首页 文章 精选 留言 我的

精选列表

搜索[农业大模型]，共10004篇文章
优秀的个人博客,低调大师

初创公司使用 AI “码农” Devin 一个月的体验

编者按： Devin 真的能像人类软件工程师那样工作吗？作为 2024 年备受瞩目的 AI Agent 产品，它的实际表现如何？ 我们今天为大家带来的文章中，作者通过一个月的实际使用体验，发现 Devin 在处理简单、明确的编程任务时表现不错，但距离达到初级软件工程师的水平还有很长的路要走。 文章详细介绍了 Devin 的使用体验，包括其出色的上手流程设计、与 GitHub 的便捷集成，以及实时代码审查功能。在处理范围狭窄、定义明确的代码修改时，特别是前端组件相关的任务，Devin 表现相当出色。然而，当面对需要跨组件协作的全栈任务时，即使是对初级工程师来说较为简单的工作，Devin 也往往难以胜任。从成本效益来看，对于那些它能够完成的小型任务（通常花费 2-10 美元），Devin 确实能为团队节省宝贵的时间；但在处理较复杂任务时，其成功率和性价比都令人失望。 本文系原作者观点，Baihai IDP 仅编译转载。 作者 | Vikram Sreekanti and Joseph E. Gonzalez 编译 | 岳扬 我们总是对新的人工智能产品充满好奇，却苦于没有时间去亲自体验。在最近的假期里，我们终于抓住机会，使用了 Congition 公司推出的 Devin[1]，这款产品在 2024 年可是备受瞩目。 如果你一直未曾关注过这方面的事情，那么可能还不知道，Devin 在去年三月份[2]发布的一款软件工程 AI Agent 曾引起了不小的轰动。在相关演示视频中，这款 Agent 能够跨多个代码文件，完成一项相当复杂的编程任务。我们原本对这个 AI Agent 的普适性持保留态度，但 Cognition 在去年十二月[3]将 Devin 正式对外开放，于是我们决定在假期中好好体验一番 Devin。 图片来源：DALL-E 3。AI 软件工程师的潜力无疑是巨大的，但（提前预警！）我们还有很长的路要走。 在我们详细介绍对该产品的使用体验之前，我们想先声明，本文的任何负面观点，都不是为了贬低 Devin（或任何其他产品）。我们对所有致力于 AI 产品开发的人抱有极高的敬意 ------ 技术的快速更迭和市场的不确定性已经让我们面临了足够多的挑战。我们分享这些反馈意见，既是为了更好地开发 RunLLM[4]，同时也希望我们的观点能对他人有所启发。如果我们有哪里说错了，欢迎指正！ 上个星期，我们看到了 Answer AI 发布的一篇关于 Devin 的博客文章[5]。我们尚未详读全文，但值得一提的是，他们的结论与我们的看法颇有几分相似。 01 引言 Devin 是一款相当谦逊、有自知之明的工具。它对自己的定位是，在得到明确指导的情况下，能够像一名初级软件工程师那样完成任务。根据相关经验，它大约能独立工作 3 小时，之后才需要考虑是否会出现偏差。这种预期管理既清晰明确又非常实用，与我们此前关于 AI 工作流程[6]与人类工作交接[7]的论述不谋而合。 Cognition 公司的 CEO Scott Wu 在采访中透露了他们团队使用 Devin 的思路[8]，颇为引人入胜：正确的使用方法是在每天早上给 Devin 分配任务，然后让它在你忙于其他工作的时候自行运行。几小时后，你再回来查看它的工作进度，并提供必要的指导。到了一天工作结束时，Devin 应当能够完成你所布置的任务。这种合作模式，与你在团队中与初级工程师的合作非常相似。 02 Devin 的使用体验和上手流程 Devin 的使用体验和上手流程设计得相当出色。你只需将 Devin 连接到你的 GitHub 代码库。Devin 会分析你的代码库，了解其中的主要组件，以及编译步骤、代码风格、最佳实践等。对于我们这样的初创公司来说，这些内容可能不算丰富，但 Devin 仍能自动推理出构建流程的基本要素。 完成初步分析后，Devin 会展示其分析结果，并邀请你根据每个源代码目录的需要，添加额外的安装或配置步骤。为了检查这些配置是否正确，它会尝试执行所有的安装和配置步骤。 为 Devin 指派新任务非常直接。目前它尚未与 Linear 或 Jira 这类任务管理系统集成，仅提供了一个简单的文本框，供你输入希望 Devin 完成的任务描述。