Bỏ qua tới nội dung
Ông T.vn

mini-swe-agent: giải quyết việc code bằng AI — hướng dẫn cài đặt và dùng

12 phút đọcCập nhật

Bài này là một góc nhìn khác về SWE-agent/mini-swe-agent — repo từng đổi tên nên mình viết lại với cách tiếp cận khác. Bài hướng dẫn chính: mini-swe-agent: agent AI 100 dòng code sửa lỗi và viết code trên terminal — hướng dẫn cài đặt và dùng →

mini-swe-agent: giải quyết việc code bằng AI — hướng dẫn cài đặt và dùng

Tóm tắt nhanh

mini-swe-agent là agent AI viết bằng Python, dùng dòng lệnh để xử lý issue GitHub hoặc thực hiện yêu cầu lập trình trong môi trường máy tính. Repo tối giản, hỗ trợ nhiều mô hình qua LiteLLM và có thể cài nhanh bằng pip, uv hoặc pipx.

mini-swe-agent là một agent AI tối giản dùng dòng lệnh để giải quyết issue GitHub và hỗ trợ bạn làm việc với mã nguồn bằng bash. Thay vì có nhiều công cụ và cấu hình phức tạp, agent tập trung vào khả năng để mô hình ngôn ngữ tự sử dụng shell.

Repo này phù hợp với lập trình viên muốn thử một coding agent dễ hiểu, người làm nghiên cứu về agent, hoặc đội ngũ cần một công cụ có thể chạy trong môi trường cục bộ và sandbox. Điểm đáng giá nhất là phần lõi rất nhỏ, cách hoạt động tuyến tính và dễ mở rộng, nhưng vẫn đạt trên 74% ở bài đánh giá SWE-bench Verified theo mô tả của tác giả. Repo hiện có khoảng 9.586 sao và 1.313 fork, dùng giấy phép MIT.

Agent

SWE-agent/mini-swe-agent

Agent AI tối giản dùng dòng lệnh để xử lý issue GitHub và hỗ trợ công việc lập trình bằng bash.

★ 9.6kPythonMIT
Xem repo trên GitHub

I.mini-swe-agent làm được gì

  • Xử lý yêu cầu lập trình bằng dòng lệnh: Bạn đưa một nhiệm vụ như sửa lỗi, viết tính năng hoặc tạo chương trình. Agent sẽ dùng bash để kiểm tra và thao tác với mã nguồn.

  • Hỗ trợ giải quyết issue GitHub: Công cụ được thiết kế để xử lý các vấn đề kỹ thuật trong repository. Bạn có thể dùng nó như một trợ lý đọc mã, tìm nguyên nhân và đề xuất hoặc thực hiện thay đổi.

  • Chạy với nhiều mô hình AI: Repo hỗ trợ các mô hình thông qua LiteLLM, OpenRouter, Portkey và những cách tương thích khác. Vì agent chỉ cần bash thay vì một bộ công cụ riêng cho từng mô hình, phạm vi lựa chọn mô hình rộng hơn.

  • Chỉ dùng bash làm công cụ: Agent không cần giao diện tool-calling riêng của mô hình. Cách này giúp nó làm việc được với nhiều loại model và giảm số lượng thành phần cần cài đặt.

  • Lịch sử hội thoại tuyến tính: Mỗi bước được nối tiếp vào messages gửi cho mô hình. Bạn dễ xem agent đã nhận được gì, đã làm gì và vì sao nó chọn hành động đó. Đây cũng là nền tảng thuận tiện cho việc gỡ lỗi, fine-tuning hoặc nghiên cứu.

  • Thực thi lệnh độc lập: Mỗi hành động được chạy qua subprocess.run, thay vì duy trì một phiên shell có trạng thái lâu dài. Theo tác giả, cách này giúp việc chạy trong sandbox đơn giản hơn và dễ mở rộng.

  • Hỗ trợ nhiều môi trường triển khai: Repo có hỗ trợ môi trường cục bộ, Docker hoặc Podman, Singularity hoặc Apptainer, bubblewrap, contree và các môi trường khác. Việc chọn môi trường nào phụ thuộc vào cách bạn muốn cô lập agent.

