Seshat Agent

Seshat Agent

用一个会自我改进的编程智能体修复软件 bug，它从自己成功的运行中学习可复用的推理模式，适合做仓库级 bug 修复的开发者和研究人员。

由 PCL-RSI-lab 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的，模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么：Seshat 是一个会随时间自我改进的软件工程编程智能体。它运行在 MetaEvo 上，MetaEvo 保存从过去成功尝试中提取的推理模式，并在新任务到来时把相关的模式送回模型。作者报告称，把它加到现有的基础智能体上，在两个修复 bug 的基准上提升很大。

适合谁：如果你做自动化 bug 修复，想研究或试用一个自我改进的智能体，它适合你，开发者和研究人员尤其合适。

Title: Who uses this model
行业 | 谁在用 | 怎么用 | 例子
软件 | 工程团队 | 试用能修复仓库里 bug 的智能体 | 把它指向一个失败的问题，然后审查它的补丁
AI 研究 | 智能体研究人员 | 研究编程智能体的自我改进循环 | 对比有无 MetaEvo 的基础智能体
基准测试 | 评估团队 | 对照公开的证据检查结果 | 阅读作者发布的逐实例补丁

如果你想要普通聊天模型，或者有命令文档、能直接运行的工具，可以跳过它。

用在哪里：

• Windows、macOS 或 Linux 上的 Python，用来下载文件
• 建立在某个基础模型之上、面向软件工程任务的智能体环境

Title: Jobs it does
用途 | 适合谁 | 得到什么
修复 bug | 开发者 | 针对仓库问题提出的补丁
自我改进研究 | 研究人员 | 一个存储并复用推理模式的循环
基准运行 | 评估人员 | 在修复 bug 的测试集上的解决率

如何设置：你需要 Python 和来自 Hugging Face 的文件。模型卡可见的部分没有给出运行步骤，所以把它当作研究资料，在基于它开发之前先查看模型卡的其余部分。

• 带 pip 的 Python
• huggingface_hub 包
• 一个基础智能体模型，因为报告的结果建立在 Kimi K3 和 GLM-5.3 之上

1. 安装 huggingface_hub。
2. 运行下载命令，把文件保存到你的电脑。
3. 阅读完整的模型卡了解运行步骤。

pip install -U huggingface_hub
hf download PCL-RSI-lab/Seshat-agent

如何使用：模型卡可见的部分没有给出命令。根据它的描述，一个任务比如 bug 报告输入进去，路由器挑出最相关的已存推理模式，基础模型带着它们去推理，同时有一个评判器在旁监控。成功的运行随后会补充知识库。

示例：你把仓库里的一份 bug 报告交给智能体。它用已存的模式搭出一份量身定制的推理计划，着手修复，成功的修复会加入它的知识库，供以后的任务使用。

新手与专家：你可以把它看作一个会记笔记、并在新问题上复用笔记的程序员。第一小步是阅读模型卡的结果表和公开的评估证据。

MetaEvo 存储的是紧凑的推理原语，比如分解、自我验证和工具调用模式，而不是原始文本记忆。运行时，它把挑选好的路径逐层注入模型，元评判器可以决定继续、改路或重新规划。离线时，它从成功的轨迹中挖掘新的原语。

问题进来
路由器挑出已存的推理模式
计划被注入模型
元评判器监控每一步
成功的运行更新知识库

注意事项：作者报告称，Seshat 把 Kimi K3 智能体在 SWE-Bench Pro 上的得分从 57.7% 提到 94.94%，把 GLM-5.3 智能体在 DeepSWE-v1.1 上的得分从 59.3% 提到 90.3%。他们公布了补丁和逐实例结果作为证据。这些都是他们自己的结果。

Title: Resolve rate reported by the authors
SWE-Bench Pro 上单独的 Kimi K3: 57.7 %
SWE-Bench Pro 上 Kimi K3 加 Seshat: 94.94 %
DeepSWE-v1.1 上单独的 GLM-5.3: 59.3 %
DeepSWE-v1.1 上 GLM-5.3 加 Seshat: 90.3 %

• License: Apache 2.0。
• Cost to run: Seshat 本身未提及，不过结果用 Kimi K3 和 GLM-5.3 作为基础智能体。
• Data it reaches: 文件来自 Hugging Face，智能体处理你交给它的软件项目。
• Not for: 模型卡排除的任何情形，因为它可见的部分没有写明限制。

Hugging Face 上的数据（2026年11月13日）

• 任务：text generation
• 框架：transformers
• 最近 30 天下载：0
• 点赞：7
• 许可证：apache-2.0
• 标签：transformers, agent, recursive-self-improvement, self-evolving, metaevo, meta-knowledge, swe-bench, swe-bench-pro, deepswe, code-agent, kimi, text-generation

链接

• 模型：https://huggingface.co/PCL-RSI-lab/Seshat-agent
• 文件：https://huggingface.co/PCL-RSI-lab/Seshat-agent/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件：

pip install -U huggingface_hub
hf download PCL-RSI-lab/Seshat-agent

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。