Coding Agent 蒸餾 - Platform For AI

Coding Agent 蒸餾模板通過編程 Agent 在遠程沙箱中實際修改代碼、重放測實驗證，產出 ShareGPT 格式的多輪 SFT 資料集，適合訓練小模型在真實代碼倉庫中定位問題、修改代碼並驗證結果。

模板概述

Coding Agent 蒸餾模板適用於需要訓練代碼能力模型的情境。編程 Agent 在遠程沙箱中實際修改代碼，改動隨後在全新沙箱中重放並執行測試，僅保留「改動確實使測試通過」的軌跡，產出 ShareGPT 格式的多輪 SFT 資料集。與類比工具調用的 Agent 蒸餾不同，這條資料線的每一步都伴隨實際執行與防作弊校正，適合訓練小模型在真實代碼倉庫中定位問題、修改代碼並驗證結果。

重要

該模板僅支援一段式建立：蒸餾資料構建，不包含學生模型訓練階段。

Coding Agent 蒸餾模板的流水線包含以下步驟：

步驟	名稱	說明
1	沙箱執行	為每條種子建立獨立的遠程沙箱並解壓其 workspace，隨後由編程 Agent 按任務描述修改代碼，完整記錄互動軌跡。
2	重放與測實驗證	在全新沙箱中重放軌跡裡的檔案改動並執行種子指定的驗證命令，同時進行防作弊校正（是否修改測試檔案、用例是否全部跳過、環境錯誤是否被計為通過等），輸出分數與結論。
3	構建 SFT 資料集	把通過驗證的軌跡整理成 ShareGPT 格式的多輪對話訓練樣本。

操作步驟

登入PAI控制台，在左側導覽列選擇模型应用> 模型蒸馏（ModelDistill）。
單擊新建任务，跳轉到蒸馏模板頁簽，或者直接進入蒸馏模板頁簽。
選擇Coding Agent 蒸餾，單擊使用模板，進入新建蒸馏任务頁面。如下配置關鍵參數，其他保持預設。
進行基础配置：
- 任务名称：系統已自動填滿。
- 输出路径：指定一個有許可權訪問的OSS路徑，如oss://mybucket.oss-cn-hangzhou-internal.aliyuncs.com/coding-agent-distill/。
  說明
  請確保為每個蒸餾任務建立獨立的輸出目錄，避免檔案被覆蓋。OSS Bucket需與PAI服務在同一地區。
單擊下一步，進入蒸馏数据构建：
- 教师模型：來源選擇Token 服務，選擇教師模型（如qwen3.8-max），裁判模型複用教師模型，不選擇。
- 数据集：選擇一個有許可權訪問的OSS目錄（注意：必須選擇整個目錄，不能僅選擇 JSONL 檔案）。可直接下載樣本使用。
- 蒸馏配置：已提供了預設配置，根據實際需要修改。重點關注以下參數：
  - coding_agent.harness.max_turns：單條種子的最大互動輪次，預設 150。需與 timeout 配套——每輪都要在沙箱裡改代碼、跑測試。
  - coding_agent.sandbox.endpoint：即時服務接入地址，需替換預留位置 ${EAS_SANDBOX_ENDPOINT} 為實際地址。
  - coding_agent.sandbox.api_key：即時服務 API Token，需替換預留位置 ${EAS_SANDBOX_API_KEY} 為實際 Token。
    說明
    即時服務：Coding Agent 蒸餾需要即時服務提供沙箱執行環境。在 PAI 控制台左側導覽列選擇 模型在线服务（EAS），切到 即时服务頁簽，建立即時服務後使用公用模板或者自建模板，在模板詳情頁右上方單擊SDK接入擷取接入地址（endpoint）和 API Token，用於替換上方蒸餾配置中的 ${EAS_SANDBOX_ENDPOINT} 和 ${EAS_SANDBOX_API_KEY}。詳情參見即時服務-快速入門。
- 计算资源：资源类型選擇通用计算，资源来源選擇公共资源，在任务资源中選擇合適的资源规格，如ecs.c6.large。
單擊创建，然後在彈出的計費提醒中單擊确定，頁面將自動跳轉至任務詳情的基礎配置頁面，可在此跟蹤任務狀態。