  • Có CLI và Python bindings: Nếu chỉ muốn dùng ngay, bạn có thể chạy lệnh mini. Nếu muốn nhúng agent vào chương trình Python, README đưa ví dụ khởi tạo DefaultAgent, LitellmModel và LocalEnvironment rồi gọi agent.run().

  • Có trajectory browser: Cả mini-swe-agent và SWE-agent đều có trình duyệt trajectory. Đây là phần hữu ích khi bạn muốn xem lại quá trình agent suy luận và thao tác.

  • Tối giản để dễ hack: Tác giả mô tả phần agent class chỉ khoảng 100 dòng Python, cùng một số phần bổ trợ cho môi trường, model và script chạy. Người đã biết Python có thể đọc cấu trúc nhanh hơn so với các agent lớn nhiều lớp cấu hình.

II.Cần chuẩn bị gì

  • Python từ 3.10 trở lên: pyproject.toml của repo yêu cầu Python >=3.10.

  • Một môi trường chạy dòng lệnh: Bạn cần mở Terminal, PowerShell hoặc shell tương ứng để cài gói và chạy CLI. README không nêu danh sách hệ điều hành cụ thể, nên tài liệu được cung cấp chưa đủ cơ sở để khẳng định hỗ trợ chính thức cho từng hệ điều hành.

  • Quyền cài Python package: Bạn cần cài được mini-swe-agent bằng pip, hoặc cài uv hay pipx nếu chọn hai cách chạy nhanh trong README.

  • Mô hình AI tương thích: Repo hỗ trợ model qua LiteLLM, OpenRouter, Portkey và các endpoint tương thích. README được cung cấp không ghi một model cụ thể bắt buộc phải dùng.

  • Thông tin xác thực cho dịch vụ model nếu dịch vụ yêu cầu: Tư liệu không nêu tên biến môi trường, vị trí file cấu hình hay API key cụ thể. Bạn nên xem phần Quick start, Global configuration và tài liệu cấu hình YAML của dự án trước khi kết nối model.

  • Bash khi agent thực hiện tác vụ: Agent chỉ có bash làm công cụ. Nếu chạy trong sandbox, tác giả nói môi trường đó chỉ cần bash thay vì phải cài một bộ package công cụ riêng.

  • Docker, Podman hoặc công cụ cô lập khác nếu cần sandbox: Đây là lựa chọn triển khai được repo hỗ trợ, không phải yêu cầu bắt buộc cho cách chạy CLI cơ bản.

Agent có thể thực thi lệnh trên mã nguồn bằng bash. Hãy chạy thử trong một repository riêng hoặc sandbox nếu nhiệm vụ có thể sửa, xóa hoặc tạo file. README được cung cấp chưa ghi chi tiết quyền truy cập và cách đặt API key, nên không nên tự đoán tên biến môi trường.

III.Cài đặt từng bước

  1. Chọn cách càiDùng uv/pipx để thử nhanh, pip để cài vào môi trường hiện tại, hoặc cài từ source để phát triển
  2. Cài mini-swe-agentChạy đúng lệnh cài đặt tương ứng
  3. Mở CLIGọi lệnh mini trong Terminal
  4. Kết nối modelLàm theo tài liệu cấu hình của repo nếu model cần thông tin xác thực
  5. Thử một nhiệm vụ nhỏKiểm tra agent có thể nhận yêu cầu và thao tác trong môi trường của bạn

A.Chọn cách cài phù hợp

README có ba lựa chọn. Nếu bạn chỉ muốn thử CLI, chọn cách cài trong môi trường ảo ẩn danh bằng uv hoặc pipx. Nếu muốn dùng cả CLI và Python bindings trong môi trường hiện tại, dùng pip. Nếu muốn đọc hoặc sửa mã nguồn repo, cài editable từ source.

Người mới nên mở Terminal tại thư mục có quyền cài package. Với cách cài từ source, sau khi clone bạn cần chuyển vào đúng thư mục mini-swe-agent trước khi chạy pip.

