Coding Agent 蒸馏-人工智能平台 PAI(PAI)-阿里云帮助中心

Coding Agent 蒸馏模板通过编程 Agent 在远程沙箱中实际修改代码、重放测试验证，产出 ShareGPT 格式的多轮 SFT 数据集，适合训练小模型在真实代码仓库中定位问题、修改代码并验证结果。

模板概述

Coding Agent 蒸馏模板适用于需要训练代码能力模型的场景。编程 Agent 在远程沙箱中实际修改代码，改动随后在全新沙箱中重放并执行测试，仅保留「改动确实使测试通过」的轨迹，产出 ShareGPT 格式的多轮 SFT 数据集。与模拟工具调用的 Agent 蒸馏不同，这条数据线的每一步都伴随实际执行与防作弊校验，适合训练小模型在真实代码仓库中定位问题、修改代码并验证结果。

重要

该模板仅支持一段式创建：蒸馏数据构建，不包含学生模型训练阶段。

Coding Agent 蒸馏模板的流水线包含以下步骤：

步骤	名称	说明
1	沙箱执行	为每条种子创建独立的远程沙箱并解压其 workspace，随后由编程 Agent 按任务描述修改代码，完整记录交互轨迹。
2	重放与测试验证	在全新沙箱中重放轨迹里的文件改动并执行种子指定的验证命令，同时进行防作弊校验（是否修改测试文件、用例是否全部跳过、环境错误是否被计为通过等），输出分数与结论。
3	构建 SFT 数据集	把通过验证的轨迹整理成 ShareGPT 格式的多轮对话训练样本。

操作步骤

登录PAI控制台，在左侧导航栏选择模型应用> 模型蒸馏（ModelDistill）。
单击新建任务，跳转到蒸馏模板页签，或者直接进入蒸馏模板页签。
选择Coding Agent 蒸馏，单击使用模板，进入新建蒸馏任务页面。如下配置关键参数，其他保持默认。
进行基础配置：
- 任务名称：系统已自动填充。
- 输出路径：指定一个有权限访问的OSS路径，如oss://mybucket.oss-cn-hangzhou-internal.aliyuncs.com/coding-agent-distill/。
  说明
  请确保为每个蒸馏任务创建独立的输出目录，避免文件被覆盖。OSS Bucket需与PAI服务在同一地域。
单击下一步，进入蒸馏数据构建：
- 教师模型：来源选择Token 服务，选择教师模型（如qwen3.8-max），裁判模型复用教师模型，不选择。
- 数据集：选择一个有权限访问的OSS目录（注意：必须选择整个目录，不能仅选择 JSONL 文件）。可直接下载示例使用。
- 蒸馏配置：已提供了默认配置，根据实际需要修改。重点关注以下参数：
  - coding_agent.harness.max_turns：单条种子的最大交互轮次，默认 150。需与 timeout 配套——每轮都要在沙箱里改代码、跑测试。
  - coding_agent.sandbox.endpoint：即时服务接入地址，需替换占位符 ${EAS_SANDBOX_ENDPOINT} 为实际地址。
  - coding_agent.sandbox.api_key：即时服务 API Token，需替换占位符 ${EAS_SANDBOX_API_KEY} 为实际 Token。
    说明
    即时服务：Coding Agent 蒸馏需要即时服务提供沙箱执行环境。在 PAI 控制台左侧导航栏选择 模型在线服务（EAS），切到 即时服务页签，创建即时服务后使用公共模板或者自建模板，在模板详情页右上方单击SDK接入获取接入地址（endpoint）和 API Token，用于替换上方蒸馏配置中的 ${EAS_SANDBOX_ENDPOINT} 和 ${EAS_SANDBOX_API_KEY}。详情参见即时服务-快速入门。
- 计算资源：资源类型选择通用计算，资源来源选择公共资源，在任务资源中选择合适的资源规格，如ecs.c6.large。
单击创建，然后在弹出的计费提醒中单击确定，页面将自动跳转至任务详情的基础配置页面，可在此跟踪任务状态。

