TovanaEngine
一个开源的编码智能体辅助项目，通过训练小型「世界模型」为LLM提供编码任务的历史经验先验，支持本地Docker部署、MCP和HTTP API两种接入方式，数据不外发
时间轴 (近 90 天)
TovanaEngine 是一位 Reddit 开发者开源的项目，尝试用「世界模型」思路为编码智能体补充经验先验知识
TovanaEngine 中的世界模型不是预测视频帧或模拟物理环境的大型生成模型，而是专门针对编码智能体行为训练的小型模型
该世界模型基于 SWE-bench Verified 上超过5万次真实的编码智能体运行记录训练，横跨25个不同模型
该训练结合了合并率、代码审查时间、仓库规模等行为指标，最终生成超过100万条step-to-step的状态转移数据
TovanaEngine 通过 Docker 在本地运行，无需注册账号，且数据不外发
TovanaEngine 同时提供 MCP（Model Context Protocol）和 HTTP API 两种接入方式
用轻量模型将海量历史运行规律蒸馏出来作为LLM决策外挂，相比重新训练或微调主力大模型是一种成本更可控、更灵活易迭代的旁路增强方案
基于 SWE-bench Verified 训练的经验能否泛化到风格迥异的真实私有仓库、跨25个模型汇总的规律用于具体模型是否水土不服、额外模型调用的延迟与收益比等问题仍待验证
作者坦言 TovanaEngine 仍是非常早期的探索，很可能存在各种问题，并预告会陆续加入更多模型
全部知识事实 (8)
TovanaEngine 是一位 Reddit 开发者开源的项目，尝试用「世界模型」思路为编码智能体补充经验先验知识
50%待验证TovanaEngine 中的世界模型不是预测视频帧或模拟物理环境的大型生成模型，而是专门针对编码智能体行为训练的小型模型
50%待验证该世界模型基于 SWE-bench Verified 上超过5万次真实的编码智能体运行记录训练，横跨25个不同模型
50%待验证该训练结合了合并率、代码审查时间、仓库规模等行为指标，最终生成超过100万条step-to-step的状态转移数据
50%待验证TovanaEngine 通过 Docker 在本地运行，无需注册账号，且数据不外发
50%待验证TovanaEngine 同时提供 MCP（Model Context Protocol）和 HTTP API 两种接入方式
50%待验证用轻量模型将海量历史运行规律蒸馏出来作为LLM决策外挂，相比重新训练或微调主力大模型是一种成本更可控、更灵活易迭代的旁路增强方案
50%待验证基于 SWE-bench Verified 训练的经验能否泛化到风格迥异的真实私有仓库、跨25个模型汇总的规律用于具体模型是否水土不服、额外模型调用的延迟与收益比等问题仍待验证
50%