（你也可以在 Slack 的摘录对话串（Thread）中标记（tag）任务，但我们发现这种做法并不太实用。） 图片来源：Cognition 的 Devin。使用 Devin 的聊天界面是最快捷的指派新任务方式。 当你分配给 Devin 一个新任务时，它首先会通过审查代码库来制定行动方案，并确定它认为应该进行的代码修改，从而制定行动计划。你可以实时在 web app 中观察它审查文件的过程和所做的代码修改（这一功能相当酷炫），一旦完成，它就会运行代码检查和代码测试（如果有的话），解决遇到的问题，并创建一个 PR（pull request）。你可以在 PR 中留下评论，指导 Devin 进行代码修改或修复 bugs。 简而言之：Devin 的使用体验既直观又易于与工程团队的工作流程融合。 03 Devin 的强项 Devin 最擅长的是进行范围狭窄、定义明确的代码修改，这些代码修改仅涉及单个组件和少数代码文件。我们最初让它完成的任务包括：优化饼图的显示格式，修正 API 在返回数据时遇到的边界问题，以及在创建新数据源时设定默认的更新计划。这些任务如果由人工来完成，每个大约需要一个小时的时间来研究、实施和测试。而有了 Devin，只需花费一两分钟来描述任务，并在将其完成的工作合并前用五分钟来检验。 图片来源：Cognition 公司的 Devin。通过一个实时仪表板，我们可以看到 Devin 在 shell、代码编辑器等环境中的操作过程。 尽管它有时会在通用最佳实践与特定代码库的特定规则之间犹豫，但它很快就能根据你的指导做出反应 ------ 随着时间的推移，它会建立一个针对特定代码库的知识库，我们可以对其进行检查和编辑修改。例如，Devin 最初尝试安装并导入了 @tanstack/react-query 库，但这个库并不适用于 RunLLM 的代码库。当我们指出应参考其他文件的实现方式时，它立刻进行了自我纠正。 根据我们的经验（我们不确定这是否是普遍现象），Devin 在处理前端代码时似乎表现得比处理后端代码更为出色。例如，它能够轻松处理相当复杂的 Redux stores 来优化状态管理，然而却在使用 Python 的 FastAPI 框架时遇到了困难 ------ 即便面对的是相当基础的功能实现。 简而言之：Devin 在前端代码库中修复小 bugs 或进行细微的优化时，能够有效节省时间。 04 Devin 的局限 在完成了一些基础任务后，我们决定交给 Devin 一个更具挑战性的全栈任务，我们认为这个任务适合初级工程师去完成。这项任务需要添加一个新的（且独立的）数据库表，创建一个新的 API 接口，并将该接口集成到前端交互中。每处单独的改动并不复杂，但需要将各个部分整合在一起。正常情况下，工程师可能需要几个小时就能搞定。 然而，事情并没有按预期进行。在最初的任务描述中，我们明确指出没有现成的数据库表来记录所需信息。Devin 找到了一个功能类似的旧 API 接口，并试图在此基础上进行调整，但它似乎误以为旧接口的存在意味着数据库中已有相应的信息。尽管我们反复多次提示，它仍然无法在数据库的 schema 中添加新表。 在前端部分，Devin 将新按钮添加到了一个仅在特定条件下才会显示的位置。我们多次要求它让按钮在所有情况下都显示，但同样，尽管反复提示，它还是无法实现这一需求。 在尝试了多种不同的提示词来解决上述问题后，我们决定自己接管这部分工作，看看能否基于 Devin 的工作"半成品"将这个 PR 调整到可用的状态。但仔细检查后发现，Devin 添加的用于前端与新增 API 接口连接的代码大多不可用 ------ 它忽略了我们之前教给它的最佳实践，处理 API 响应的代码也是一团糟。此时，我们决定从头开始实现这一功能，因为这样比修复 Devin 编写的代码要容易得多。 有趣的是，我们还发现 Devin 很容易陷入一种死循环，它试图解决代码检查器发现的问题，却又在之前所做的代码更改之间来回打转。在这个循环过程中，它似乎并没有优先考虑用户对 PR 中需要改进之处的反馈。 我们并不清楚是什么原因导致 Devin 出现这种混乱。每个组件的任务应该都相当简单，因此我们推测，跨多个组件的协同工作可能是最让 Devin 困扰的部分。它似乎无法将自身的规划或我们提供的反馈独立应用于特定组件。 