Devin
为什么重要
深度解析
Devin 不是模型，而是围绕前沿大型语言模型搭建的智能体外壳。Cognition AI 在 2024 年 3 月首次演示时，真正醒目的不是底层模型，而是包围模型的循环：Devin 接收一项用日常英语描述的任务，写出自己的逐步计划，然后在配有 shell、代码编辑器和网页浏览器的云沙盒中执行。它会安装依赖、阅读文档、跨越许多文件修改代码、运行测试套件，测试失败时再读堆栈跟踪，并不断迭代——有时一跑就是几小时——最后才带着摘要和 pull request 回来汇报。每条命令和每个决定都有日志，审查者可以回放整个会话，看清智能体究竟做了什么、为什么这样做。凭这套设计，Devin 属于自主智能体，而不只是编程助手：交互模式是委派，不是结对。
Devin 底层如何运作
核心循环是计划、行动、观察、重复。Devin 先拟定计划，用沙盒工具执行一部分，检查结果；现实一旦与预期不符，就修改计划——这是经典的智能体工作流模式，只是被应用到真实开发环境中的工具使用。你可以通过聊天界面、Slack 集成，或 Linear、Jira 等问题跟踪器分配工作；在工单中 @Devin，就会启动一个拥有独立沙盒的新会话，因此团队可以并行运行许多个 Devin，每张工单一个。计费也遵循同样的工作单位逻辑：Cognition 以 Agent Compute Unit 衡量用量，所以两分钟的修复远比跑一整夜的迁移便宜。不同会话之间，Devin 会把从代码库里学到的东西——配置怪癖、有效命令、应遵循的惯例——保存成可复用笔记。这很关键，因为每次运行该让智能体看到什么，已经是半场战役，与任何智能体系统面对的上下文工程问题完全相同。
从演示到产品
2024 年 3 月的发布围绕一项AI基准测试展开：Cognition 宣称，Devin 在 SWE-bench 上无需人类帮助，端到端解决了大约 14% 的问题；这个数据集由真实 GitHub bug 组成，而当时最好的已发表结果还只有低个位数。产品最初以候补名单预览方式开放，2024 年底正式面向公众，价格为每月 500 美元——这道门槛把它限制在确实积压了大量工作的团队。2025 年，Cognition 发布 Devin 2.0，将入门价砍到每月 20 美元，另按计算用量收费，并加入交互式规划——执行前可以修改 Devin 的计划——语义代码搜索和自动生成的代码库文档。
同样在 2025 年，Windsurf 与 OpenAI 的收购谈判破裂、创始人被 Google 挖走之后，Cognition 收购了智能体 IDE Windsurf。这笔交易让 Cognition 同时占住市场两端：Devin 负责异步委派，Windsurf 负责编辑器内协助。Cognition 本身由一群竞赛编程冠军于 2023 年创立，CEO Scott Wu 领衔；这种背景也写进了产品偏好，它尤其喜欢那些有可验证正确答案的任务。
它还没有取代你的团队
发布时“首位 AI 软件工程师”的包装，自然招来了一个明显的误解：一支 Devin 大军将取代整个工程组织。现实中，Devin 更像一名速度快、不知疲倦的初级工程师：依赖升级、框架迁移、测试覆盖，以及附有清楚复现步骤的 bug 报告等范围明确、结果可验证的工作，它很强；真正需求只存在于某个人脑中的模糊功能，它就摇摇晃晃。它提交的 pull request 仍需要人类审查，随手合并的团队会积下一些隐蔽 bug，最后排查时间甚至超过了委派省下的时间。独立测试者也指出，精致的发布演示挑的是最佳场景，而在混乱的私有代码库上，成功率远低于醒目的基准数字。眼下务实的上限，与氛围编程给出的教训完全一致：只委派、不审查，不过是把瓶颈从写代码挪到了查代码。
它在工具链中的位置
在AI 编程助手的光谱上，Devin 位于异步一端，另一端则是 GitHub Copilot 自动补全或 Cursor 行内编辑带来的同步结对。结对让人类每次按键都留在循环中；委派解放了人类，却要求更好的任务说明和更严格的审查纪律。不过，这些类别正在汇合：Copilot 和 Cursor 都加入了能承担完整任务的智能体模式，而 Windsurf 交易又让 Cognition 有了自己的同步 IDE。多数团队最后会混用几种模式——需要自己掌舵的探索性工作交给 IDE 智能体，排队等候又没人想做的杂务，则交给 Devin 这样的异步智能体。