B.Cài để thử nhanh bằng uv

Terminal
pip install uv && uvx mini-swe-agent

Lệnh này cài uv, sau đó dùng uvx để chạy mini-swe-agent trong môi trường ảo. Bạn không cần tự tạo một thư mục môi trường ảo theo hướng dẫn được cung cấp.

Nếu Terminal báo không tìm thấy pip, hãy kiểm tra Python đã được cài và có thể gọi từ dòng lệnh. README chỉ ghi lệnh trên, không đưa cách sửa riêng cho từng hệ điều hành.

C.Cài để thử nhanh bằng pipx

Terminal
pip install pipx && pipx ensurepath && pipx run mini-swe-agent

Lệnh đầu cài pipx. Lệnh pipx ensurepath thiết lập đường dẫn để pipx có thể chạy được từ Terminal. Lệnh cuối chạy package mini-swe-agent.

Sau khi chạy ensurepath, một số Terminal có thể cần được mở lại để nhận thay đổi đường dẫn. Đây là điểm người mới thường vấp khi lệnh tiếp theo chưa được nhận diện.

D.Cài vào môi trường Python hiện tại

Terminal
pip install mini-swe-agent
mini  # run the CLI

pip install mini-swe-agent cài package vào môi trường Python hiện tại. Lệnh mini mở CLI của agent.

Nếu máy có nhiều bản Python, hãy chắc rằng pip đang trỏ tới đúng Python từ 3.10 trở lên. README không cung cấp biến thể lệnh riêng như python -m pip, vì vậy bạn chỉ nên dùng biến thể khác khi đã hiểu môi trường của mình.

E.Cài từ source để phát triển

Terminal
git clone https://github.com/SWE-agent/mini-swe-agent.git
cd mini-swe-agent && pip install -e .
mini  # run the CLI

git clone tải source về máy. cd mini-swe-agent chuyển Terminal vào thư mục repo. pip install -e . cài repo ở chế độ editable, phù hợp khi bạn muốn sửa mã trong src/ và thử lại mà không phải cài lại package sau mỗi thay đổi. Cuối cùng, mini chạy CLI.

Nếu lệnh cd báo không tìm thấy thư mục, hãy kiểm tra bạn đang đứng ở nơi mà lệnh git clone đã tạo thư mục. Nếu pip install -e . lỗi, hãy kiểm tra Python có đáp ứng yêu cầu >=3.10 và Terminal đang ở đúng thư mục có pyproject.toml.

F.Đọc đúng tài liệu cấu hình trước khi kết nối model

Sau khi CLI mở được, hãy xem các phần Quick start guide, Using the mini CLI, Global configuration và Yaml configuration files trong tài liệu của repo. Đây là nơi README trỏ tới để tìm hướng dẫn sử dụng sâu hơn.

Tư liệu được cung cấp chưa ghi lệnh chọn model, tên API key, biến môi trường hoặc prompt cấu hình cụ thể. Vì vậy, không nên tự thêm cờ lệnh hay tên biến chưa xuất hiện trong tài liệu. Nếu bạn muốn phát triển tích hợp Python, README có ví dụ API ở phần sau.

IV.Kiểm tra đã chạy được chưa

Cách kiểm tra cơ bản là chạy được lệnh mini sau khi cài. README đưa lệnh này ở cả cách cài bằng pip và cài từ source, nên việc CLI mở được là dấu hiệu package đã được cài và entry point hoạt động.

Nếu chỉ muốn kiểm tra package mà chưa chạy nhiệm vụ lớn, hãy bắt đầu bằng một yêu cầu nhỏ trong một thư mục thử nghiệm. Quan sát xem agent có nhận yêu cầu và bắt đầu dùng bash hay không. Kết quả cụ thể còn phụ thuộc vào model và cấu hình model bạn kết nối.

Với Python bindings, README đưa ví dụ tối thiểu sau:

Python
agent = DefaultAgent(
    LitellmModel(model_name=...),
    LocalEnvironment(),
)
agent.run("Write a sudoku game")

Đoạn này cho thấy cấu trúc sử dụng chính gồm agent mặc định, model qua LiteLLM, môi trường cục bộ và một yêu cầu gửi vào agent.run(). README không ghi output cố định cho ví dụ Sudoku, nên không nên coi một màn hình cụ thể là kết quả bắt buộc.