简而言之：一个我们期望初级工程师能在一天内完成的全栈任务，对 Devin 来说却是一个难以逾越的挑战。如果这是一个新招聘的工程师，我们可能不会考虑将其留在团队中。 05 成本效益分析 在 Devin 能够顺利完成任务的情况下，其经济效益是显而易见的。 目前，500 美元可以购买 250 个 ACU（ Devin 的工作量计算单位），而 Devin 完成那些小型任务通常只需要 1-5 个ACU（即 2-10 美元）。如果花几美元就能修复小 bugs，并且每次至少节省一个小时的工作时间，这样的交易无疑是划算的 ------ 无论何时，我们都会选择这样做。但问题在于，适合 Devin 处理的任务范围非常有限，这些任务既需要工程师切换工作焦点，又要在 Devin 的能力范围内完成。 当 Devin 无法完成任务时，其经济效益就开始值得怀疑了。 我们尝试的三个较大任务平均消耗了大约 20 个ACU，其中有两个任务并没有给出可用结果。虽然 40 美元对于完成这些任务来说非常便宜，但根据我们有限的样本来看，这些任务消耗的 ACU 数量与任务难度并不成正比 ------ 它们并不比那些成功的小任务难上 5 到 10 倍。更重要的是，这些任务常常失败，导致我们花费的 40 美元打了水漂。 如果 RunLLM 是一家每月有 50 个以上明确界定的小错误需要 Devin 修复的大公司，情况可能有所不同。但事实上，我们已经让 Devin 尝试了大部分它能够成功的任务。 简而言之：对于那些 Devin 能够完成的任务，为之支付费用是绝对没有问题的。但当 Devin 无法完成任务时，你会因为资金浪费而感到失望。 06 总结与展望 AI 软件工程师的前景无疑是光明的，我们大力支持这种模式：将部分工作交给 AI 处理，从而让我们可以集中精力处理更为关键的事务。从用户体验的角度来看，Devin 确实能够有效地支持这一过程。 然而，就像 AI 领域的许多创新一样，这目前仍处于起步阶段。我们很乐意尝试使用 Devin，但我们的看法是，它尚未达到初级软件工程师的水平。Devin 擅长处理那些一个人大概需要一个小时就能解决的、定义明确的任务。一旦超出这个范围，结果就会大相径庭。 我们坚信 Devin（及其底层技术）将会不断进步，随着技术的成熟，它实现这一承诺（能够像一名初级软件工程师那样工作）的能力也将不断提升。就目前而言，软件工程师们还不需要担心会因此失去工作，这一天还有很长的距离。 Thanks for reading! Hope you have enjoyed and learned new things from this blog! About the authors Vikram Sreekanti Co-founder & CEO of RunLLM Joseph E. Gonzalez Professor at UC Berkeley and Co-Founder at Run LLM 本期互动内容 🍻 ❓2-10 美元解决一个小时的编程任务，这个投入产出比你觉得值得吗？团队在考虑引入类似工具时，你最关心哪些因素？ 🔗文中链接🔗 [1]https://devin.ai/ [2]https://www.cognition.ai/blog/introducing-devin [3]https://www.cognition.ai/blog/devin-generally-available [4]http://www.runllm.com/ [5]https://www.answer.ai/posts/2025-01-08-devin.html?utm_source=changelog-news [6]https://frontierai.substack.com/p/the-rise-of-ai-work [7]https://frontierai.substack.com/p/ai-products-should-be-built-for-human [8]https://joincolossus.com/episode/building-cognition/ 原文链接： https://frontierai.substack.com/p/one-month-of-using-devin
2025-02-14
优秀的个人博客,低调大师

