SWE-agent：让大模型在 Docker 沙箱里自主排查并修复 GitHub Issue 的开源软件工程 Agent｜部署与使用全指南

项目仓库： https://github.com/SWE-agent/SWE-agent

开源协议：MIT · 主要语言：Python（要求 Python ≥ 3.11） · 交付形态：Python 命令行工具 sweagent、命令行轨迹检查器、Web 轨迹检查器 · 代码执行后端：本地 Docker（默认，基础镜像 python:3.11）、Modal 云端、AWS Fargate、直接本机（不推荐） · Web 轨迹检查器默认端口 8000 · 官方文档：swe-agent.com/latest

非官方声明：SWE-agent 是普林斯顿大学与斯坦福大学研究者发起的学术开源项目，与 Anthropic、OpenAI、Google、Modal、AWS 等模型与云服务厂商不存在隶属、授权或合作关系；文中出现的模型与服务名称仅用于说明兼容目标。API Key、GitHub Token 与模型服务条款由对应厂商约束，使用者须自行确认合规边界。需要特别说明：官方 README 已注明 SWE-agent 当前被更简洁的 mini-swe-agent 接替、项目处于维护模式，新用户可结合官方 FAQ 评估是否直接选用 mini-swe-agent。

1 项目简介

SWE-agent 是一款把大语言模型（如 Claude Sonnet 4、GPT-4o）变成“软件工程师”的开源 Agent 框架。模型在一个受控的执行环境（默认是 Docker 容器）中自主使用工具：浏览目录与源码、查看文件内容、运行命令与复现脚本、用编辑器工具修改代码、重新运行验证，最后调用 submit 提交一份补丁（patch）。它最初用于在 SWE-bench 这类真实 GitHub Issue 数据集上评测自动软件工程能力，也可以用来处理自定义编码任务、编程挑战，以及（在特定分支上）攻防 CTF 挑战。

1.1 核心信息一览

1.2 适用场景

• 把单个 GitHub Issue（仓库链接 + Issue 链接）交给 Agent，在沙箱中自主复现、定位、修改并产出可审阅补丁。
• 用本地仓库路径 + 自定义问题描述（文本或本地 Markdown 文件）让 Agent 修复私有或离线代码仓库中的问题。
• 在 SWE-bench 等基准数据集上批量运行（run-batch），做模型与提示词的自动化评测，支持多实例并行。
• 研究人员基于单一 YAML 配置调整工具集、提示词模板、演示轨迹（demonstration）、模型行为与历史处理器，开展 Agent 行为实验。
• 通过轨迹（.traj）文件回放、检查与转换，调试自定义工具、构建新的演示样本。
• 多模态场景：让支持视觉的模型读取 GitHub Issue 中的截图、图表与界面草图（需使用 default_mm_with_images.yaml 配置）。

1.3 能力边界（官方口径）

• 官方 README 自述定位为 “enables your language model of choice to autonomously use tools to fix issues in real GitHub repositories, find cybersecurity vulnerabilities, or perform any custom task”；设计上把最大自由度交给模型，同时通过工具集、提示词模板与沙箱环境约束交互界面。
• 模型不绑定单一厂商：官方推荐模型为 claude-sonnet-4-20250514，示例模型包括 gpt-4o、o1-preview；模型可用性、计费与能力边界由对应提供者决定。o1 等模型需要按官方文档调整 temperature、top_p 等采样参数。
• 官方明确提示：**当前开发重心已转向 mini-swe-agent**，后者在性能持平的同时更简单、更灵活；SWE-agent 本体处于维护模式。EnIGMA 攻防（CTF）模式目前仅兼容 v0.7 分支，使用该能力时需要切换到对应版本。
• Agent 在沙箱内读写文件、执行命令并访问网络；补丁是否正确、测试是否通过需要使用者审阅，项目不保证模型输出正确，也不替代代码评审与 CI 验证。
• 本地模型必须提供 OpenAI 兼容接口；不支持函数调用的模型需要切换 thought_action 解析器，并在提示词中自行说明工具签名。

2 功能特性

2.1 Agent-Computer Interface 与工具集

• 模型通过一组受控工具与环境交互：bash 工具执行 shell 命令（含调用 Python 脚本）、文件查看器浏览代码、基于搜索替换或行区间的代码编辑器；工具以 tool bundle 目录组织，可在 YAML 中增删。
• 每个动作执行后，特殊的 state 命令返回 JSON 状态（如当前工作目录、当前打开文件），用于填充提示词模板中的占位变量。
• 默认配置 config/default.yaml 包含 tools/registry、tools/edit_anthropic、tools/review_on_submit_m 三个工具包，并开启 bash 工具。

