JetBrains分析4782个IDE编程代理会话发现，修复缺陷与新增功能的请求不足开发者请求总量的一半，其余为代码解释、规划、审查等。SWE-Bench Pro中93.8%的任务是单一消息的功能或修复请求，与真实使用差距较大。作者提出SWE-TaskFlow，将现有基准的issue拆分为多条顺序请求并加入仓库问答，使任务流更贴近真实会话，但成本增加2至2.6倍，解决率变化不大。