配置说明

以下说明 Coding Agent 蒸馏模板的关键配置参数。基础配置和资源配置与通用蒸馏一致，此处仅列出本模板特有的参数差异。

基础配置

基础配置包含任务名称和输出路径两项。输出路径为任务全部产物的输出根目录，蒸馏数据集也写在该目录下，无需再单独指定数据集输出路径。

蒸馏数据构建

教师模型

Coding Agent 蒸馏模板需要配置以下多个教师模型：

序号	模型角色	说明
1	教师模型（必填）	同时用于 Coding Agent 的推理与 Harness，用于生成轨迹，建议选择代码能力强、支持长上下文与工具调用的模型。
2	裁判模型（可选）	用于判断 Coding Agent 轨迹的质量。留空则复用教师模型，建议单独指定。

教师模型来源支持 Token服务。

数据集

选择输入目录（注意：必须选择整个目录，不能仅选择 JSONL 文件），数据格式要求如下：

种子文件：seeds.jsonl，一行一条种子任务，包含 id、instruction、workspace、test_cmd、test_files 字段。
为每条种子准备一个 workspace 压缩包，压缩包按 seeds.jsonl 中的相对路径解析。
输入必须选择整个目录，仅选择 seeds.jsonl 文件会导致压缩包不可用。

蒸馏配置

蒸馏配置以 YAML 格式提供，预置了算法团队的推荐默认值，可按需调整。下表列出部分建议关注的参数及其说明。

配置段	说明
dataset	`input_path`（默认 `seeds.jsonl`）：输入种子文件路径（位于输入挂载目录下）。 `output_path`（默认 `04_merged.jsonl`）：导出前的合并审计快照（含未通过验证的轨迹，供回溯与构造偏好对）。注意：此文件与 SFT 训练数据文件必须分开，指向同一个文件会把训练数据静默覆盖。 `build_sft.output_path`（默认 `outputs/handoff/03_sft_records.jsonl`）：可训练的 ShareGPT 多轮 SFT 数据，由收尾的 build_sft 阶段产出。
backend	`timeout`（默认 `1200.0`）：单次请求等待上限（秒）。需覆盖写满 max_tokens 的回答而非平均长度。 `max_retries`（默认 `3`）：单次请求的网络级重试次数。
coding_agent.harness	编程 Agent 外壳，控制代理行为与沙箱交互。 `type`（默认 `cc`）：代理外壳类型，需与 sandbox.template 的沙箱镜像配套。 `model`（默认 `deepseek-v4-flash-0731`）：编程 Agent 使用的模型。 `max_turns`（默认 `150`）：单条种子最多交互轮次。 `timeout`（默认 `2400`）：单条种子的墙钟上限（秒），需与 max_turns 配套——每轮都要在沙箱里改代码、跑测试。 `supervisor.hard_abort_elapsed_s`（默认 `1200`）：单条种子的硬中止阈值（秒）。当 Agent 执行超过此时间时强制终止。
coding_agent.sandbox	远程沙箱配置，每条种子一个隔离实例。 `endpoint`（必填）：EAS 即时服务接入地址，格式为 `https://api.<域名>`。把占位符 `${EAS_SANDBOX_ENDPOINT}` 替换为实际地址。 `api_key`（必填）：即时服务 API Token，与教师模型凭证是两套。把占位符 `${EAS_SANDBOX_API_KEY}` 替换为实际 Token。 `template`（默认 `coding-agents-harness-cc`）：沙箱模板名，需已存在于你的即时服务下。 `ttl`（默认 `3600`）：沙箱存活秒数，到点自动回收。 `create_concurrency`（默认 `10`）：并发创建沙箱上限，放大批量时需与 execution.max_workers 一起调。
coding_agent.scoring	验证与评分机制，控制轨迹质量筛选。 `require_real_test`（默认 `true`）：必须在沙箱内实际执行 test_cmd，不接受 LLM 判定分数。 `require_test_pass`（默认 `true`）：test_cmd 退出码必须为 0，否则整条丢弃。 `require_modification`（默认 `true`）：轨迹必须确实修改过文件，否则整条丢弃。 `pass_threshold`（默认 `0.5`）：通过验证的最低分数阈值。 `enable_judge`（默认 `true`）：是否启用 LLM 裁判模型辅助评分，裁判模型由 `judge_model` 指定。 `false_positive_check`（默认 `true`）：联合防作弊校验，检查是否修改测试文件、用例是否全部跳过、环境错误是否被计为通过等。
coding_agent.execution	`max_workers`（默认 `10`）：种子级并行度，控制同时执行的种子数量。