2.2 单一 YAML 配置驱动

• 工具、提示词模板、演示轨迹、模型行为、历史处理器、输入输出接口全部由一个或多个 YAML 文件控制；命令行参数与配置文件等价，可多次 --config 叠加，自 1.1.0 版本起配置按层级合并。
• 提供多模态配置 config/default_mm_with_images.yaml：自动下载并把 Issue 图片转成 base64、扩展观察长度、接入 image_tools 与 web_browser 工具、启用 image_parsing 历史处理器。

2.3 沙箱化代码执行（SWE-ReX 后端）

• 执行环境由配套的 SWE-ReX 管理：默认在本地 Docker 容器中启动一个小型服务端，接收 Agent 命令并执行；也可以切换到 Modal 云端、AWS Fargate，或直接在本机运行（官方不推荐直接本机执行）。
• 支持自定义 Docker 镜像：在镜像内预装项目依赖（如 flake8），通过 --env.deployment.image 指定；也可以用 env.post_startup_commands 在 Agent 启动前追加执行命令。

2.4 单任务与批量评测两种模式

• sweagent run：针对单个问题描述运行一次，产出补丁与轨迹文件。
• sweagent run-batch：针对 SWE-bench 等数据集批量运行，支持 --num_workers 并行、实例切片、打乱顺序；配合 sb-cli 可在运行中自动提交评测。

2.5 轨迹记录、检查器与回放

• 每次运行的完整思考过程、动作、观察与补丁保存为轨迹文件（*.traj），是理解 Agent 行为与调试工具的主要依据。
• 提供终端检查器（sweagent inspect / i，vim 风格按键）与 Web 检查器（sweagent inspector / I，默认 8000 端口）；run-replay 可按轨迹在环境中重新执行动作，用于调试工具或构建演示。

2.6 多模型与本地模型支持

• 基于 litellm 接入绝大多数云端模型；本地模型只要提供 OpenAI 兼容端点即可接入（如 Ollama）。
• 支持多 Key 轮换：批量运行时用 ::: 拼接多个 API Key，每个并行线程在整轮运行中固定使用一个 Key，避免破坏提示词缓存。
• 提供 HumanModel、HumanThoughtModel、ReplayModel、InstantEmptySubmitTestModel 等测试模型，可在不消耗额度的情况下走通流程。

2.7 动作落地与自动 PR

• --actions.apply_patch_locally：把成功的解决方案补丁应用到本地文件。
• --actions.open_pr：在修复对应 GitHub Issue 后自动创建 Pull Request；官方提示该功能需谨慎使用，建议只在自有仓库或经过充分评估后开启。

3 官方界面预览

3.1 整体架构

下图为官方文档中的架构示意图：sweagent run / run-batch 为入口，Agent 依据 config.yaml 组织模型调用，经历史处理器（History Processor）与模型（Model）交互；动作通过 forward() 下发到 SWEEnv，再由 SWE-ReX 部署后端（Docker、Modal、AWS 等）在容器内执行，结果以 REST 方式回传观察。

3.2 Web 轨迹检查器 · 轨迹列表

在轨迹目录下运行 sweagent inspector 后，浏览器中打开的检查器会列出全部 .traj 文件，用 ✅ / ❌ 标注成功与失败状态，失败条目附提交步数或退出原因；下方展示评估报告，包含退出状态、实例成本、发送 / 接收 Token 数与 API 调用次数。

3.3 Web 轨迹检查器 · 对话回放

点击某条轨迹后，检查器按时间顺序回放 Agent 的每一步：绿色标题栏区分 SWE-Agent 发言与 tool 观察，Agent 写出的工具命令（如创建复现脚本、执行 Python 文件）与工具返回的 OBSERVATION 逐条对应，便于核对动作是否合理、补丁从何而来。

