Cognition.ai ogłosiło ogólną dostępność swojego autonomicznego asystenta kodowania, Devina. Narzędzie jest teraz ogólnie dostępne dla zespołów inżynierskich za 500 dolarów miesięcznie.
To krytyczny moment dla firmy, która po raz pierwszy zaprezentowała możliwości Devina na początku roku, ale teraz udostępniła szerszy dostęp.
Cognition.ai podało następujące szczegóły dotyczące wydania:
„Dziś tworzymy Devina ogólnie dostępne od 500 USD miesięcznie dla zespołów inżynieryjnych, co obejmuje:
– Brak ograniczeń liczby miejsc
– Dostęp do integracji Devina Slack, IDE rozszerzenie i API
– Sesja wdrożeniowa i wsparcie ze strony zespołu inżynierów Cognition
Wszystkie zespoły inżynieryjne mogą teraz rozpocząć współpracę z Devinem na app.devin.ai.”
Poprzez usunięcie ceny oparte na stanowiskach i zapewniające bezpośrednią integrację ze Slackiem i rozszerzeniem IDE, Cognition.ai ma na celu usprawnienie rutynowej konserwacji kodu i umożliwienie zespołom programistycznym skupienia się na bardziej strategicznych aspektach projektów oprogramowania.
Wczesne ujawnianie I Wizja
Kiedy Cognition.ai wprowadziło Devina w marcu, przedstawiło system jako coś więcej niż tylko narzędzie do uzupełniania kodu. Opisano Devina jako autonomicznego inżyniera oprogramowania, który pisze, debuguje i wdraża kod.
Dzięki wsparciu inwestorów, takich jak fundusz założycielski Petera Thiela, Elad Gil i Tony Xu, Devin reprezentował zmianę w sposobie, w jaki sztuczna inteligencja radzi sobie z obowiązki związane z kodowaniem. Zamiast po prostu oferować sugestie, Devin miał czytać podpowiedzi w języku naturalnym, planować działania, pisać kod, naprawiać błędy i wprowadzać zmiany.
To podejście miało na celu uwolnienie inżynierów od powtarzalnych obowiązków, dając im swobodę aby stawić czoła bardziej skomplikowanym problemom i kreatywnym wyzwaniom.
Powiązane: GitHub Copilot dodaje odniesienia do kodu w Visual Studio
Integracja Devina z istniejącym Przepływy pracy
Od 10 grudnia Cognition.ai zaleca zespołom inżynierskim rozpoczynanie od mniejszych zadań i stopniowe zwiększanie złożoności.
Firma sugeruje:
„Chociaż Devin może być narzędziem uniwersalnym, zalecamy zacząć od:
– Drobnych błędów frontendu i przypadków brzegowych – Oznacz Devina w wątkach Slack
– Tworzenie pierwszej wersji PR dla zadań z zaległości – przydzielać Zadania Devina z listy rzeczy do zrobienia na początek dnia
– Tworzenie ukierunkowanych refaktorów kodu — użyj rozszerzenia Devin IDE (dla VSCode i forków), aby wskazać Devinowi części kodu, które chcesz edytować lub uaktualnić”
Te wytyczne, wraz z zaleceniami „Daj Devinowi zadania, które sam umiesz wykonać” i „Powiedz Devinowi, jak testować lub sprawdzać jego własną pracę”, odzwierciedlają nacisk Cognition.ai na ustrukturyzowane instrukcje. Dzieląc zadania na łatwe do zarządzania elementy, programiści mogą nauczyć Devina efektywnego działania w ich środowisku.
Integracja ze Slackiem pozwala zespołom odciążać problemy natychmiast po ich zgłoszeniu, podczas gdy rozszerzenie IDE umożliwia włączenie rozwiązania Devina płynnie przechodzi w standardowy proces programowania.
Powiązane: Meta wykorzystuje GPT-4 OpenAI jako własne modele AI Lamy nie są wystarczająco dobre
Praktyczne przykłady w projektach typu open source
Aby zademonstrować swój potencjał, Cognition.ai zaprezentowało sesje, podczas których Devin wnosił wkład w różne repozytoria open source. Jeden z takich przypadków dotyczył projektu Anthropic MCP, w ramach którego Devin zidentyfikował problem zgłoszony przez użytkowników i rozwiązał go. (sesja Devin 1 i sesja 2)
Cognition.ai stwierdził: „Podobało nam się, jak czytał specyfikację MCP w przeglądarce, aby zrozumieć „negocjację możliwości” i kompleksowo testował wprowadzone zmiany w przeglądarce”.
