Repo2RLEnv 16个研究配方完全指南：SWE-smith、R2E-Gym、SETA等开源方法本地化实现与使用

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）：

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 0/1：

• SETA 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 wheel：

git 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.yaml：

source: 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。