Devin利用自主AI编程助手为开源社区修复问题代码

今天我们宣布 Devin 开源计划。

作为 Devin 正式推出的一部分，我们将为选定的开源项目维护者提供 500 个免费 ACU 的 Devin 团队计划配额。立即访问 app.devin.ai 注册，并通过 osi@cognition.ai 联系我们以加入。

开源项目通常有大量未解决的问题积压。需要修复的小问题数量繁多，维护者可能很快就会感到不堪重负。Devin 是处理这些任务的理想伙伴——通过在后台处理次要任务，Devin 帮助维护者专注于关键任务。

以下是 Devin 已经为开源社区做出的贡献：

Anthropic MCP

拉取请求：https://github.com/modelcontextprotocol/inspector/pull/105

Devin 会话：https://app.devin.ai/sessions/266955553baf40cfa7fdd32d42ab219d

在此项目中，Devin 为 MCP 服务器的调试界面项目 inspector 添加了显示功能协商的新特性。

问题：https://github.com/modelcontextprotocol/inspector/issues/85

Devin 首先使用浏览器研究功能协商的工作方式：

在 Devin 编写代码后，一些关键功能帮助确保正确的测试：

1. 代码仓库设置。在启动 Devin 会话之前，我们通过为 Python MCP 服务器安装 uv 来设置 Devin 的虚拟机。
2. 知识。我们可以手动告诉 Devin 如何测试代码，或者将此信息添加到其知识库中，以便 Devin 在未来的会话中自动记住。

通过此设置，Devin 可以在浏览器中验证代码更改是否有效：

代码测试完毕后，维护者即可进行审查。

Dagger

拉取请求：https://github.com/dagger/dagger/pull/9130

Devin 会话：https://app.devin.ai/sessions/2afcdb9847ff416382ee6126bc77ee8c

Devin 的 PR 解决了 Dagger 项目中的一个低优先级任务。

虽然 Devin 最终能够解决问题，但有时需要多轮往返调整。

Devin 的 Github 集成功能通过 PR 评论和 CI 检查简化了此过程。任何 PR 评论都可以通过 Webhook 自动发送给 Devin。

最后，要充分利用 Devin，不要期待 100% 完美的 PR。虽然 Devin 可以完成 80% 的工作，仍需要人工确保最终结果的质量。例如，在合并前删除多余的代码差异。在这个 PR 中，Devin 添加了调试日志，稍后需要手动删除。

了解更多关于 Devin 如何为 Dagger 带来价值

不是一个从事 AI 工作的人，而是一个 AI 团队成员。这是一次令人着迷的体验，让人窥见未来的可能。

在 Dagger，我们是一个小团队，正在构建一个复杂的引擎，且其使用场景的列表不断增长。像许多开源项目一样，我们面临着维护“长尾”问题的挑战——那些重要但不够紧急的小任务经常堆积起来，因为它们的优先级不高。这正是我听到 Devin 这个 AI 团队成员时联想到的地方。

一个典型的开源问题

以下是一个熟悉的故事：有人报告了一个不算太大的问题——可能有点烦人但不是紧急的。在 Dagger，我们非常注重产品的精益求精，但待办事项的列表太长了。这类问题会被记录下来，但不是优先事项，于是被搁置了。三个月过去了，没有人有时间去看它。最好的情况是，它会得到快速的分类；最坏的情况是，它会消失在 GitHub 问题的深渊中。

比如：Issue #8195。一位贡献者指出了我们工作流程中的一个小但合理的痛点。如果没有 Devin，这个问题可能会一直留在待处理状态中。但有了 Devin 加入团队后，我们问了一句：“你能处理这个吗？”它确实做到了。

几分钟之内，Devin 提交了一个 pull request。这个 PR 需要一些人工审查，但其核心实现一开始就功能正确。Devin 甚至根据我们的反馈进行了跟进，反复修改，直到 PR 准备合并。

这感觉像是一个聪明的初级开发者的稳健贡献——一个刚接触代码库但渴望学习和改进的开发者。只是 Devin 是一个 AI。它的工作方式显得完全自然。

如果你感兴趣，可以观看完整的会话。你会看到它如何解决问题、适应反馈，并产生有意义的结果。

教 Devin 开发 Dagger

Devin 和普通的开发者不同，但管理 Devin 在某些方面又很熟悉。Devin 非常“书本聪明”，但还不够“实际聪明”，就像一些非常聪明的初级开发者一样。让 Devin 发挥价值的关键是既要选择合适的任务，也要用聪明的方式训练它。最让人惊叹的一点是 Devin 的学习过程是如此流畅。

我们通过应用程序和直接在 GitHub 上提供反馈，Devin 无缝处理了这两种方法。

然后我们更进一步：我们教会了 Devin 如何用 Dagger 开发 Dagger 。因为我们的构建和测试环境完全通过 Dagger 容器化，Devin 根本不需要 CI。它可以在本地运行自己的 CI，验证其工作并在评论中报告结果。当人类需要重现结果时，我们只需使用 Devin 已配置的同一容器化环境！

这不仅节省了时间——更是一个 “天啊”时刻 。它彻底改变了我们对开发工作流的思考方式。Devin 在本地自动测试、验证和迭代的能力改变了我们的协作方式，也预示了未来 DevOps 的发展方向。

如果你正在运营一个需要维护负载的开源项目，那么你不能错过 Devin。它不仅是一个工具，更是一种新型团队成员，始终准备好处理那些你无暇顾及的“长尾”任务。

Devin 并不是替代开发者。它是放大我们的能力，处理重复和单调的工作，让我们专注于最重要的事情。这是一种生产力的提升、新的视角，以及在资源有限时推动项目前进的方法。

这对 DevOps 的意义

Devin 自主贡献、运行本地 CI 并适应人类反馈的能力不仅是一个酷炫的功能——它是软件开发未来的一瞥。有了合适的保护措施，Devin 今天就能带来很大的价值；但从长远来看，这项技术可能会从根本上改变开发者与工具的关系，使我们以以前难以想象的方式构建和交付软件。

我们让 Devin 参与了许多开源代码库的贡献，包括：

我们非常期待 Devin 能为您的开源项目提供帮助！立即访问 app.devin.ai 注册，并通过 osi@cognition.ai 与我们联系以获取团队计划的免费配额！