Devin是什么？

如果最近关注AI领域，你大概率会听到一个名字：Devin。

它不是又一个普通的代码补全工具。简单来说，Devin是由初创公司Cognition推出的全球首个“全自主AI软件工程师”。

这意味着，Devin不仅能写代码，还能像一位经验丰富的工程师一样，自主规划复杂任务、学习新技术、从零构建并部署完整应用，甚至能主动查找和修复现有代码库中的Bug。

在衡量AI编程能力的权威基准测试SWE-bench中，Devin的表现堪称一骑绝尘。

它独立解决了13.86%的实际开源项目问题。这个数字听起来或许不高，但此前的顶尖模型即便在“开卷”（被告知需要修改哪些文件）的情况下，最高也只能解决4.80%的问题。

这种代际差距，足以让我们重新审视AI在软件开发领域的潜力边界。

官方介绍视频：

Devin的主要功能

那么，这位“AI工程师”具体能做什么？其能力清单确实颇具冲击力。

核心能力概览

• 长期推理与规划：这是其最核心的能力。Devin可以规划和执行需要数千个决策步骤的复杂工程任务，并在过程中记住相关上下文，从错误中学习并自我修正。
• 使用开发者工具：它被“武装”了Shell终端、代码编辑器和浏览器，在一个安全的沙盒环境中工作，操作方式与人类开发者无异。
• 主动协作：Devin并非闭门造车。它会实时报告进度，接受人类反馈，并能在关键节点与用户共同做出设计决策。
• 学习新技术：面对不熟悉的技术栈，Devin可以通过阅读博客文章、文档等资料，快速上手并应用。

工程执行能力

• 端到端应用构建和部署：从一张白纸开始，它能构建出可运行的应用程序，例如一个模拟生命游戏的交互式网站，并完成部署到Netlify等平台的全过程。
• 自主查找和修复代码库中的Bug：这项能力对维护大型项目至关重要。Devin已成功帮助调试开源竞赛编程书籍中的代码。
• 训练和微调AI模型：只需提供一个GitHub研究仓库的链接，它就能自动完成大型语言模型的微调设置工作。
• 处理开源仓库的问题：同样，给一个GitHub Issue链接，它就能自主完成环境设置和上下文收集，并着手解决问题。
• 对成熟生产仓库做出贡献：在SWE-bench测试中，它实际解决了知名Python代数库sympy中一个关于对数计算的错误。
• 执行实际工作：更“接地气”的是，Devin甚至在Upwork上接单并完成了真实工作——编写和调试运行计算机视觉模型的代码，并最终提交了完整的工作报告。

Devin的评测结果

上文提到的SWE-bench测试结果，值得进一步展开。

这个基准测试的难度在于，它直接抽取Django、scikit-learn等真实开源项目在GitHub上的问题，要求AI智能体理解问题、定位代码，并给出正确修复。

关键成绩

Devin交出的答卷是13.86%的未辅助解决率。

这里有两个关键词值得注意：“未辅助”和“解决率”。

• “未辅助”：意味着Devin完全靠自己阅读问题、检索代码库、找出需要修改的文件。
• “解决率”：意味着它不仅要生成代码，还要真正完成问题修复。

相比之下，其他对比模型大多是在“已被告知需编辑文件”的辅助条件下进行测试的。

即便如此，之前的最佳模型也只能解决1.96%的问题；即使在辅助条件下，最高记录也仅为4.80%。

这说明了什么？

这个对比清晰表明，Devin的优势并不只是代码生成准确率更高。

更重要的是，它具备了初步的“软件工程”能力：理解复杂需求、在庞大代码库中导航、进行系统性的推理和规划。

这恰恰是将其与普通代码生成AI区分开来的关键所在。

如何使用Devin？

目前，Devin已经面向公众开放早期访问。

感兴趣的研究者、开发者或企业，可以通过其官方网站申请体验。

这样可以更深入地了解这位“AI同事”如何在实际场景中工作。

《夸克》非常好用的免费AI浏览器

下载APP查看