4 官方跳转链接汇总

5 前置要求与服务器配置

5.1 软件前提

• Python ≥ 3.11：pyproject.toml 中 requires-python = ">=3.11"，官方建议使用 conda 或虚拟环境隔离依赖。
• Docker（默认后端）：本地代码执行默认在 Docker 容器中进行，需先安装并启动 Docker 守护进程；无法使用 Docker 时可改用 Modal 云端或 AWS Fargate 执行。
• Node.js（可选）：仅在使用 Web 轨迹检查器时需要安装。
• Git：克隆仓库、拉取 Issue 对应代码与查看补丁差异需要。
• 模型凭据：至少准备一个支持模型的 API Key（Anthropic / OpenAI / Together 等）；访问私有 GitHub 仓库还需要 GITHUB_TOKEN。
• Modal 账号（可选）：使用 Modal 云端执行后端时，需先注册账号并安装额外依赖 pip install 'swe-rex[modal]'。

5.2 硬件与系统建议

5.3 端口与目录

6 方式一：浏览器 Codespaces 在线试用与 Docker 沙箱后端准备

说明：SWE-agent 本体是本地 Python 命令行工具，官方没有提供面向应用自身的 Docker Compose 一键部署服务；Docker 在这里承担的是“代码执行沙箱”角色，而不是应用服务端。本节先给出免本地环境的浏览器试用入口，再准备默认的 Docker 沙箱后端；应用自身的源码安装见第 7 节。

6.1 GitHub Codespaces 在线试用

1. 打开官方 Codespaces 入口：codespaces.new/SWE-agent/SWE-agent，按页面提示创建云端开发环境。
2. 在 Codespaces 终端中按官方文档完成源码安装与模型密钥配置（命令同第 7 节）。
3. 在云端环境内运行 sweagent run 处理示例 Issue；该方式省去本地 Docker 与系统依赖配置，适合初次体验与文档学习。

6.2 安装并验证 Docker（默认沙箱后端）

官方默认后端为 Docker，先确认本机 Docker 可用：

# 验证 Docker 守护进程可正常运行
docker run hello-world

• Linux 环境可参考官方 Docker 安装脚本与 docker/docker-install 文档完成安装；安装后启动 Docker 服务。
• 若出现 permission denied while trying to connect to the Docker daemon socket：把当前用户加入 docker 用户组后重新登录，或按官方安装提示调整 /var/run/docker.sock 权限；Docker Desktop 中在 Settings → Advanced 里允许使用默认 Docker socket。

6.3 准备沙箱基础镜像与自定义镜像

# 确保拉取最新官方运行镜像（latest 标签不会自动更新）
docker pull sweagent/swe-agent-run:latest

默认使用 python:3.11 基础镜像。需要预装依赖时，可基于官方 docker/tiny_test.Dockerfile 编写自定义镜像，例如：

FROM python:3.11.10-bullseye

ARG DEBIAN_FRONTEND=noninteractive
ENV TZ=Etc/UTC
WORKDIR /

# 预装 SWE-ReX 服务端，缩短启动时间
RUN pip install pipx
RUN pipx install swe-rex
RUN pipx ensurepath
ENV PATH="$PATH:/root/.local/bin/"

# 按需追加项目依赖
RUN pip install flake8

SHELL ["/bin/bash", "-c"]

构建并在 Agent 运行时指定：

docker build -f tiny.Dockerfile -t swe-agent-tiny .

sweagent run \
  --agent.model.name=claude-sonnet-4-20250514 \
  --env.deployment.image=swe-agent-tiny \
  --env.repo.github_url=https://github.com/SWE-agent/test-repo \
  --problem_statement.github_url=https://github.com/SWE-agent/test-repo/issues/1

6.4 云端后端：Modal 执行

不希望本地占用 Docker 资源时，可改用 Modal 云端后端：

# 安装 Modal 执行后端的额外依赖
pip install 'swe-rex[modal]'

# 按 Modal 官方文档完成账号认证后运行
sweagent run \
  --agent.model.name=claude-sonnet-4-20250514 \
  --env.deployment.type=modal \
  --env.deployment.image=python:3.11 \
  --env.repo.github_url=https://github.com/SWE-agent/test-repo \
  --problem_statement.github_url=https://github.com/SWE-agent/test-repo/issues/1

