给定 GitHub issue 和代码仓库，Agent 在 Docker 沙箱里自己读代码、复现问题、改代码、跑测试，直到测试通过；在 SWE-bench 子集上评测并分析失败原因。
技术栈：mini-swe-agent、Docker、DeepSeek / Qwen3-Coder API、pytest