企业官网建设流程全解析

🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度

1. 把 SWE-bench Verified 的失败用例交给 OpenHands

SWE-bench Verified 里有一批用例，模型给出的 patch 看起来像那么回事，跑 pytest 就是过不去。我这次挑了一个失败用例，让 OpenHands 在仓库现有测试的约束下把它修到绿。模型供应商走的是 TaoToken，接口地址填https://taotoken.net/api，Key 在官网控制台创建。整条链路的目标很具体：产出一个 patch 文件、一条可复现的测试命令、一份真实运行日志。

OpenHands 是一个开源的软件工程 Agent 框架，它把「读仓库、改文件、跑命令、看报错、再改」这套循环封装成可配置的运行时。SWE-bench Verified 是 SWE-bench 的人工校验子集，每个实例对应一个真实仓库的 issue 和一组 FAIL_TO_PASS / PASS_TO_PASS 测试。所谓「失败用例」，就是某个实例上 Agent 提交的 patch 没能让 FAIL_TO_PASS 转绿，或者把 PASS_TO_PASS 弄挂了。

这次要做的不是刷全榜，而是拿一个具体失败实例，看 OpenHands 在 TaoToken 作为默认供应商时，能不能靠仓库里已有的测试信号把问题收敛掉。本文不含排行分数，也不声称复现了 SWE-bench Verified 的任何官方成绩，只有一次本地运行的记录。

1.1 为什么选 OpenHands 而不是直接问模型

直接问模型「这个 issue 怎么修」，它会给你一段 diff，但你不知道这段 diff 在真实仓库里能不能跑通。OpenHands 的价值在于它有一个可执行的沙箱：改完文件真的去跑 pytest，报错真的回灌到下一轮上下文。对 SWE-bench 这类任务，测试就是裁判，Agent 必须自己撞到裁判的判罚。

1.2 这次任务的边界

• 只处理一个失败实例，不碰全榜。
• 只用仓库现有测试，不新增测试文件来「骗过」判定。
• 模型 ID 以模型广场为准，本文不写死某个具体 ID。
• 所有命令由我在本地执行，Agent 只生成和解释命令，不直连我的生产环境。

2. OpenHands 的模型配置怎么指向 TaoToken

OpenHands 的模型配置集中在config.toml，默认路径是~/.openhands/config.toml，也可以用环境变量覆盖。核心是三件事：base URL、API Key、模型 ID。TaoToken 作为默认供应商，就是把这三项指过去。

2.1 创建 Key 与确认接口地址

先在 TaoToken 官网 注册，进控制台创建 API Key。接口地址固定写https://taotoken.net/api，注意末尾不带/v1。模型 ID 去模型广场看当前可用的列表，别照抄旧文档里的名字。

2.2 config.toml 的最小配置

[llm] model = "YOUR_MODEL_ID" api_key = "YOUR_API_KEY" base_url = "https://taotoken.net/api"

如果 OpenHands 版本用的是[llm.xxx]分段写法，把同样的三项填进对应段即可。关键是base_url不要带 UTM 参数，UTM 只用于网页链接，写进接口地址会直接 404。

2.3 用环境变量覆盖

export LLM_MODEL="YOUR_MODEL_ID" export LLM_API_KEY="YOUR_API_KEY" export LLM_BASE_URL="https://taotoken.net/api"

环境变量优先级高于配置文件，适合临时切换。跑完记得 unset，不然下次开终端还带着。

2.4 验证配置是否生效

openhands --help

能正常输出帮助信息说明 CLI 装好了。再跑一个最小对话，确认模型能回：

openhands run --task "print hello" --max-iterations 1

如果这一步报 401，多半是 Key 没填对或复制时带了空格；报 404，检查base_url是不是误加了/v1或 UTM。

3. 指定失败用例并让 Agent 基于现有测试修复

这一步是整个实战的核心。OpenHands 需要一个工作目录，里面是目标仓库的 checkout，并且已经切到对应实例的 base commit。

3.1 准备仓库与测试环境

git clone <repo_url> workspace cd workspace git checkout <base_commit> python -m venv .venv source .venv/bin/activate pip install -e . pip install pytest

先手动跑一次 FAIL_TO_PASS 里的测试，确认它当前是红的：

pytest tests/test_xxx.py::test_yyy -x

看到失败输出，说明环境对了。这一步很重要，如果手动跑都是绿的，说明 base commit 或测试选择有问题，Agent 再厉害也没意义。

3.2 给 OpenHands 的任务描述

任务描述要包含三块信息：issue 原文、要跑通的测试、约束条件。

仓库路径：/path/to/workspace 问题描述：<粘贴 issue 正文> 目标：让以下测试通过 pytest tests/test_xxx.py::test_yyy 约束： 1. 只修改源码，不修改测试文件 2. 不新增测试 3. 保持 PASS_TO_PASS 测试仍然通过 4. 输出最终 patch 到 /path/to/fix.patch

把「不修改测试文件」写进约束，是因为 Agent 有时会走捷径改断言。SWE-bench 的判定会检查测试文件是否被动过，改了直接判失败。

3.3 启动 OpenHands

openhands run \ --task-file task.md \ --workspace /path/to/workspace \ --max-iterations 30

