Ecco la traduzione del testo in italiano, seguendo fedelmente tutte le linee guida fornite.
In LangChain, interagiamo con gli agenti di ingegneria del software dal terminale, Slack, Linear, GitHub e CI.
Flussi di lavoro diversi necessitano di agenti diversi. La codifica locale dovrebbe essere interattiva. La codifica nel cloud dovrebbe eseguirsi in background e aprire PR. La revisione del codice dovrebbe essere attenta e integrata in GitHub. La documentazione del repository dovrebbe stare vicino al codice e fornire agli agenti un contesto utile.
Abbiamo costruito questo sistema come un insieme di strumenti open source:
- dcode per la codifica locale
- OpenSWE per agenti di codifica nel cloud
- OpenSWE Review per la revisione automatica del codice
- OpenWiki per la documentazione del repository e la memoria degli agenti
Insieme, formano la nostra factory di agenti di ingegneria del software. Questa è la struttura che usiamo internamente: agenti locali, agenti cloud, agenti di revisione, memoria del repository, modelli aperti e tracce LangSmith su tutto il sistema.
Perché l'open source è importante
Gli agenti di ingegneria del software leggono codice, modificano codice, revisionano PR e partecipano ai flussi di lavoro di sviluppo. I team devono comprendere e controllare come si comportano questi agenti.
Questo è difficile se l'agente è un sistema chiuso. Sei limitato ai modelli, al comportamento di revisione, alle integrazioni e all'osservabilità supportati dal fornitore.
Vogliamo agenti che i team possano ispezionare, modificare e adattare ai propri flussi di lavoro, inclusi i propri standard di revisione, convenzioni del repository, scelte di modelli e strumenti interni. Ecco perché questi progetti sono open source.
I componenti
dcode
dcode è l'agente di codifica locale che usiamo dal terminale.
La CLI e il runtime dell'agente vengono eseguiti localmente sulla tua macchina, mentre il modello può essere comunque hosted. Questo permette agli sviluppatori di lavorare direttamente su un repository locale utilizzando modelli di codifica grandi che potrebbero non funzionare su un laptop.
Usiamo dcode per lavori di codifica interattivi: esplorare un repository, fare modifiche ed eseguire attività di implementazione dal terminale.
OpenSWE
OpenSWE è l'agente di codifica nel cloud che usiamo quando il lavoro deve essere eseguito in background.
Molto lavoro di ingegneria inizia al di fuori del terminale. Un bug emerge in Slack. Una richiesta di funzionalità vive in Linear. Un'attività di manutenzione del repository deve essere eseguita su base programmata.
OpenSWE può essere attivato da Slack, Linear, GitHub o dall'interfaccia web. Viene eseguito nel cloud, lavora sul codice e può aprire una pull request quando ha finito.
Internamente, questo è diventato uno dei nostri flussi di lavoro con agenti più utilizzati. Solo nell'ultima settimana, abbiamo attivato OpenSWE quasi 1.000 volte solo da Slack, senza contare l'uso da Linear o dall'interfaccia web.
Poiché OpenSWE viene eseguito in una sandbox nel cloud, possiamo eseguire molti agenti di codifica in parallelo senza occupare l'ambiente locale di nessuno.
OpenSWE include anche un'interfaccia utente per ispezionare il lavoro dell'agente, chattare con l'agente di codifica cloud, configurare modelli e prompt, visualizzare le analisi e impostare automazioni programmate.
OpenSWE Review
OpenSWE Review si collega a GitHub e revisiona automaticamente le pull request. Identifica bug e regressioni prima che il codice venga unito.
Si comporta anche eccezionalmente bene nei benchmark esterni. Sul Offline Code Review Benchmark, OpenSWE Review ottiene un punteggio del 47% quando esegue GPT-5.5 con ragionamento medio. Questo lo posiziona al #6 posto assoluto e #1 tra gli agenti di revisione del codice open source.
La revisione del codice è altamente specifica per l'organizzazione. I team differiscono per i problemi a cui tengono, come formulano i commenti e quando vogliono che un agente blocchi, suggerisca o rimanga in silenzio.
