一句话，如何变成
可执行、可回滚、可观测的工程动作

本报告是 AiWork.Code（由 Ant Digital Technologies 研发的自主编码 agent）在 SWE-bench-Live 与 SWE-bench Lite 排行榜提交的配套技术说明。下方先给出被测系统、模型、评测方法与合规声明；随后各章节展开这套 harness 的运行时机制——解释它为什么能稳定、可观测、可回滚地把真实工程 issue 解掉。

这是 coding agent 的主链路。用户输入经 daemon 后，运行时先组装提示词 + 管理上下文，再进入工具循环；每次工具调用（尤其执行命令）都要先过安全闸门，产生的结果回喂给模型，直到模型判断任务收敛、输出最终答复。点击任意节点看它的内部机制。

很多人以为「一次提问 = 一次模型调用」。在 coding agent 里不是——一次用户消息触发的是一整个 turn：从收到输入，到最终把答复交付完成。一个 turn 内部可能包含多轮模型调用和多次工具执行，它是 daemon 拥有的、可取消、可观测、可回放的最小工作单元。

Tool loop 是 coding agent 与普通聊天机器人的分水岭。模型不是一次性把答案写死，而是边想边做：它可以请求读文件、跑命令、搜代码，拿到结果后再决定下一步。运行时在这里加了大量护栏——doom-loop 防护（同一失败调用重复即打断）、terminal-round policy（收尾轮必须真的交付）、delegation budget（子任务预算）。点「播放」看一个 turn 内 round 如何推进。

tool loop 里模型能调的工具，质量直接决定 agent 天花板。AiWork.Code 的工具做了很多针对代码理解与安全改写的专门设计——这里挑两组最能体现差异的：LSP / code graph（把"看代码"从文本堆砌升级为结构化理解），和 apply_patch / edit / write 三种改写工具的分工。

让模型改代码有三种粒度的工具，选错会低效或高风险。它们不是重复，而是按"改动形态"分工：

送给模型的 system prompt 不是硬编码的一大段文本，而是运行时按固定顺序拼装的 17 个 PromptSection。关键设计在于每一段都标了缓存类别：越靠前越稳定的内容（身份、契约）放在稳定前缀，越靠后越易变的内容（当前目标、记忆召回、运行时事实）放在动态后缀。这样 provider 的 prompt cache 能命中最长公共前缀，显著省 token、降延迟。点击每一段看它属于哪一类。

上一节的分层不是自娱自乐——它服务于推理端服务器上的 prompt cache。模型服务器会把已经算过的 prompt 前缀（KV state）缓存起来；下一次请求只要前缀逐字节相同，服务器就直接复用这段计算，只对「变化的尾部」重新计算。命中的前缀 token 大幅降价、并显著降低首字延迟。这就是把稳定段前置、动态段后置的根本收益。下面是它的工作方式与两大公开协议。

模型的上下文窗口有限。随着 turn 累积，历史消息 + 工具输出不断膨胀，迟早撞上预算上限。AiWork.Code 的 ContextEngine 在每轮送模型前把上下文压进预算——当前默认引擎固定为 built-in summarizing：不做粗暴截断，而是用一次专门的 summarizer 调用把旧历史压成"事实保真"的续接摘要，替换原文、保留语义，同时尽量不动缓存前缀。

让模型执行 shell 命令是 coding agent 的超能力，也是最大风险面。AiWork.Code 的安全模型是纵深防御：先做跨平台静态命令分类硬拒绝灾难操作，再按 approval mode 审批，再用 SRT（Sandbox Runtime）做 OS 级原生进程隔离 + 文件/网络分区，容器化兜底。点节点看每层拦什么。