华为、港中文、港科大研究人员联合推出 LegoFlow，一个将代码数据工程全流程封装为智能体可调用插件技能的框架，覆盖仓库发现、任务验证、轨迹推理、训练与评测。团队同时发布 LegoFlow-SWE 数据集，包含从 1200 万个 PR 中筛选出的 5000 个任务和 2780 条高质量轨迹，仅用 1000 条轨迹训练 Qwen3.5-35B-A3B-Base 即可在 SWE-bench Verified 和 Pro 上分别达到 70.2% 和 48.8%。该框架还展示了递归式自我改进能力，两轮迭代后同一模型在 SWE-bench Verified 上从 7.6% 提升至 64.4%。
SynthePulse Insight · AI 深度解读会员精读
版本 1 · 1 个来源
华为与港中文、港科大研究者联合推出开源框架 LegoFlow，把造题、答题、筛选、训练、评测封装成智能体可调用的插件技能，并发布从 1200 万个候选 PR 中筛出的 5000 个任务数据集 LegoFlow-SWE。团队主张任务质量与轨迹推理深度比数据数量更决定训练效果，但所有成绩与结论均来自团队自述。
华为、香港中文大学、香港科技大学的研究者联合推出开源代码数据工程框架 LegoFlow，把仓库与 PR 收集、任务验证、轨迹推理、训练与评测各环节封装为插件技能，供 Claude Code、Codex 等编码智能体直接调用。团队将流程组织为 Root、Curator、Tracer、Trainer、Evaluator 五个 block，分别负责目标转化与协调、任务构建、轨迹生成、微调和基准评测。
这一设计的出发点，是代码数据生产长期存在的瓶颈：人工标注成本高、LLM 生成不可控、自动验证难度大。LegoFlow 把复杂工程工作流拆给界限清晰的环节，每个 block 像一位工程师，由编码智能体管理，自带完成职责所需的仓库、脚本、依赖和环境。Curator 负责把仓库和拉取请求转化为经过验证的任务，Tracer 生成训练轨迹，Trainer 进行微调，Evaluator 返回基准评测结果。
需要说明的是，上述框架描述与后续所有成绩均来自团队自述，目前没有第三方独立复现或验证。
LegoFlow-SWE 的构建从收集超过 70 万个 GitHub 仓库及其关联的 1200 万个候选 PR 开始。经有效 diff、补丁大小、测试与 issue 证据等条件筛选后，仅剩 60 万个 PR；再经 LLM 评审器与执行验证进一步去除简单或无法验证的任务，最终留下 5000 个已验证任务，仅占原始数据池的 0.0417%。
这 5000 个任务覆盖 8 种编程语言和 20 个任务标签。轨迹方面，GLM-5.2 通过 OpenHands SDK 和 OpenCode 生成 9767 次运行，其中 2780 次通过验证，构成数据集中的验证成功轨迹。
筛选漏斗的每一级都依赖具体判定标准，但任务筛选所依赖的 LLM 评审器与执行验证，其判定标准与误判率未在文中给出。这意味着 0.0417% 这一筛选率本身是团队流程的产物，其可复现性取决于这些未公开的判定细节。
本文所有事实、数字与结论均来自机器之心对 LegoFlow 团队工作的报道，属于团队自述，缺少第三方独立复现或验证。LegoFlow-SWE 的构建与训练结果依赖特定教师模型 GLM-5.2、编码智能体框架 OpenHands SDK 与 OpenCode 以及固定预算设置；任务筛选依赖 LLM 评审器与执行验证，其判定标准与误判率未在文中给出；评测防作弊依赖限制网络与删除本地 Git 信息等环境控制，环境变化可能影响结果可比性。递归式自我改进实验仅报告单次端到端流程与两轮迭代，样本规模有限。
主报道
主报道来源