为了讨好程序员，阿里云和 Costa 开了家码农咖啡馆

5 月 11 日，阿里云和 Costa 联合开出程序员主题咖啡馆，一家在阿里巴巴西溪园区，另一家在杭州的云溪小镇，都是程序员扎堆的地方。 在这家程序员主题咖啡店里，提供阿里云和 Costa 联合研发的程序员定制咖啡“Apsara Coffee”（Apsara 是阿里云飞天系统），口感上比拿铁更苦一些，萃取18%-22% 的最佳可溶浓度段。当然，上面还有一个大大的阿里云 logo 的拉花。 目前在杭州、上海、苏州、深圳、厦门、成都六个城市的 20 多家 Costa 门店中可以买到这杯 Apsara Coffee。 “我们希望起到更加提神的效果，但（考虑到健康的因素）也不想把它做的太浓。”根据张海平的说法，阿里云主要承担了对程序员口味的调研和测试工作，为 Costa 的研发工作提供参考。 除了程序员文化的门店装饰（触目可及的键盘、鼠标、代码），咖啡店内还设有一块“程序员挑战版”，程序员可以在上面出题，进行代码接龙，成功解题的客人可以带走一个定制咖啡杯。 “我们做这个项目的初衷是因为（阿里云）面对的是开发人群，我们希望提升品牌好感度，所以我们就去观察这些人喜欢什么。”阿里云品牌经理张海平告诉《好奇心日报（www.qdaily.com）》，程序员对咖啡的需求是他们找到的一个接触点。 这个项目从去年 9 月在阿里云内部被提出，在 10 月份的云溪大会上首次尝试。“我们当时就是请 Costa 过来卖咖啡，然后在他们一款原有的摩卡上略作调整，打上阿里云的 logo，后来发现大家都挺喜欢这个点子的。” 而对于 Costa 来说，咖啡本是个大众消费品，要针对某一特定人群去贩卖咖啡也是之前没有尝试过的事情，“双方磨合了挺长时间，但 Costa 方面对这个想法还是挺兴奋的。” 接下来，阿里云还希望在咖啡馆里引入大数据的应用，代替人工来收集程序员对咖啡馆的偏好，包括接入阿里云的会员体系，用阿里云的会员券兑换 Apsara 咖啡。 截止 2016 年第三季度，阿里云目前有 76.5 万付费用户。“品牌发展到现在这个阶段，越来越需要个性化的存在。”张海平表示，这并不是一个临时性质的快闪活动，阿里云希望持续地推进这个项目。 从阿里和 Costa 联合做这场营销的角度来说，这是个还不错的噱头。但每个人都咖啡口味都有自己的偏好，从这个角度来说，程序员并没有什么特别的。 而是否能从讨好程序员的角度，去让更多人感兴趣，也要打个问号。 本文转自d1net（转载）
2017-07-03
优秀的个人博客,低调大师

行业大佬积极布局无人配送，能否改写外卖行业格局？

美团在6月25日向港交所递交上市申请后，时隔两个月，美团已于8月23日在香港成功上市。美团上市之前大动作还是不断，依次推出了新零售闪购业务和无人配送平台。无独有偶，在饿了么被滴滴收购之后，仰仗于阿里的大数据的支撑，饿了么正在野蛮式扩张市场，饿了么如今角色已经不仅限于外卖，最近也开始在新零售领域发力，与星巴克达成战略合作关系，矛头可谓直指美团。 无人配送或成竞争王牌除了在新零售积极布局，强势竞争之外，无人配送也是在市场竞争中占据着举重若轻的位置。随着市场需求的不断增长，无人配送可以说是对骑手最有效的补充，它可以持续工作，比如承担夜间的配送，可以24小时服务。未来很长时间内，无人配送或称为外卖行业核心竞争力的又一大招。 无人配送降本增效空间巨大目前外卖配送主要是依靠骑手配送，需要大量的人力，在人口老龄化不断加重，人力成本可以说是越来越昂贵，如果无人配送落地的话，将大量降低企业的成本费用，有远见的企业照早就在这方面开始积极着手了，据悉，美团的骑手成本由2016年的51亿元增至2017年的183亿元，其与外卖订单数量增长成正比。而无人配送技术可大大节省急剧飙升的人工成本，为外卖行业的效益扫清障碍，最终使平台配送商品利润最大化。而这，正是饿了么发力的关键领域之一，早在上半年其已宣布在部分园区实现固定线路的无人配送。 “烧钱补贴”等诸多短板问题仍存只要新的东西开始走向市场，就逃脱不了“烧钱补贴”，无论是Uber进入中国市场还是滴滴开启新的市场时，都是先砸钱养成用户习惯。目前无人配送也是同样的问题，总的来说都是互联网平台前期大量的投入，进入了“赚吆喝不赚钱”的时代，不断的烧钱和补贴大战不利于形成良性合理的竞争生态。此外，无人配送技术不够成熟，目前国家政策尚未支持，需要考虑到如何上路，路上的交通状况，出现交通事故时责任归属方，这些都需要国家出订相关政策，才能得到实施。 但是，滚滚长江东逝水，伴随着物联网应用的大量落地，外卖行业成熟期进入白热化阶段，无人配送技术将会不断完善，未来外卖平台无人配送必将占据一席之地，甚至会在未来改写市场的格局，使得外卖行业迎来新的里程碑。
2018-08-28
优秀的个人博客,低调大师

海升集团：农业大脑沉淀“新24节气”

