Terminal-Universe：把智能体轨迹变成可复用的终端环境

导语

终端代码智能体的训练正在从“模仿一条成功轨迹”转向“在环境中反复尝试”。问题在于，现实中的智能体轨迹虽然不断积累，但它们通常只是一次性的操作记录；真正能支持任务重放、执行验证和持续交互的工作环境，仍然稀缺。Qwen团队提出的 Terminal-Universe，试图把两者连接起来：从已有轨迹反推出可运行的工作区，再将一个固定示例转化为可反复探索的任务资源。

核心方法

• 从操作历史恢复工作区。 系统回放轨迹中记录的文件创建、修改等操作，尽量还原智能体开始修改前的文件状态，由此得到一个部分完整的工作区。
• 用补全智能体填补缺口。 轨迹往往不会记录所有初始文件、依赖和配置。Terminal-Universe引入补全步骤，补足缺失内容，使恢复出的环境更接近可执行状态。
• 同时恢复旧任务、生成新任务。 在重建环境上，系统既尝试复原原始意图，也设计与原问题不同的新查询，让同一个环境能够支持更多训练样本和验证过程。
• 沿广度扩展。 框架挖掘相关环境之间的方向性依赖关系，生成跨工作区、跨代码库的任务。这类任务更接近开发者在真实项目中需要联动多个仓库的工作方式。
• 沿深度扩展。 单轮请求可以被延展为多轮会话，通过用户智能体模拟反馈、澄清和需求变化，让任务包含持续修正与迭代实现。

结果与意义

研究者将该方法应用于公开的终端智能体轨迹，构建出3.73万个“任务充分”的环境。以这些数据进行监督微调后，Qwen3.5-27B在 Terminal-Bench 2.1 的单轮表现提升11.9个百分点，在 EvoCode-Bench v2 MT@4 的多轮表现提升13.8个百分点。素材并未给出更细的实验设置，因此这些结果应理解为论文报告的总体效果，而不是对所有场景的普遍保证。

这项工作的关键价值，是重新定义了轨迹数据的用途。轨迹不再只是供模型学习的答案示范，也可以充当环境恢复的线索。只要文件变化、工具调用和依赖关系足够完整，一次交互记录就有机会被转化为多个可验证任务，从而提高数据利用率。

对代码智能体而言，广度和深度同样重要。只会处理孤立仓库的模型，未必能完成真实工程中的联调工作；只会一次性响应的模型，也难以应对需求不断变化的开发流程。Terminal-Universe提供了一种数据生产框架，但其效果仍取决于轨迹记录质量、环境恢复准确性以及自动生成任务的验证可靠性。未来，如何避免补全内容与真实项目意图偏离，并建立更严格的任务去重和质量控制机制，将是这一方向继续落地的关键。

来源：Hugging Face Daily Papers