配置說明

以下說明 Coding Agent 蒸餾模板的關鍵配置參數。基礎配置和資源配置與通用蒸餾一致，此處僅列出本模板特有的參數差異。

基礎配置

基礎配置包含任務名稱和輸出路徑兩項。輸出路徑為任務全部產物的輸出根目錄，蒸餾資料集也寫在該目錄下，無需再單獨指定資料集輸出路徑。

蒸餾資料構建

教師模型

Coding Agent 蒸餾模板需要配置以下多個教師模型：

序號	模型角色	說明
1	教師模型（必填）	同時用於 Coding Agent 的推理與 Harness，用於產生軌跡，建議選擇代碼能力強、支援長上下文與工具調用的模型。
2	裁判模型（可選）	用於判斷 Coding Agent 軌跡的品質。留空則複用教師模型，建議單獨指定。

教師模型來源支援 Token服務。

資料集

選擇輸入目錄（注意：必須選擇整個目錄，不能僅選擇 JSONL 檔案），資料格式要求如下：

種子檔案：seeds.jsonl，一行一條種子任務，包含 id、instruction、workspace、test_cmd、test_files 欄位。
為每條種子準備一個 workspace 壓縮包，壓縮包按 seeds.jsonl 中的相對路徑解析。
輸入必須選擇整個目錄，僅選擇 seeds.jsonl 檔案會導致壓縮包不可用。

蒸餾配置

蒸餾配置以 YAML 格式提供，預置了演算法團隊的推薦預設值，可按需調整。下表列出部分建議關注的參數及其說明。

配置段	說明
dataset	`input_path`（預設 `seeds.jsonl`）：輸入種子檔案路徑（位於輸入掛載目錄下）。 `output_path`（預設 `04_merged.jsonl`）：匯出前的合并審計快照（含未通過驗證的軌跡，供回溯與構造偏好對）。注意：此檔案與 SFT 訓練資料檔案必須分開，指向同一個檔案會把訓練資料靜默覆蓋。 `build_sft.output_path`（預設 `outputs/handoff/03_sft_records.jsonl`）：可訓練的 ShareGPT 多輪 SFT 資料，由收尾的 build_sft 階段產出。
backend	`timeout`（預設 `1200.0`）：單次請求等待上限（秒）。需覆蓋寫滿 max_tokens 的回答而非平均長度。 `max_retries`（預設 `3`）：單次請求的網路級重試次數。
coding_agent.harness	編程 Agent 外殼，控制代理行為與沙箱互動。 `type`（預設 `cc`）：代理外殼類型，需與 sandbox.template 的沙箱鏡像配套。 `model`（預設 `deepseek-v4-flash-0731`）：編程 Agent 使用的模型。 `max_turns`（預設 `150`）：單條種子最多互動輪次。 `timeout`（預設 `2400`）：單條種子的牆鐘上限（秒），需與 max_turns 配套——每輪都要在沙箱裡改代碼、跑測試。 `supervisor.hard_abort_elapsed_s`（預設 `1200`）：單條種子的硬中止閾值（秒）。當 Agent 執行超過此時間時強制終止。
coding_agent.sandbox	遠程沙箱配置，每條種子一個隔離執行個體。 `endpoint`（必填）：EAS 即時服務接入地址，格式為 `https://api.<網域名稱>`。把預留位置 `${EAS_SANDBOX_ENDPOINT}` 替換為實際地址。 `api_key`（必填）：即時服務 API Token，與教師模型憑證是兩套。把預留位置 `${EAS_SANDBOX_API_KEY}` 替換為實際 Token。 `template`（預設 `coding-agents-harness-cc`）：沙箱模板名，需已存在於你的即時服務下。 `ttl`（預設 `3600`）：沙箱存活秒數，到點自動回收。 `create_concurrency`（預設 `10`）：並發建立沙箱上限，放大批量時需與 execution.max_workers 一起調。
coding_agent.scoring	驗證與評分機制，控制軌跡品質篩選。 `require_real_test`（預設 `true`）：必須在沙箱內實際執行 test_cmd，不接受 LLM 判定分數。 `require_test_pass`（預設 `true`）：test_cmd 退出碼必須為 0，否則整條丟棄。 `require_modification`（預設 `true`）：軌跡必須確實修改過檔案，否則整條丟棄。 `pass_threshold`（預設 `0.5`）：通過驗證的最低分數閾值。 `enable_judge`（預設 `true`）：是否啟用 LLM 裁判模型輔助評分，裁判模型由 `judge_model` 指定。 `false_positive_check`（預設 `true`）：聯合防作弊校正，檢查是否修改測試檔案、用例是否全部跳過、環境錯誤是否被計為通過等。
coding_agent.execution	`max_workers`（預設 `10`）：種子級並行度，控制同時執行的種子數量。