TeichAI/Gemini-3-Flash-Preview-VIBE

该数据集是我们首次尝试构建的代理编码SFT数据集。所有提示均来源于MiniMaxAI/VIBE数据集，并通过Gemini 3 Flash Preview模型生成，使用了包括文件读取、写入、编辑、目录列表、代码搜索、命令执行和网络搜索等多种工具。系统提示要求模型作为有帮助的编码助手，高效完成任务并生成可工作的代码文件。数据集生成总成本为9.11美元，总令牌数为15.5 M。数据集生成方法详见TeichAI/agentic-datagen仓库。

This dataset is our first attempt at an agentic coding SFT dataset. All of the prompts for this dataset were sourced from MiniMaxAI/VIBE. Each prompt was given to Gemini 3 Flash Preview with tools like read_file, write_file, edit_file, list_directory, search_code, run_command, and web_search. The system prompt instructed the model to act as a helpful coding assistant, complete tasks efficiently, and create working code files. The total cost was $9.11 (USD) with 15.5 M total tokens. The dataset was generated using TeichAI/agentic-datagen.

搜集汇总

数据集介绍

构建方式

本数据集TeichAI/Gemini-3-Flash-Preview-VIBE是面向智能体编码场景的监督微调（SFT）数据集构建的初步尝试。其构建过程以MiniMaxAI/VIBE数据集中的提示词为起点，将这些提示词输入至Gemini 3 Flash Preview模型，并为其配备了一套涵盖文件读取、写入、编辑、目录列表、代码搜索、命令执行及网络搜索等功能的工具集，辅以明确的系统提示词，旨在模拟一个具备完整文件操作与代码分析能力的智能编码助手。整个数据生成流程依托TeichAI/agentic-datagen框架实现，确保了生成的系统性与可复现性。

特点

该数据集的核心特色在于其面向智能体（Agentic）的编码任务设计，突破了传统静态指令-响应对的局限。通过集成多样化的工具调用能力，如文件操作与网络搜索，数据集中的每个样本都反映了模型在真实开发环境中执行多步骤、工具依赖型任务的交互过程。此外，数据集规模以15.5M的总令牌数和仅9.11美元的低成本生成，凸显了其高效与经济的构建特点，为研究智能体驱动的代码生成与推理提供了宝贵的训练资源。

使用方法

使用该数据集时，研究者可直接将其加载至深度学习框架中，用于监督微调编码相关的语言模型。数据集的提示词源自VIBE基准，因此适用于评估和提升模型在复杂编码指令下的工具使用与任务完成能力。建议在微调过程中，结合TeichAI/agentic-datagen仓库提供的生成与使用指南，以充分理解数据样本中工具调用序列的格式与逻辑，从而针对性地优化模型在智能体编码场景中的表现。

背景与挑战

背景概述

在人工智能领域，智能体编码（agentic coding）作为大语言模型能力延伸的重要方向，正逐步从被动响应指令迈向主动执行复杂任务的新阶段。TeichAI团队于近期构建了Gemini-3-Flash-Preview-VIBE数据集，旨在探索智能体驱动的监督微调（SFT）数据生成范式。该数据集以MiniMaxAI/VIBE为基础，利用Gemini 3 Flash Preview模型，结合文件读写、代码搜索、命令执行及网络检索等八种工具，在统一系统提示下生成交互式编码样本。研究团队依托TeichAI/agentic-datagen开源框架，以约9.11美元的成本产出1550万token的高质量数据，为智能体编码的微调训练提供了可复现的基准资源，对推动自主编程智能体的实用化具有显著意义。

当前挑战

当前数据集面临的核心挑战集中于多维度。首先，在领域问题层面，智能体编码需解决从自然语言描述到多步工具调用、结果整合与错误修复的端到端任务，这对模型的规划能力与工具协作提出了远超传统代码生成的要求。其次，构建过程中，如何平衡工具调用的多样性与数据一致性成为难点，例如确保`run_command`的沙箱安全与`web_search`的实时性，同时避免因模型随机性导致生成轨迹的碎片化。此外，数据成本虽低，但1550万token的规模对训练效率与存储管理构成压力，且从单一模型（Gemini 3 Flash Preview）生成的数据可能存在偏见，限制其在多模型场景下的泛化能力。这些挑战共同指向更鲁棒的智能体数据合成策略与评估体系的建立需求。

常用场景

经典使用场景

TeichAI/Gemini-3-Flash-Preview-VIBE数据集的核心应用场景在于为智能编程代理（agentic coding）提供监督式微调（SFT）训练样本。该数据集以MiniMaxAI/VIBE中的指令为种子，借助Gemini 3 Flash Preview模型结合文件读写、代码搜索、命令执行等工具链，生成高质量的人机协作式编程对话。研究者可利用这些带有工具调用上下文的问答对，训练语言模型掌握在真实开发环境中自主完成多步骤任务的能力，如代码调试、项目构建与功能实现。

衍生相关工作

该数据集衍生出的相关工作主要集中于代理式训练数据生成框架与工具增强型语言模型评估体系。TeichAI团队同步开源的agentic-datagen工具链，为研究者提供了可复现的代理式SFT数据构建流程。后续工作可在此基础上扩展工具类型（如数据库查询、容器管理）、引入多轮交互轨迹，或构建针对代理任务完成度的自动化评测基准。该数据集的发布也激励了学界对代码生成中工具调用策略与错误恢复机制的深入探索。

数据集最近研究

最新研究方向

在智能体编程与指令微调的交汇地带，TeichAI/Gemini-3-Flash-Preview-VIBE数据集代表了前沿研究向代理型编码SFT数据集构建的首次系统性尝试。该数据集基于MiniMaxAI/VIBE的提示库，通过调用Gemini 3 Flash Preview模型并集成文件读写、代码搜索、命令执行及网络搜索等工具，模拟了真实开发场景中智能体与环境的交互。这一方向紧密关联当前大语言模型从被动问答向主动任务执行转变的热点趋势，尤其在自主代码生成与调试领域具有里程碑意义。数据集以极低的成本（9.11美元）产出1550万token的高质量交互数据，大幅降低了构建代理型训练数据的门槛，为后续研究者在资源受限条件下复现和扩展智能体微调实验提供了可行范式。其影响不仅在于推动编码智能体的实用化进程，更在于启发了一种可复用的数据生成管线，有望重塑SFT数据集的生产效率与生态。