2018年春节，中国人展现出了前所未有的水果消费热情，在水果品类、口味并不突出的冬季，国内某大型水果连锁企业的销售数据显示，在2月13至23日期间，全国近3000家门店近300万人次的客流，共计购买了超过9778吨水果，累计销售总额高达2.2亿元，与去年同期相比，销量增长53.8%，更为出人意料的是，如此的水果销售盛况不仅出现在北京、上海、广州等一线城市，三四线城市的水果消费增长非常惊人：该企业在梅州、信阳、九江、琼海等地的水果消费增长分别高达319.8%、231.2%、191.5%和148.9%，水果销售几乎激活了全国春节期间的消费热情。 与春节期间激增的水果消费需求相比，我国人均水果消费水平其实并不高。据统计，2015年我国水果人均年消费量仅为32kg（仅即食鲜果），这一数字与70kg的国际上公认的（人均）水果消费健康标准和10
2018-07-30
优秀的个人博客,低调大师

IBM软件定义存储技术 助力企业大数据时代变革

IBM 在京召开 “ROCK EDGE CHINA 2014——为大数据时代再造存储摇滚盛典”。会议期间，IBM展示了最近发布的一系列软件定义存储、闪存等技术与产品，并邀请来自平安保险等企业的IT主管与来宾分享了使用IBM软件定义存储、闪存解决方案应对大数据挑战的实践体验。众多客户的采用表明IBM已经在面向未来的存储技术，如软件定义存储、闪存、存储虚拟化等领域占领了市场先机。 在2014年6月10日发布的《市场份额分析报告：2013年全球SSD与固态硬盘阵列》中，Gartner指出 IBM 在固态阵列 （SSA)）市场中占有25%的市场份额，位列第一，显示更多企业用户采用了IBM “闪存” 技术提高存储性能与分析能力。 软件定义存储是一系列自动管理本地及全球数据的软件功能，它们提供突破性的数据存取速度、更简易的管理以及随着数据量的增加，更加快速、经济地扩展技术基础架构的能力。其中，“弹性存储”技术能够为用户提供空前的性能、无限的扩展性，并能够通过自动将数据移动到最经济的存储设备上使存储成本降低高达90%。 “在大数据时代，数据量的几何级增长、数据类型的多样化、以及用户对于数据访问、分析与应用的苛刻需求已经让传统的数据存储与管理无从应对。”IBM大中华区副总裁、系统与科技部总经理郭仁声指出，“我们为客户提供的创新存储技术，在速度、可扩展性和成本方面的前所未有的提升，将使客户更富有竞争优势。” 大数据时代的到来同样对国内客户的存储技术升级与革新提出了更高的要求。从此次大会期间平安保险等客户的案例分享中，可以看到越来越多的国内企业开始采用IBM的软件定义存储以及闪存解决方案提升数据处理与分析的效率，以获取更佳的存储访问体验。平安保险成功地基于IBM软件定义存储解决方案，将海量数据汇总环境搭建时间由1个月缩减至仅1小时，数据汇总时间缩至原来的一半，大幅提升企业IT实力使其更好地满足日益严格的监管要求，包括如年审和行业数据分析。 为推动软件定义存储等创新的存储技术落地，IBM 还加大了对合作伙伴的支持力度，包括此次宣布协助北京富通东方科技有限公司建设E-lab实验室，部署整套IBM“软件定义存储”架构，为客户、合作伙伴提供基础构架设计和测试、新技术方案演示、概念原型验证、性能指标测试等服务，帮助客户采用更灵活、可扩展的、高效的基础架构平台，拥抱云计算、大数据分析、移动、社交新趋势。 原文发布时间为：2014年09月04日 本文来自云栖社区合作伙伴至顶网，了解相关信息可以关注至顶网。
2017-08-30

资源下载

更多资源
Mario

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

时间: 2026-04-11 大小: 211.28KB 下载: 56次
Nacos

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

时间: 2026-09-24 大小: 189MB 下载: 9次
Spring

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

时间: 2026-08-21 大小: 5MB 下载: 2次
Sublime Text

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

时间: 2026-08-21 大小: 9.84MB 下载: 40次
热门标签
DeepSeek Jdk25 OpenAi HarmonyOS6 Nacos3 SpringBoot4 SpringCloud Docker Kubernetes Service Mesh Redis Gemini3 Rocky

欢迎您来访！

登录后，您将获得更多功能！
热门文章
联系我们

有任何问题或合作意向欢迎联系我们

Email: 99873273@qq.com

QQ: 99873273

用户登录
用户注册