Devin横空出世,历史第一位人工智能软件工程师

CognitionAI推出的AI工程师Devin展现了强大的全栈技能,能自主学习和编程,引发行业热议。Devin背后年轻的华人团队和他们的雄心壮志预示着AI技术将深刻改变程序员的工作方式和职业发展。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

大男主爽文的一刻,AI领域最近横空出世的Devin问世,可谓一石激起千层浪,让我们看这个创造出AI软件工程师的产品公司背景如何

2024年3月13日,Cognition AI在 X 上推出了全球首个AI软件工程师Devin,请记住这个名字。它在英文中的寓意是完美的,喜欢自由和旅游,一直在追寻目标。想必它的创作团队也是一批无拘无束自由追逐梦想的人群吧,这里先附上他们团队的照片。而男主就是第二排右数第三位的少年,作为成立两个月的公司CEO,就带着团队们斩获硅谷数千万美金投资。
在这里插入图片描述

一、Devin能力如何

Devin是一个自主代理(Autonomous Agent),掌握全栈技能,能自主学习不熟悉的技术,端到端地构建和部署应用程序,自己改bug,甚至还能训练和微调自己的AI模型

Cognition AI只是在社交媒体上发布了一段演示Demo,就引来了全球码农们的高度关注。因为Devin真的颠覆了人们对开发工具的认知。视频大家可以自行搜索,看看CEO的详细讲解,为了省去大家搜索时间,我帮大家整理内容如下:

  • Devin掌握从云端部署、底层代码编写到bug修改、AI模型的训练和微调等全栈技能
  • Devin能够快速学习和掌握新技术,只需阅读文档即可快速上手不熟悉的工具和框架
  • Devin能够开发迭代应用,包括搜索餐馆、获取地址和联系方式,并构建网站等功能
  • Devin具备自动Debug的能力,能够自动化查找并修复程序中的错
  • Devin擅长长期推理能力,可以自主规划和完成软件项目,在此过程中做出数以千计的准确决策
  • Devin在SWE-bench编码基准测试中取得了突破性的成功,展示了其执行复杂任务的能力,甚至超越了顶尖的人类工程师
  • 独立完成编码和应用上线功能:Devin可以直接作为一个程序员来接受用户需求和反馈,独立完成编码和应用上线功能

二、创造团队

接下来,大爽文男主故事开始,Devin背后的公司Cognition AI十分神秘,据彭博社报道,这家公司2个月前才正式成立。就连X上的官方账号都是今年1月注册使用。

Cognition AI的长期目标是通过解决推理问题,在广泛的学科领域解锁新的可能性,而“代码仅仅是开始”。公司致力于推动AI技术的发展,并通过其产品改变人类与软件的互动方式。

Cognition AI的核心创始团队由3人组成,分别是Scott Wu、Steven Hao和Walden Yan。从3人的名字就不难看出,他们都是华人。

出任Cognition AI公司CEO的是Scott Wu,年仅27岁,毕业于哈佛大学,他的亲兄弟Neal Wu也在这家公司工作。从上中学开始,Scott Wu就展露出自己在数学方面的天赋,开始参加数学竞赛。

Scott Wu曾在2014年举办的IOI(国际奥林匹克信息学竞赛)上以满分的成绩获得第一名。

在这里插入图片描述
他不仅在学习上优异,另外在年仅23岁时候就已经是LunchClub的联合创始人及CTO。 Lunchclub也是一个以人工智能和机器学习内容为主的美国社交平台,估值在2020年已经超过1亿美元。

作为能抗能打的少年CEO,自己也找来合作伙伴,现今Cognition AI的CTO Steven Hao担任。Steven是来自麻省理工学院的高才生。CTO有了之后,那么之后就是公司CPO了,Walden Yan来担任团队CPO,他的做法有点儿类似比尔盖茨了,为了加入Cognition,直接背着父母从哈佛辍学。。。想到自己坐在大学教室担忧自己是否挂科就默默流泪。。。

三、Devin对程序员影响如何?

1、不可否认的是,Devin改变程序员职业路径。曾几何时我们还是感觉全栈开发工程师会替代单独的前后端开发者,如今devin的出现有会动荡如何,必定引起职业path的变化。

2、提高软件工程效率同样也是与它降生之时存在,类似于搜索引擎,Chat gpt。Devin AI也必将是改变生产力的一种工具。

3、改变程序员工作状态,可以将训练以及重复性工作交给Devin,而作为程序员的我们,可以增加对创新工作的专注性,想到这些,也不失为一种乐趣。

其实,看过很多现在圈内科技大佬发言后,也是感觉,Devin的确很厉害,我们不妨就当作拥有了google,chat gpt一样,AI的发展,势必会在代码上体现,但是AI现在再厉害,写出普通人看不懂的内容也是没用。保持自身节奏去学习,去前进就好。

03-21
关于 Devin 的 IT 背景,目前并没有直接的信息表明其具体的领域贡献或技术成就。然而,在提及的相关引用中可以推测一些间接线索[^1]。 从引用的内容来看,“Devin AI software engineer?” 提到的是知乎上的讨论主题,这可能意味着 Devin 是一位与人工智能软件工程相关的工程师或者研究者。尽管如此,这一信息并未提供明确的技术背景或项目经历支持。 进一步分析可知,如果将 Devin 放置在整个行业背景下考察,则可联想到当前热门的人工智能开发方向以及多模态模型的应用场景。例如 Gato 这样的通用代理展示了现代 AI 技术如何跨越不同任务边界实现统一框架下的多样化功能[^2]。虽然这些内容未直接涉及 Devin ,但它反映了当下 AI 工程师所需具备的核心能力——即跨学科知识融合和技术实践创新能力。 另外值得注意的是,在企业数字化转型过程中,像 Mr.K 黄哲铿这样的专家强调了技术和业务相结合的重要性[^4]。对于任何从事 IT 行业尤其是专注于人工智能领域的个人而言,理解并应用这种理念将是职业发展中不可或缺的一部分。 综上所述,基于现有资料无法确切得出 Devin 在 IT 方面的具体背景;但从整体行业发展角度来看,作为一位自称 “AI software engineer” 的人士,很可能正在探索诸如多模态学习、算法优化等领域前沿课题,并努力推动技术创新应用于实际问题解决之中。 ```python # 示例代码展示了一个简单的机器学习训练过程 import tensorflow as tf model = tf.keras.Sequential([ tf.keras.layers.Dense(64, activation='relu', input_shape=(32,)), tf.keras.layers.Dense(10) ]) optimizer = tf.keras.optimizers.Adam() loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=True) @tf.function def train_step(inputs, labels): with tf.GradientTape() as tape: predictions = model(inputs, training=True) loss_value = loss_fn(labels, predictions) gradients = tape.gradient(loss_value, model.trainable_variables) optimizer.apply_gradients(zip(gradients, model.trainable_variables)) # 假设这是 Devin 可能会参与的一个基础实验部分 train_data = ... # 加载训练数据集 for epoch in range(num_epochs): for step, (inputs, labels) in enumerate(train_data): train_step(inputs, labels) ```
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值