微軟近日公布能幫開發人員除錯（debug）的AI工具Debug-gym，可用除錯工具協助提供更好的除錯建議。

現今已經有不少業者提供AI程式撰寫工具，號稱能依據程式碼和錯誤訊息建議除錯方案，但是這些工具在方案失敗時並不會提供其他進一步資訊，使某些錯依舊無法解決。有些用戶覺得AI程式工具無法全盤理解他們想解決的問題。

微軟發表的debug-gym是一個輕量代理人開發環境，旨在讓企業開發除錯LLM代理人，它能使用互動式除錯工具，如預設的python debugger（pdb），以積極尋找進一步除錯資訊。透過工具獲得的回饋，Debug-gym擴展代理人的行為和觀察面，使之設定斷點、導覽程式碼、列印變項值，或建立測試函式，甚至改寫程式碼。程式代理人研究、生成新的除錯建議，最後交由人類判斷及核准。在交付之前，這些除錯方法可在相關codebase、程式執行和文件脈絡下進行grounding，而不只是依據訓練資料憑空設想的方案。

微軟相信結合適當工具的互動式除錯方法，可幫助程式代理人更有效解決真實的軟工作業。

微軟說明，debug-gym有以下特色：它支援全程式庫操作，可存取並編輯整個程式庫，且使用Docker沙箱隔離環境，確保除錯安全。它易於擴充，可輕鬆新增工具與功能。此外，它是文字導向：以JSON等結構化文字呈現資訊，適合整合大型語言模型（LLM）。

利用debug-gym，開發人員可以指定資料夾路徑，使用任何自訂程式庫來評估代理人效能。微軟在debug-gym相關網頁中還提供除錯標竿測試SWE-bench及可練習除錯的程式集Mini-nightmare，提供開發人員練習和衡量LLM除錯代理人效能。

微軟並公布以這種方法建立除錯代理人的標竿測試結果。研究團隊使用包括Claude 3.7、OpenAI-o1、OpenAI o3-mini等9種LLM，開發出可下簡單文字（JSON格式）提示的代理人，讓它使用以下除錯工具包括eval、view、pdb、rewrite和listdir以改進除錯解決方案。

初期測試顯示目前上述三個主要模型，能解決解決SWE-bench Lite最多一半的問題，但微軟相信主因在於序列決策行為的訓練資料較少。而且，微軟指出，此種方法的代理人較傳統方法開發出來的代理人，效能已經提升30%、182%及160%，顯示是很有潛力的發展方法。

圖片來源／微軟