直接在本机（不经过容器）执行代码的模式官方明确标注“不推荐”，仅用于特殊调试场景；生产与评测请使用容器或云端隔离环境。

7 方式二：源码本地安装（官方首选）与 CLI 运行

7.1 克隆与可编辑安装

官方文档把源码安装作为首选方式：

git clone https://github.com/SWE-agent/SWE-agent.git
cd SWE-agent

# 建议先创建 conda / virtualenv 虚拟环境，再执行：
python -m pip install --upgrade pip
pip install --editable .

安装完成后验证命令是否可用：

sweagent --help
# 若提示 command not found，可尝试：
python -m sweagent --help
# 仍失败时用 `which python` 核对当前使用的 Python 是否与安装时一致

后续更新只需在仓库目录执行 git pull，无需重复 pip install。

7.2 配置模型 API Key

支持三种设置方式（优先级：命令行 --agent.model.api_key > 环境变量 / .env 文件）：

# 方式一：环境变量
export ANTHROPIC_API_KEY=<your-key>
export OPENAI_API_KEY=<your-key>
export TOGETHER_API_KEY=<your-key>
export GITHUB_TOKEN=<github-token>

# 方式二：在仓库根目录创建 .env 文件，内容等价于环境变量
# ANTHROPIC_API_KEY=<your-key>
# OPENAI_API_KEY=<your-key>
# TOGETHER_API_KEY=<your-key>
# GITHUB_TOKEN=<github-token>

# 方式三：单次运行通过命令行传入
# --agent.model.api_key=<your-key>

官方推荐模型 claude-sonnet-4-20250514（对应 ANTHROPIC_API_KEY）；示例模型 gpt-4o、o1-preview 对应 OPENAI_API_KEY。

7.3 第一个命令：修复示例 GitHub Issue

sweagent run \
  --agent.model.name=claude-sonnet-4-20250514 \
  --agent.model.per_instance_cost_limit=2.00 \
  --env.repo.github_url=https://github.com/SWE-agent/test-repo \
  --problem_statement.github_url=https://github.com/SWE-agent/test-repo/issues/1

运行过程依次为：部署后端启动（“starting runtime”）→ 安装工具集 → 注入系统与实例提示词 → 主循环（模型建议动作、工具执行、观察回传）→ 模型调用 submit，抽取源码补丁。日志中出现 🎉 Submission successful 提示后，按提示给出的 PATCH_FILE_PATH 查看并应用补丁：

# 查看补丁
cat "${PATCH_FILE_PATH}"

# 应用到本地仓库
cd <your local repo root>
git apply "${PATCH_FILE_PATH}"

7.4 本地仓库 + 自定义问题描述

git clone https://github.com/SWE-agent/test-repo.git

sweagent run \
  --agent.model.name=claude-sonnet-4-20250514 \
  --env.repo.path=test-repo \
  --problem_statement.path=test-repo/problem_statements/1.md \
  --env.deployment.image=python:3.12

问题描述三种来源：

仓库来源同样分三类：GithubRepoConfig（github_url 拉取）、LocalRepoConfig（path 复制本地目录进容器）、PreExistingRepoConfig（容器内已存在的仓库）。

7.5 批量模式：在 SWE-bench 上并行评测

sweagent run-batch \
  --config config/default.yaml \
  --agent.model.name=gpt-4o \
  --agent.model.per_instance_cost_limit=2.00 \
  --num_workers 3 \
  --instances.type swe_bench \
  --instances.subset lite \
  --instances.split dev \
  --instances.slice :3 \
  --instances.shuffle=True

• --instances.subset 选择数据集子集（lite、multimodal 等）；--instances.split 选择 dev / test；--instances.slice 按 Python 切片选择实例；--instances.shuffle=True 为确定性打乱。
• 多模态数据集需改用 --config config/default_mm_with_images.yaml 与 --instances.subset multimodal。
• 配合 sb-cli 可加 --evaluate=True 在运行中自动提交评测结果。

7.6 接入本地 OpenAI 兼容模型

# config/local_model.yaml
agent:
  model:
    name: ollama/llama2
    api_base: http://localhost:11434
    per_instance_cost_limit: 0      # 本地模型无法跟踪成本，必须关闭
    total_cost_limit: 0
    per_instance_call_limit: 100
    max_input_tokens: 0
  tools:
    parse_function:
      type: "thought_action"          # 本地模型不支持函数调用时切换
  history_processors: []              # 非 Claude 模型移除缓存控制历史处理器

sweagent run --config config/default.yaml --config config/local_model.yaml \
  --env.repo.github_url=https://github.com/SWE-agent/test-repo \
  --problem_statement.github_url=https://github.com/SWE-agent/test-repo/issues/1