Nếu lệnh không chạy, các điểm cần kiểm tra trước là phiên bản Python, package đã cài vào đúng môi trường chưa, Terminal có nhận lệnh mini chưa và model đã được cấu hình theo tài liệu chưa.

V.Dùng vào việc thật

A.Lập trình viên xử lý một issue nhỏ trong repository

Một lập trình viên có thể mở CLI trong thư mục dự án và giao nhiệm vụ rõ ràng, chẳng hạn: “Đọc issue hiện tại, tìm phần mã liên quan, giải thích nguyên nhân và đề xuất cách sửa. Chỉ thay đổi file sau khi đã kiểm tra test liên quan.”

Agent sẽ dùng bash để đọc mã, tìm file và chạy các lệnh cần thiết. Vì mỗi hành động được thực thi độc lập, bạn có thể xem lại từng bước trong trajectory và kiểm tra thay đổi trước khi đưa vào quy trình chính.

B.Người mới học Python tạo một chương trình nhỏ

Bạn có thể dùng Python bindings với yêu cầu như “Write a sudoku game”, đúng theo ví dụ trong README. DefaultAgent nhận LitellmModel và LocalEnvironment, sau đó chạy nhiệm vụ qua agent.run().

Kết quả mong đợi là agent thực hiện quá trình tạo chương trình trong môi trường cục bộ. Với người mới, nên yêu cầu agent giải thích từng file và kiểm tra chương trình sau khi tạo, thay vì giao một nhiệm vụ quá rộng ngay từ đầu.

C.Đội nghiên cứu đánh giá agent hoặc mô hình

Nhóm nghiên cứu có thể dùng mini-swe-agent làm baseline vì agent có luồng điều khiển đơn giản, lịch sử tuyến tính và không phụ thuộc vào một bộ công cụ riêng. Các bước agent gửi cho model gần với trajectory được lưu lại, thuận tiện khi phân tích hành vi hoặc chuẩn bị dữ liệu fine-tuning.

Repo cũng được mô tả là phù hợp với benchmark và có thể triển khai trong môi trường sandbox. Nếu cần cô lập, nhóm có thể xem các môi trường được hỗ trợ như Docker, Podman, Singularity, Apptainer hoặc bubblewrap.

D.Đội kỹ thuật thử nhiều nhà cung cấp model

Một đội có thể giữ nguyên agent nhưng thử model thông qua LiteLLM, OpenRouter hoặc Portkey. Điều này hữu ích khi muốn so sánh chất lượng model mà không phải xây lại một bộ tool interface cho từng nhà cung cấp.

Prompt nên mô tả rõ mục tiêu, phạm vi file được phép sửa và cách xác minh kết quả. Ví dụ: “Tìm nguyên nhân lỗi trong module thanh toán, không sửa file cấu hình triển khai, viết test tái hiện lỗi và báo cáo những lệnh đã chạy.” Kết quả nhận được phụ thuộc vào model, môi trường và cấu hình cụ thể.

Công cụ càng đơn giản, bạn càng dễ nhìn thấy agent đang làm gì và kiểm soát kết quả.

Ông T

VI.Lỗi hay gặp và cách xử lý

A.Python thấp hơn phiên bản yêu cầu

pyproject.toml yêu cầu Python từ 3.10. Nếu pip từ chối cài hoặc dependency không hoạt động, hãy kiểm tra phiên bản Python đang được Terminal sử dụng và chuyển sang môi trường Python đáp ứng yêu cầu.

B.Cài package nhưng lệnh mini không được nhận

Lỗi này thường xảy ra khi package được cài vào một môi trường khác với môi trường Terminal đang dùng, hoặc đường dẫn thực thi chưa được nhận. Với cách pipx, hãy mở lại Terminal sau pipx ensurepath. Với cách pip, hãy kiểm tra môi trường Python hiện tại.

C.Đứng sai thư mục khi cài từ source

Lệnh pip install -e . cần chạy trong thư mục repo có pyproject.toml. Hãy dùng cd mini-swe-agent như README hướng dẫn trước khi cài. Không tự đổi sang một thư mục khác nếu chưa kiểm tra cấu trúc repo.

