企业官网建设流程全解析

SWE-RL源码精读(2)：prompts.py提示词模板背后的3个设计巧思

【免费下载链接】swe-rl[NeurIPS'25] Official codebase for "SWE-RL: Advancing LLM Reasoning via Reinforcement Learning on Open Software Evolution"项目地址: https://gitcode.com/gh_mirrors/sw/swe-rl

SWE-RL 是 NeurIPS'25 收录的开源项目，首次把强化学习用于训练大模型解决真实软件工程问题。它的提示词模板藏在两个文件里：src/swerl/core/prompts.py和src/swerl/agentless_mini/utils/prompts.py。别小看这几段模板，它们承担着"定位 Bug → 生成补丁 → 计算奖励"全流程的沟通协议。本文不贴大段代码，只拆解 SWE-RL 提示词模板背后最值得借鉴的 3 个设计巧思。

巧思一：两阶段提示词分工——先"定位"再"修复" 🎯

SWE-RL 的提示词不是一个大而全的"万能模板"，而是拆成了两个独立角色：

定位模板只要求模型输出"最多 n 个文件路径"，按重要程度排序、用反引号包裹，格式约束极其轻量；修复模板则拿到真实文件内容后，要求模型输出结构化的 SEARCH/REPLACE 编辑块。

为什么这样拆分？因为两个阶段的上下文长度、难度、出错率完全不同。代码里也一一对应：src/swerl/agentless_mini/localize.py先跑定位，src/swerl/agentless_mini/repair.py再基于定位结果拼接文件内容跑修复。两阶段解耦后，可以分别缓存、分别并行、分别重试，这也是 Agentless Mini 能高效跑完 SWE-bench 500 个实例的原因之一。

巧思二：SEARCH/REPLACE 结构化输出，让补丁零歧义 🔧

修复模板最"硬核"的设计，是强制模型按固定六段式输出编辑：

1. 文件路径
2. <<<<<<< SEARCH起始标记
3. 原代码中要查找的连续代码块
4. =======分隔线
5. 要替换成的新代码
6. >>>>>>> REPLACE结束标记

这看起来是"笨办法"，实则一石三鸟：

• 解析零歧义：src/swerl/core/reward.py里一行正则SEARCH_REPLACE_REGEX就能把文本里的编辑块完整提取出来，不需要任何 NLP 技巧。
• 天然可校验：应用补丁时（apply_code_change），程序会严格检查 SEARCH 块是否真实存在于原文件中，不存在就直接报错，杜绝模型"凭空改代码"。
• 可直接转 diff：应用后的新内容可以生成统一 diff，再与 oracle（标准答案）补丁做相似度比对，算出强化学习所需的奖励分数。

模板里还特别强调"必须保留正确的缩进"，甚至举例说明加一行print(x)也要原样写出全部空格。这种对细节的苛刻，正是为了让模型输出能被程序 100% 精确解析——提示词不只是"说给模型听"，更是"写给程序看"的协议。

巧思三： / 标签，给模型留一条"草稿纸" ✍️

SWE-RL 的强化学习对象是推理模型，因此修复模板配套了一个思考系统提示（THINKING_SYSTEM），强制模型先输出<think>内的内心草稿，再输出<solution>内的最终答案。

这套标签设计有三层用意：

• 可开关：src/swerl/agentless_mini/utils/envs.py通过环境变量THINKING控制是否启用思考模式，标签名也可配置，兼容不同推理模型。
• 可解析：src/swerl/agentless_mini/utils/api.py的parse_thinking_output只抽取<solution>之间的内容，思考过程不参与后续补丁解析，避免"话痨"污染结果。
• 可校验：src/swerl/core/reward.py的extract_thought_solution会检查四个标签各出现且仅出现一次，思考为空直接判格式错误——这给强化学习训练提供了严格的格式奖励信号。

一句话总结：让模型"先想后写"，同时保证程序只认最终答案，两不耽误。

小结：提示词是"人机协议"，不是"聊天话术" 📋

三个巧思的共同点是：把"模型要说什么"和"程序怎么解析"都写进模板。提示词模板从此不再是自由的聊天文案，而是与代码约定好的结构化协议。无论你是做提示词工程、RL 训练还是 Agent 开发，这套"模板即协议"的思路都值得直接抄作业。

下一篇源码精读，我们将继续深入src/swerl/core/reward.py，看 SWE-RL 如何用"补丁相似度"给模型打分，敬请期待。

【免费下载链接】swe-rl[NeurIPS'25] Official codebase for "SWE-RL: Advancing LLM Reasoning via Reinforcement Learning on Open Software Evolution"项目地址: https://gitcode.com/gh_mirrors/sw/swe-rl