8 配置项说明

8.1 顶层配置分区

8.2 常用模型配置项

8.3 默认配置（config/default.yaml）要点

agent:
  templates:
    system_template: |-
      You are a helpful assistant that can interact with a computer to solve tasks.
    # instance_template 注入仓库目录与 PR 描述，next_step_template 回传观察结果
  tools:
    env_variables:
      PAGER: cat
      MANPAGER: cat
      LESS: -R
      PIP_PROGRESS_BAR: 'off'
      TQDM_DISABLE: '1'
      GIT_PAGER: cat
    bundles:
      - path: tools/registry
      - path: tools/edit_anthropic
      - path: tools/review_on_submit_m
    registry_variables:
      USE_FILEMAP: 'true'
    enable_bash_tool: true
    parse_function:
      type: function_calling
  history_processors:
    - type: cache_control
      last_n_messages: 2

• history_processors 中的 cache_control 主要服务 Anthropic Claude 的提示词缓存；换用其他模型时按官方文档移除或替换。
• 多个配置文件按层级合并；命令行参数最后生效。

8.4 环境变量

8.5 动作与部署配置示例

# 补丁应用到本地文件
sweagent run --actions.apply_patch_locally ...

# 修复成功后自动创建 PR（仅限自有仓库或充分评估后使用）
sweagent run --actions.open_pr ...

# 环境启动前预装命令（注意 zsh 下方括号需用单引号包裹）
sweagent run \
  --env.post_startup_commands='["pip install flake8"]' \
  ...

9 常用运维命令

# ---- 安装与版本 ----
sweagent --help                      # 查看顶层子命令
python -m sweagent --help            # 命令未找到时的替代入口

# ---- 单任务运行 ----
sweagent run ...                     # 单个问题描述
sweagent run-batch ...               # 批量数据集评测
sweagent run-replay ...              # 回放轨迹 / 演示文件

# ---- 轨迹检查 ----
cd trajectories/<experiment-dir>
sweagent inspect                     # 终端检查器（简写 sweagent i）
sweagent inspector                   # Web 检查器（简写 sweagent I，默认 8000 端口）
sweagent inspector --port 9000 --directory .
sweagent quick-stats                 # 简写 sweagent qs：当前目录轨迹状态汇总

# ---- 轨迹工具 ----
sweagent merge-preds                 # 合并多个预测文件
sweagent traj-to-demo                # 轨迹文件转换为便于编辑的演示文件
sweagent remove-unfinished           # 清理未完成轨迹

# ---- Docker 沙箱 ----
docker run hello-world                # 验证 Docker 守护进程
docker pull sweagent/swe-agent-run:latest
docker ps                             # 查看运行中的沙箱容器

# ---- 代码更新 ----
cd SWE-agent && git pull             # 拉取最新代码，无需重复 pip install

终端检查器按键：q 退出；H / L 上一条 / 下一条轨迹；t 调出轨迹列表并输入关键字搜索；h / l 切换轨迹内步骤；j / k 上下滚动；v 切换精简 / 完整视图；o 打开日志；e 在 $EDITOR 中打开文件。

10 常见故障排查

10.1 command not found: sweagent

• 先尝试 python -m sweagent --help；用 which python 核对当前 Python 是否就是执行 pip install --editable . 的解释器，必要时在同一虚拟环境中重装。
• 非可编辑安装时检查 SWE_AGENT_CONFIG_DIR、SWE_AGENT_TOOLS_DIR、SWE_AGENT_TRAJECTORY_DIR 是否指向正确的包目录。

10.2 Docker 权限被拒绝

报错 permission denied while trying to connect to the Docker daemon socket at unix:///var/run/docker.sock 时：将当前用户加入 docker 用户组并重新登录；Docker Desktop 在 Settings → Advanced 中允许默认 socket；临时排障可按安装文档调整 socket 权限，不要长期使用放宽权限的不安全配置。

10.3 容器镜像过旧导致异常

sweagent/swe-agent-run:latest 的 latest 标签不会自动更新；出现依赖缺失或后端版本不匹配时，先执行 docker pull sweagent/swe-agent-run:latest 拉取最新镜像后重试。

10.4 模型 404 或密钥错误

• 返回 Error code: 404 时优先核对模型名、提供者与密钥；检查 OPENAI_API_BASE_URL 是否被旧值占用，不使用自定义端点时把该行注释或删除。
• 换用本地模型仍报成本错误，说明未关闭成本跟踪：把 per_instance_cost_limit、total_cost_limit 设为 0，改用 per_instance_call_limit 限制运行；或提供自定义 litellm_model_registry。