D.Agent không thể gọi model

README nói repo hỗ trợ model qua LiteLLM, OpenRouter, Portkey và các endpoint tương thích, nhưng phần nội dung được cung cấp không ghi API key hoặc biến môi trường cụ thể. Hãy xem tài liệu Quick start và Global configuration của dự án thay vì đoán tên key hay tự thêm cờ lệnh.

E.Agent sửa nhầm hoặc chạy lệnh nguy hiểm

Agent có thể sử dụng bash để thao tác với môi trường. Hãy thử trong repository riêng, giới hạn quyền truy cập và yêu cầu agent giải thích trước khi sửa file quan trọng. Khi cần cô lập mạnh hơn, hãy xem các môi trường sandbox mà repo hỗ trợ.

VII.Có nên dùng không

Bạn nên chọn mini-swe-agent nếu muốn một coding agent chạy bằng dòng lệnh, dễ đọc, dễ chỉnh sửa và có luồng hoạt động đơn giản. Repo hỗ trợ CLI, Python bindings, nhiều cách kết nối model và nhiều môi trường triển khai. Tác giả cũng cho biết agent đạt trên 74% ở SWE-bench Verified, đồng thời khởi động nhanh hơn Claude Code theo mô tả trong README.

Điểm mạnh lớn nhất là tính tối giản. Agent chỉ dùng bash, không cần tool-calling interface riêng, lịch sử tuyến tính và mỗi lệnh được thực thi độc lập. Những đặc điểm này có lợi cho việc debug, sandbox, benchmark và nghiên cứu fine-tuning.

Giới hạn là repo không cung cấp một bộ công cụ riêng cho từng thao tác. Nếu bạn muốn mỗi công cụ có interface chuyên biệt, hoặc muốn thử nhiều kiểu history processor, README khuyên cân nhắc SWE-agent. mini-swe-agent cũng đòi hỏi bạn tự đọc tài liệu cấu hình để kết nối model; README được cung cấp chưa ghi sẵn toàn bộ quy trình API key hay cấu hình nhà cung cấp.

Tóm lại, đây là lựa chọn tốt cho người muốn bắt đầu với một agent kỹ thuật gọn nhẹ và có thể kiểm soát. Nếu nhu cầu của bạn là giao diện nhiều tính năng, quy trình đóng gói sẵn hoặc bộ công cụ chuyên biệt cho từng tác vụ, hãy so sánh thêm với các agent khác trước khi đưa vào quy trình sản xuất.

4.3/5 · Ông T chấm

Chưa có độc giả chấm

Bài này có ích với bạn không?

Câu hỏi thường gặp

mini-swe-agent có miễn phí không?

Repo dùng giấy phép MIT. Tuy nhiên, tư liệu không nói chi phí của mô hình AI hoặc các nhà cung cấp như LiteLLM, OpenRouter và Portkey, nên chi phí sử dụng model chưa được xác định từ README.

Có cần GPU để chạy mini-swe-agent không?

README không nêu yêu cầu GPU. Repo hỗ trợ nhiều model qua các lớp tương thích, nhưng tư liệu được cung cấp chưa cho biết yêu cầu phần cứng của từng model.

Có chạy được trên Windows không?

Tư liệu được cung cấp không nêu danh sách hệ điều hành được hỗ trợ chính thức. Agent cần môi trường dòng lệnh và bash, vì vậy bạn nên kiểm tra tài liệu dự án trước khi triển khai trên Windows.

Có bắt buộc dùng một model AI cụ thể không?

Không thấy README yêu cầu một model cụ thể. Repo hỗ trợ model thông qua LiteLLM, OpenRouter, Portkey và các endpoint tương thích, nhưng cách cấu hình chi tiết cần xem trong tài liệu.

Dữ liệu và mã nguồn có an toàn không?

