build-small-hackathon/unstuck-agent-trace

Unstuck — agent trace数据集是为Build Small Hackathon构建的代理跟踪数据，由OpenAI Codex CLI驱动并由Claude Code审查。数据集包含多个文件：PROMPTS.md（每任务提示包，包括范围化单次提示、文件命名、失败测试优先和预期测试计数）、AGENTS.md（Codex的常驻工作合同，涉及架构、模型锁定、测试和提交规则）、commit-trail.md（每任务提交记录，由Codex编写并由Claude审查）和field-notes.md（构建过程和学习总结的文档）。数据集的快照日期为2026-06-11，实时版本可在源仓库中找到。

The Unstuck — agent trace dataset is the agent trace behind Unstuck, built for the Build Small Hackathon by the OpenAI Codex CLI driven and reviewed by Claude Code. It includes files such as PROMPTS.md (the per-task prompt pack with scoped one-shot prompts, file naming, failing-test-first, and expected test count), AGENTS.md (Codexs always-loaded working contract covering architecture, model lock, test and commit rules), commit-trail.md (the resulting per-task commit trail authored by Codex and reviewed by Claude), and field-notes.md (the write-up on what was built and learned). The snapshot is as of 2026-06-11, with the live version available in the source repository.

搜集汇总

数据集介绍

构建方式

Unstuck — agent trace 数据集源自一个由 OpenAI Codex CLI 驱动的、经 Claude Code 审核的开源项目 Unstuck，专为 Build Small Hackathon 构建。数据集以快照形式记录于 2026 年 6 月 11 日的项目状态，包含四项核心文件：PROMPTS.md 提供按任务划分的、作用域明确的单次提示包，每个提示均指定文件名、优先失败测试及预期测试数量；AGENTS.md 则作为 Codex 始终加载的工作合约，涵盖架构、模型锁定、测试及提交规则；commit-trail.md 逐任务呈现 Codex 编写、Claude 审核后的提交轨迹；field-notes.md 汇总构建过程与学习所得。整个数据集通过代码代理协作的工作流自动生成，捕捉了从提示设计到代码提交的完整代理行为轨迹。

特点

该数据集的核心特色在于其以代理协作的细粒度轨迹为记录单位，每一个任务提示均与具体文件、测试失败优先原则及预期测试计数严格绑定，形成高度结构化的行为序列。AGENTS.md 作为固定工作契约，锁定了模型版本与协作规则，确保了轨迹的可复现性与一致性。此外，commit-trail.md 真实再现了 Codex 与 Claude 两套代理系统的协同审核过程，使得数据集不仅包含代码产物，更蕴含了代理间交互与决策的完整上下文。这种多层次、多文件交织的记录方式，为研究多代理系统的工作流优化、提示工程效果及代码生成审核机制提供了独特的时序性视角。

使用方法

使用该数据集时，研究者可首先阅读 PROMPTS.md 中的单次提示内容，理解每个任务的目标与输入条件，再对照 AGENTS.md 中定义的工作合约，把握代理运行时的约束与规则。接着，通过 commit-trail.md 追踪每个提示所触发的提交事件，观察代码生成与审核的迭代过程。最后，参考 field-notes.md 中的总结反思，获得对项目构建全貌的定性理解。建议将数据集的轨迹作为基准，用于评估不同提示策略对代理行为的影响，或训练能够模拟多代理协作流程的模型，亦可结合代码质量指标，分析代理审核环节对最终产物的改善效果。

背景与挑战

背景概述

Unstuck-agent-trace数据集诞生于2026年6月11日，由OpenAI Codex CLI驱动、经Claude Code审核的团队在Build Small Hackathon竞赛中构建，核心研究者来自art87able团队。该数据集记录了构建交互式问题解决工具‘Unstuck’的完整智能体轨迹，旨在探索大语言模型驱动的协作开发模式，即由Codex负责代码生成、Claude进行质量审查的协同工作流。数据集包含提示包、工作合约、提交记录和开发笔记四类文件，为研究多智能体协作、提示工程和基于模型的软件开发提供了难得的真实案例。作为开源共享的宝贵资源，它填补了LLM辅助软件开发过程标准化记录的空白，对理解AI Agent在实际编程任务中的行为模式具有里程碑意义。

当前挑战

该数据集面临的领域挑战在于：当前大语言模型驱动的软件开发缺乏可复现、结构化的过程记录，研究者难以系统分析AI Agent在不同子任务中的决策逻辑、错误恢复策略以及人机协作效率。数据集构建过程中的挑战则体现在：需同时保证Codex自主编码与Claude审核流程的完整捕获，克服多工具链日志格式不统一的问题；设计精准的one-shot提示包以限定每项任务范围，并确保测试优先和提交规约的严格执行；此外，在限时黑客松环境中实时处理智能体意外中断、模型版本差异带来的行为波动，最终将零散的操作痕迹提炼为可分析的标准化文档结构。

常用场景

经典使用场景

在人工智能与软件工程交叉研究领域，Unstuck-Agent-Trace 数据集为理解与复现大语言模型驱动的自主编程代理行为提供了珍贵的观测窗口。该数据集最经典的使用场景，是作为结构化智能体交互日志的典范，记录了一次完整的人机协作软件开发过程：从任务提示设计、代码生成、测试驱动开发到提交审查的端到端流程。研究人员可借此分析 OpenAI Codex 与 Claude Code 在多轮迭代中的决策逻辑、纠错模式及协作策略，从而对当代智能代码助手的实际运作机制形成细腻而深刻的认知。

解决学术问题

该数据集回答了智能体研究领域中一个核心却难以观测的问题：在真实、有限资源约束（如 Build Small Hackathon 赛制）下，大型语言模型能否通过结构化提示分治与交叉审查成功构建可交互的软件产品。它为解决“多代理协作框架是否优于单一模型自主编程”这一学术争议提供了可量化的对照基线。此外，数据集附带的测试优先策略与预期测试计数信息，使得研究者能够辨析 Codex 与 Claude 在测试驱动开发流程中的协同效应，为提升人工智能在软件工程中的鲁棒性与可解释性贡献了关键实证依据。

衍生相关工作

Unstuck-Agent-Trace 的出现催生了若干密切相关的后续工作。在评测规范方面，它启发了构建同类智能体交互标准日志格式的研究，使得不同模型间的协作模式能够被结构化解构与对比。在理论层面，数据集中的测试优先与提示分治原则催生了关于“多智能体角色化编程范式”的系列分析，探讨了将大模型视为代码编写者与代码审查者时各自的擅场与局限。此外，其 commit-trail.md 所记录的失败回滚模式，已成为研究 LLM 代码创作中“纠错收敛性”与“任务分解决策树”的重要参考基线，推动了人机协同编程的理论建模工具发展。