10.5 模型不支持函数调用导致动作解析失败

默认 function_calling 要求模型直接返回 JSON 动作；模型不支持时，在配置中把 agent.tools.parse_function.type 改为 thought_action，并确保提示词文档化工具签名——模型无法像函数调用那样看到参数定义。

10.6 配置报错信息很长（union types）

repository 与 problem_statement 都是联合类型：CLI 会依次尝试各配置结构，全部不匹配时才报错，因此错误信息会同时列出多个类型的缺失项。对照第 7.4 节确认当前传入的是哪一类参数（github_url / path / text），避免同时混用互斥参数；必要时用 --problem_statement.type 显式指定类型。

10.7 本地模型消息格式不兼容

cache_control 历史处理器要求特定的消息结构（Anthropic 格式），其他模型可能无法解析；非 Claude 模型在配置中把 history_processors 置空或替换为适用的处理器。

10.8 多模态 Issue 图片未被处理

确认使用 --config config/default_mm_with_images.yaml、模型具备视觉能力、运行环境可访问网络，且 Issue 图片小于 10MB；观察长度、图片工具与 image_parsing 处理器均需在该配置中启用。

10.9 Web 检查器端口冲突

sweagent inspector 默认使用 8000 端口；被占用时通过 --port <其他端口> 启动，用 --directory 指定轨迹目录。仅在受信内网使用，不要在未设置访问控制的情况下把检查器直接暴露到公网。

10.10 Claude 缓存额度与并行实例

Anthropic Claude 每个 Key 有 4 个缓存断点，单次 Agent 运行占用 2 个（读取与写入各一），因此单个 Key 同时只适合两个并行实例；需要更多并行度时，用 ::: 拼接多个 Key 通过 --agent.model.api_key 轮换。

11 风险与合规说明

以下条款整理自官方 README、MIT 许可证、官方文档与 FAQ 口径；如与官方原文不一致，以仓库 LICENSE、README 与 swe-agent.com 为准。

11.1 开源协议

SWE-agent 开源代码采用 MIT 许可证，允许自由使用、修改与再分发，保留版权声明与许可证副本即可；第三方依赖（litellm、SWE-ReX、各工具包等）分别遵循其自身许可证。模型、数据集与云服务归对应提供者所有，不在 MIT 覆盖范围内。

11.2 项目维护状态与选型提示

官方 README 与文档站点均提示：当前开发重心已转向 mini-swe-agent，SWE-agent 处于维护模式；日常任务选型前建议先阅读官方 FAQ 中两个版本的差异说明。EnIGMA 攻防模式仅兼容 v0.7 分支，主分支上的新功能不会回填到该分支。

11.3 模型与数据隐私

• 项目本身不提供模型、API Key 与订阅账号；代码、文件路径、命令输出与 Issue 内容会按所选模型发送到对应服务。
• 处理含商业机密、未公开补丁或敏感凭据的仓库时，优先评估本地模型与离线端点；不要把密钥、令牌、内部地址粘贴到任务描述或提示词中。
• 访问私有仓库使用的 GITHUB_TOKEN 遵循最小权限原则，仅授予必要仓库与只读 / 写范围。

11.4 自主执行风险

• Agent 可以在沙箱内读写文件、执行命令、访问网络；补丁在 submit 前未经人工审批，可能引入错误、删除文件或破坏依赖。建议在隔离容器中运行、先审阅补丁与 diff，再合入主干；自动开 PR 功能仅限自有仓库或充分评估后开启。
• 直接本机执行模式绕过了容器隔离，官方明确不推荐；服务器与 CI 环境务必使用 Docker 或云端沙箱。

11.5 商业使用与免责

MIT 不限制商业场景使用，但把 SWE-agent 集成进商业产品时须同时满足各模型提供者、第三方依赖与数据集的许可要求。项目按现状（AS-IS）提供，不保证模型输出正确、不保证平台兼容性与持续可用性；使用者自行承担代码质量、数据泄露、服务中断与业务损失风险。如认为仓库内特定文件侵犯合法权益，请通过 GitHub Issues 提交说明，不要在公开 Issue 中提交账号凭据、Token 或敏感代码。