OpenSWE Review ci fornisce un'impostazione predefinita solida che possiamo adattare modificando prompt, flussi di lavoro, scelte di modelli e comportamento specifico del repository.
OpenWiki
OpenWiki genera e mantiene la documentazione del codebase utilizzando il Open Knowledge Format di Google.
I documenti vivono con il codice e vengono mantenuti aggiornati automaticamente tramite un'azione GitHub. Questo fornisce sia agli umani che agli agenti un livello di conoscenza mantenuto per il repository, senza bisogno di preoccuparsi di mantenere la documentazione (OpenWiki lo fa per te!).
Se un agente deve riscoprire l'architettura di un repository ogni volta che viene eseguito, spreca token e perde convenzioni importanti. OpenWiki fornisce agli agenti di codifica e revisione un punto di partenza migliore, supportando al contempo un flusso di aggiornamento automatico in modo che tu non debba mai più pensare a mantenere la documentazione degli agenti.
Lo stack
Deep Agents
dcode, OpenSWE, OpenSWE Review e OpenWiki sono tutti costruiti su Deep Agents.
I flussi di lavoro sono diversi, ma condividono la stessa base di agente sottostante. Questo ci dà un modo coerente per costruire, personalizzare e migliorare gli agenti in tutta la codifica locale, cloud, revisione e documentazione. La condivisione di codice, risorse e know-how ingegneristico è resa ancora più semplice quando sono tutti costruiti nello stesso framework.
Modelli aperti
Abbiamo ottimizzato lo stack per modelli aperti.
Gli agenti SWE diventano rapidamente costosi quando vengono eseguiti in un'organizzazione. La codifica locale, la codifica cloud, la revisione del codice, la documentazione, la manutenzione programmata e l'analisi ripetuta del repository utilizzano tutti token.
I modelli aperti ci danno più controllo su costi (la ragione principale), latenza e scelte di deployment. Permettono anche ai team di indirizzare compiti diversi a modelli diversi, sperimentare con modelli di codifica aperti o persino fare fine-tuning di modelli per i propri repository e flussi di lavoro.
LangSmith
Tracciamo questi agenti con LangSmith.
Quando un agente apre una PR, lascia un commento di revisione o fallisce in un compito, le tracce mostrano i file che ha ispezionato, il contesto che ha caricato, le chiamate agli strumenti che ha effettuato e dove si è bloccato.
Queste tracce ci aiutano a debuggare le singole esecuzioni e a migliorare il sistema nel tempo. Le usiamo per identificare le modalità di fallimento, migliorare i prompt, confrontare i modelli e fornire esempi di qualità superiore nei flussi di lavoro di miglioramento continuo con LangSmith Engine.
Engine per agenti di codifica è un nuovo flusso di lavoro con cui abbiamo sperimentato, dove facciamo eseguire a Engine le tracce degli agenti di codifica, identifichiamo le carenze e proponiamo ottimizzazioni. Poiché ogni esecuzione dell'agente di codifica di ogni dipendente di LangChain viene tracciata, Engine è in grado di identificare ed eseguire queste ottimizzazioni da una prospettiva d'insieme, invece che individualmente sulle tracce di ingegneri specifici.
Costruisci la tua factory di agenti di ingegneria del software
Questo stack riflette il modo in cui usiamo gli agenti di ingegneria del software in LangChain, ma i componenti sono open source in modo che altri team possano adattarli e mantenere il pieno controllo sulla propria factory del software.
Puoi iniziare in piccolo:
- Usa dcode per la codifica locale.
- Aggiungi OpenSWE per eseguire agenti di codifica da Slack, Linear, GitHub o dall'interfaccia web.
- Attiva OpenSWE Review per la revisione automatica delle PR.
- Usa OpenWiki per mantenere la conoscenza del repository per umani e agenti.
- Collega le tracce a LangSmith se desideri osservabilità e cicli di miglioramento in tutto il sistema.
L'obiettivo non è spostare ogni flusso di lavoro di ingegneria in un'unica interfaccia agente. È mettere gli agenti giusti nei luoghi in cui il lavoro di ingegneria avviene già, con abbastanza controllo per farli adattare ai tuoi repository, modelli e convenzioni di team.