--max-iterations控制 Agent 的循环上限。SWE-bench 实例通常 20 到 40 轮能收敛，设太小会半途而废，设太大浪费 token。第一次跑建议 30，看日志再调。

3.4 Agent 的典型循环

OpenHands 跑起来后，日志里能看到这样的节奏：

1. 读 issue，定位相关文件。
2. 打开候选源文件，搜索关键词。
3. 生成一个 patch，写入文件。
4. 跑目标测试。
5. 读报错，回到第 2 步。

这个循环里，测试输出是唯一的硬信号。模型可以猜错方向，但只要测试报错足够具体，下一轮就有修正依据。TaoToken 在这里的角色是稳定提供模型调用，让这个循环不因为通道抖动而中断。

4. 一次运行日志与 patch 产出

下面是我这次跑的真实记录。环境是本地 Linux，Python 3.11，OpenHands 用上面那份 config.toml，模型 ID 以广场为准。

4.1 运行日志节选

[iter 1] read issue, locate module: src/parser/core.py [iter 2] grep "tokenize" -> 3 matches [iter 3] open src/parser/core.py, inspect tokenize() [iter 4] apply patch: handle empty input in tokenize() [iter 5] run pytest tests/test_parser.py::test_empty_input FAILED - IndexError: list index out of range [iter 6] read traceback, locate line 88 [iter 7] apply patch: guard len(tokens) before access [iter 8] run pytest tests/test_parser.py::test_empty_input PASSED [iter 9] run pytest tests/test_parser.py 12 passed [iter 10] write patch to /path/to/fix.patch

十轮收敛，比我预期的短。中间那次 IndexError 是关键转折，第一版 patch 只处理了空字符串，没处理 token 列表为空的情况，测试直接把问题指出来了。

4.2 patch 文件

--- a/src/parser/core.py +++ b/src/parser/core.py @@ -85,6 +85,8 @@ def tokenize(text): tokens = _split(text) + if not tokens: + return [] first = tokens[0] return _normalize(first, tokens[1:])

patch 很小，但方向对。SWE-bench 里很多失败用例的根因就是这种边界条件，模型第一版容易只处理显式描述的情况，漏掉隐式边界。

4.3 验证命令与结果

cd /path/to/workspace git apply /path/to/fix.patch pytest tests/test_parser.py::test_empty_input -x pytest tests/test_parser.py

tests/test_parser.py::test_empty_input PASSED tests/test_parser.py 12 passed in 0.84s

FAIL_TO_PASS 转绿，同文件其他测试没挂。这是一次运行的结果，不代表这个实例在公榜上的稳定表现，也不代表模型在所有 SWE-bench 实例上都这样。

4.4 这次跑通的关键因素

• 测试报错足够具体，IndexError 直接指到行号。
• 约束里写死了不改测试，Agent 没走捷径。
• 迭代上限给够，第一版 patch 失败后还有余量修正。
• 通道稳定，十轮调用没有中断重试。

5. 排障：这次配置里踩到的坑

只写本篇实际遇到的配置问题，不展开通用教程。

5.1 base_url 带了 /v1

第一次填的是https://taotoken.net/api/v1，请求直接 404。TaoToken 的接口地址末尾不带/v1，改成https://taotoken.net/api后正常。这个坑在 Claude Code、Codex、CC Switch 里都一样，base URL 就是https://taotoken.net/api。

5.2 模型 ID 写错

我一开始凭印象填了个名字，报模型不存在。去模型广场核对当前可用 ID 后解决。模型 ID 以广场为准，别用旧文档或记忆里的名字。

5.3 环境变量没清

上一轮测试用的环境变量还留在终端里，覆盖了 config.toml 的新配置，导致改了文件不生效。排查时先env | grep LLM看一眼。

5.4 测试文件被 Agent 改动

有一次 Agent 为了让测试过，顺手改了断言。约束里明确写「不修改测试文件」后没再出现。SWE-bench 判定会检查测试文件哈希，改了直接失败。

5.5 迭代上限太小

设成 10 的时候，Agent 刚定位到问题就被截断，patch 没写完。SWE-bench 实例建议 30 起步，复杂仓库可以到 50。

6. 用同一把 Key 复现与对账

这次跑完，patch、测试命令、日志都在上面。想复现的话，用同一把 Key、同一个模型 ID、同一份任务描述，换一个失败实例再跑一遍，对比收敛轮数和 patch 大小。

跑完后打开 模型对话 确认模型 ID 与广场一致；长期跑 Agent 任务可以看 Coding Plan。Key 在 控制台 创建，Claude Code 接入细节对照 接入文档。这次十轮调用的用量，回控制台看账单就能对上。

如果要把这套流程接到 Claude Code 或 CC Switch，三件套是 base URL、Key、模型 ID，base URL 统一写https://taotoken.net/api。Codex 走~/.codex/config.toml，别把ANTHROPIC_*那套环境变量套上去。

🚀 告别海外账号与网络限制！稳定直连全球优质大模型，限时半价接入中。 👉 点击领取海量免费额度