Agent có thể thực thi hành động bằng bash trong môi trường bạn cung cấp. README nói repo hỗ trợ nhiều kiểu sandbox, nhưng không đưa chính sách bảo mật hoặc cấu hình quyền cụ thể; bạn nên dùng repository thử nghiệm và môi trường cô lập khi xử lý mã quan trọng.

mini-swe-agent khác SWE-agent ở điểm nào?

mini-swe-agent có luồng điều khiển đơn giản hơn, chỉ dùng bash, lịch sử tuyến tính và thực thi hành động độc lập. README khuyên dùng SWE-agent nếu bạn muốn thử nhiều bộ công cụ riêng hoặc nhiều history processor.

Có thể dùng mini-swe-agent như thư viện Python không?

Có. README cho biết repo có Python bindings và minh họa cách tạo `DefaultAgent`, `LitellmModel`, `LocalEnvironment`, sau đó gọi `agent.run()`. Bạn cần cài package vào môi trường hiện tại hoặc cài từ source.

Chuyển nhanh tới mục

  1. I.mini-swe-agent làm được gì
  2. II.Cần chuẩn bị gì
  3. III.Cài đặt từng bước
    1. A.Chọn cách cài phù hợp
    2. B.Cài để thử nhanh bằng uv
    3. C.Cài để thử nhanh bằng pipx
    4. D.Cài vào môi trường Python hiện tại
    5. E.Cài từ source để phát triển
    6. F.Đọc đúng tài liệu cấu hình trước khi kết nối model
  4. IV.Kiểm tra đã chạy được chưa
  5. V.Dùng vào việc thật
    1. A.Lập trình viên xử lý một issue nhỏ trong repository
    2. B.Người mới học Python tạo một chương trình nhỏ
    3. C.Đội nghiên cứu đánh giá agent hoặc mô hình
    4. D.Đội kỹ thuật thử nhiều nhà cung cấp model
  6. VI.Lỗi hay gặp và cách xử lý
    1. A.Python thấp hơn phiên bản yêu cầu
    2. B.Cài package nhưng lệnh mini không được nhận
    3. C.Đứng sai thư mục khi cài từ source
    4. D.Agent không thể gọi model
    5. E.Agent sửa nhầm hoặc chạy lệnh nguy hiểm
  7. VII.Có nên dùng không

Repo & Skill · 13/11/2026 · 11 phút đọc

Garden Skills: bộ skill thiết kế web, tạo ảnh, làm video cho AI — hướng dẫn cài đặt và dùng

Garden Skills là bộ sưu tập Agent Skills (kỹ năng cho AI) của tác giả ConardLi, dùng được với Claude Code, Cursor, Codex và các AI coding agent khác. Mỗi skill dạy agent làm tốt một việc như thiết kế trang web, tạo ảnh, làm video bằng code, biến tài liệu thành bài viết đẹp. Cài không khó, nhưng README có nhiều cách cài nên bạn cần chọn một cách hợp với công cụ đang dùng.

Repo & Skill · 13/11/2026 · 15 phút đọc

thesysdev/openui: xây giao diện AI dạng streaming — hướng dẫn cài đặt và dùng

OpenUI là framework full-stack, độc lập framework, giúp mô hình AI sinh giao diện có cấu trúc và hiển thị dần khi dữ liệu streaming về. Bạn có thể dựng nhanh một ứng dụng chat bằng CLI hoặc cài từng gói cho React, Vue, Svelte, Angular và LangChain. Việc bắt đầu khá đơn giản nếu máy có đúng phiên bản Node; README chưa ghi đầy đủ lệnh chạy ứng dụng sau khi scaffold.

Repo & Skill · 13/11/2026 · 11 phút đọc

Ruflo: điều phối nhóm agent AI cho Claude Code và Codex — hướng dẫn cài đặt và dùng

Ruflo (trước đây là Claude Flow) là một agent harness: lớp công cụ bao quanh Claude Code và Codex, bổ sung nhiều agent chuyên biệt, bộ nhớ qua các phiên và khả năng chia việc cho nhóm agent. Cài bằng một lệnh `npx ruflo@latest init` trong thư mục dự án, cần Node 20 trở lên. Cài khá dễ, nhưng hệ thống rất rộng nên bạn nên bắt đầu từ một tác vụ nhỏ.