Powiązane: GitHub Copilot wprowadza recenzje kodu opartego na sztucznej inteligencji do publicznej wersji zapoznawczej
Chociaż ostateczne rozwiązanie wymagało iteracyjnych ulepszeń i wskazówek, przykład ilustruje, jak Devin może poruszać się po specyfikacjach technicznych i weryfikować je zmiany. Cognition.ai zawiera szczegółowe informacje na temat kilku przypadków testowych, w których Devin został pomyślnie wdrożony:
W Zod, popularnej bibliotece do sprawdzania poprawności schematów TypeScript, która zapewnia zgodność danych z predefiniowanymi formatami w czasie wykonywania, Devin wprowadził nową funkcję i napisał testy, aby potwierdzić jego funkcjonalność. (sesja Devin) Zarządza podobnymi elementami w repozytorium klientów Google Go GitHub, obsługuje propagację błędów HTTP i testowanie jednostkowe oraz projekt Llama Index, w którym naprawiono implementację tokenizera. Podczas sesji klienta Google Go GitHub Devin skupił się na ulepszeniu sposobu, w jaki klient radzi sobie z błędami HTTP, zapewnienie, że obiekty odpowiedzi będą nadal propagowane, nawet jeśli żądania nie powiodą się. Chociaż zajęło to kilka iteracji i wymagało później ręcznego czyszczenia, podstawowa wartość pochodziła od Devina, który samodzielnie napisał i uruchomił niezbędne testy jednostkowe. (Sesja Devina) Testuję wrepozytorium Llama Index, Devin poprawił błąd implementacji tokenizera przy pierwszej próbie i dostarczył odpowiedni test jednostkowy. Prośba opiekuna o niewielką korektę stylistyczną została rozpatrzona ręcznie, co pokazuje, że chociaż Devin może usprawnić złożone zadania kodowania, nadal mogą być potrzebne drobne udoskonalenia ze strony człowieka. (Sesja Devina) W repozytorium nanoGPT Andreja Karpathy’ego, Devin zajął się nawet ulepszeniem jednoliniowego kodu i przeprowadził ukierunkowany test, aby zweryfikować swoje rozwiązanie. (Sesja Devina)
Powiązane: Modele kodowania AI: Alibaba rozwija Qwen2.5-Seria programistów wśród globalnego nacisku na sztuczną inteligencję
Wyciągnięte wnioski i szybkie działania Projekt
W ostatnich miesiącach pojawiły się raporty o tym, jak Devin może odnieść wielką porażkę. W kwietniu pojawiły się szczegóły dotyczące problematycznego scenariusza, w którym Devin otrzymał niejasne instrukcje dotyczące nieaktualnego repozytorium i wdrożenia AWS. Zamiast sporządzać dokumentację zgodnie z zamierzeniami Devin podjął próbę wdrożenia całej konfiguracji.
Ta rozbieżność oczekiwań podkreśliła znaczenie szybkiej przejrzystości. Jak donoszono, „Pracownik Cognition nie udzielił Devinowi właściwych instrukcji.”
Incydent podkreślił przesłanie, że dobrze zdefiniowane zadania, staranne zaprojektowanie zadań i etapowe kroki są niezbędne do osiągnięcia produktywnych wyników.
Cognition.ai zachęca teraz klientów do udoskonalania instrukcji, dzielenia dużych przedsięwzięć i upewniania się, że zadania powierzone Devinowi odpowiadają temu, co inżynier-człowiek w rozsądny sposób wiedziałby, jak wykonać.
Powiązane: Supermaven dołącza do Cursor, aby konkurować z GitHub Copilot w zakresie edycji kodu AI
Perspektywy branży i zaufanie inwestorów
Rozwój Devina już przyciągnął uwagę szerszej społeczności technologicznej W niedawnym artykule Forbesa podkreślono, jak kiedyś asystent AI Cognition.ai pod koniec 2023 r. uporał się z trudną konfiguracją serwera danych, co zaskoczyło nawet stojący za nim zespół.
Forbes zacytował Scotta Wu, eksperta Cognition.ai współzałożyciel i dyrektor generalny, który powiedział: „To, co widzieliśmy, to prawdziwa szansa… na przejście od uzupełniania tekstu do kończenia zadań”.
Ta perspektywa jest zgodna z nadrzędnym celem asystentów kodowania AI, którzy robią więcej niż tylko sugerują fragmenty kodu. Wykonując całe przepływy pracy od początku do końca, modele te obiecują zmienić podział pracy w inżynierii oprogramowania.
Główne inwestycje i partnerstwa, a także zainteresowanie ze strony organizacji takich jak Ramp i MongoDB wskazują, że niektóre przedsiębiorstwa już postrzegają Devina jako narzędzie zwiększające produktywność programistów i skracające czas poświęcany na przyziemne zadania konserwacyjne.
Powiązane: Claude AI teraz pisze i wykonuje kod w ramach Anthropic Expands AI Możliwości
Perspektywy na przyszłość
Chociaż Cognition.ai nie udostępnił szczegółowych testów porównawczych w swoim ogłoszeniu z 10 grudnia, poprzednie aktualizacje wspominały, że Devin wypadł korzystnie w porównaniu z innymi modele takie jak Claude 2, SWE-Llama-13b i GPT-4 w realizacji wyzwań związanych z kodowaniem.
Firma uważa obecnie, że Devin jest gotowy do szerszego zastosowania. Dzięki miesięcznej zryczałtowanej stawce w wysokości 500 USD, brakowi ograniczeń liczby miejsc i zintegrowanemu wsparciu Cognition.ai przedstawia Devina jako praktyczną i dostępną opcję dla zespołów inżynierskich zainteresowanych odkrywaniem, w jaki sposób sztuczna inteligencja może zmniejszyć obciążenie powtarzalnymi zadaniami związanymi z kodowaniem.
W środowisku, w którym liczy się szybkość i wydajność, decyzja Cognition.ai o powszechnym udostępnieniu Devina stanowi ważny krok.
Chociaż jego możliwości mogą być nadal ograniczone, dowody pochodzące z wkładu w postaci oprogramowania typu open source, wczesne sukcesy w projektach wewnętrznych i poparcie inwestorów sygnalizują przekonanie, że autonomiczni asystenci kodowania mają do odegrania pewną rolę.
Dzięki dokładnym instrukcjom, ciągłemu udoskonalaniu i sumiennemu nadzorowi zespoły inżynierów mogą teraz włączyć Devina do swoich codziennych zajęć i poznać przyszłość, w której niektóre obowiązki związane z kodowaniem zostaną przeniesione z inżynierów na agentów wykorzystujących sztuczną inteligencję.
