub项目地址https://gitcode.com/gh_mirrors/re/Repo2RLEnv点击查看免费下载相关推荐ZXingLite实战自定义扫码界面的10个高级技巧ZXingLite实战自定义扫码界面的10个高级技巧 ZXingLite是一个轻量级的二维码处理库适合用于需要实现二维码生成、解析和拍摄识别的应用。它提供简移动开发原生移动图像处理SWE-smith完全指南如何用这款NeurIPS 2025 Spotlight工具为SWE-agent批量生成52000个训练实例SWE smith完全指南如何用这款NeurIPS 2025 Spotlight工具为SWE agent批量生成52000个训练实例 SWE smith 是斯主题医院开源复刻C/Lua混合游戏引擎完整指南主题医院开源复刻C/Lua混合游戏引擎完整指南 CorsixTH 是 1997 年经典《主题医院》的开源复刻引擎采用 C/Lua 混合架构让原版游创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
