SWE-Gym + Claude Code 快速开始

July 25, 2026 · View on GitHub

本文说明如何使用公开版 Dressage 准备 SWE-Gym 数据，在 E2B task template 中运行 Claude Code，对每个 patch 使用全新沙箱评测，并启动 Qwen3.5-4B 同步 GRPO recipe。

1. 安装仓库和数据依赖

git submodule update --init --recursive

python3 -m pip install -e .
python3 -m pip install --no-build-isolation blackbox_server/
python3 -m pip install pyarrow huggingface_hub
python3 -m pip install \
  'swegym @ git+https://github.com/SWE-Gym/SWE-Bench-Package.git@16dd480cce9b27bf111a362d280881c6def5d2a7'

固定版本的 SWE-Gym package 只在数据准备阶段使用。转换器会把官方的 repository-specific 测试脚本和 log parser 写入生成数据，因此 task sandbox 不需要安装 swegym Python package。

2. 准备 E2B template

每条 SWE-Gym 数据需要一个全新的 task image，并满足：

仓库及原始测试环境位于 /testbed；
已安装 Claude Code；
已安装当前公开仓库的 Blackbox Server；
Blackbox Server 监听 31000 端口。

先从公开 Blackbox Server 构建 wheel，并打包独立运行时：

python3 -m pip install build uv
python3 -m build --wheel --outdir dist blackbox_server/

export CLAUDE_CODE_BBS_VERSION=1.1.0
export CLAUDE_CODE_BBS_WHEEL_URL="$PWD/dist/dressage_blackbox_server-1.1.0-py3-none-any.whl"
export CLAUDE_CODE_ARTIFACT_DIR="$PWD/data/claude-code-artifacts"

bash dressage/recipes/swegym/prepare_claude_code_sandbox_artifacts.sh

为每个不同的 SWE-Gym task image 构建一个 E2B template，并准备从原始 Docker image 到 E2B template name 的 JSON 映射：

{
  "xingyaoww/sweb.eval.x86_64.example:latest": "e2b-swegym-example"
}

使用仓库工具枚举 image、逐个构建 template，并完成 smoke test：

python3 examples/data/swegym/prepare_swegym_e2b.py list-images \
  --download \
  --download-dir data/swegym-source \
  --split train \
  --output data/swegym-images.txt

export E2B_API_KEY=e2b_...
export TASK_IMAGE=xingyaoww/sweb.eval.x86_64.example:latest
export TEMPLATE_NAME=e2b-swegym-example

python3 examples/data/swegym/prepare_swegym_e2b.py build
python3 examples/data/swegym/prepare_swegym_e2b.py smoke

对 data/swegym-images.txt 中的每个 image 重复 build，为其分配唯一 template name，并记录最终映射。更多说明见完整实验说明。

3. 转换 SWE-Gym 数据

转换已下载的 293 条训练数据：

python3 examples/data/swegym/prepare_swegym_data.py \
  data/swegym-train-claude-code-e2b.jsonl \
  --input data/swegym-source/train.parquet \
  --split train \
  --provider e2b \
  --sandbox-image-map data/e2b-template-map.json \
  --blackbox-type claude_code \
  --max-turns 80 \
  --permission-mode acceptEdits

单条转换 smoke 可追加 --limit 1；转换器会先校验完整 split，再应用 limit。最终 JSONL 不含 gold patch，并包含：

强制执行的 before-agent Git sanitizer；
固定版本的官方 SWE-Gym evaluator 和 log parser；
task-specific FAIL_TO_PASS 与 PASS_TO_PASS；
Claude Code backend options，包括 working_directory=/testbed；
每条任务对应的 E2B template。

4. Smoke-test template

占用训练 GPU 前，先确认 template 能恢复 Blackbox Server 并暴露 31000：

python3 examples/data/swegym/prepare_swegym_e2b.py smoke \
  --template-name e2b-swegym-example

还应至少完整验证一条真实任务：Claude Code 能在 /testbed 生成 patch，全新 evaluation sandbox 能输出 DRESSAGE_SWEGYM_REWARD_JSON= marker。

5. 启动同步 GRPO

在同一模型目录准备 Qwen3.5-4B Hugging Face 和 Megatron distributed checkpoint，然后执行：

export MODEL_ROOT=/path/to/models
export PROMPT_DATA="$PWD/data/swegym-train-claude-code-e2b.jsonl"
export DRESSAGE_SANDBOX_PROVIDER=e2b
export DRESSAGE_E2B_API_KEY=e2b_...
export DRESSAGE_E2B_BLACKBOX_PORT=31000
export DRESSAGE_PROXY_URL=https://proxy.example.com

bash examples/scripts/run_dressage_swegym_qwen3.5_4b_claude_code_sync_4_node.sh

DRESSAGE_PROXY_URL 必须是 E2B 沙箱能够访问的 HTTP(S) 地址。

launcher 会显式选择 `dressage.rollout.generate.blackbox_dispatch_swegym.generate$。通用 \text{blackbox} \text{dispatch} 不包含 \text{SWE}-\text{Gym} 判断；\text{fresh} \text{evaluation} 和 \text{trajectory} \text{integrity} 检查都由专用 \text{dispatch} 负责。

参考默认值保留已评审实验配置：\text{TP2}/\text{CP4}、8 \text{prompts} \times 16 \text{samples}、\text{global} \text{batch} \text{size} 128、500 次 \text{rollout} \text{update}、\text{normalized} \text{GRPO} \text{advantage}、\text{vanilla} \text{token}-\text{level} \text{TIS}，以及系数为 $0.001` 的 low-variance KL loss。基础设施和拓扑可通过环境变量覆盖。