前言：
想必这两天大家的pyq已经被 “全球首个AI程序员诞生：Devin” “AGI的里程碑：Devin”
“AI程序员上线：可一键完成软件开发”诸如此类的话题引爆了吧，我相信大家最关心的一个核心问题就是，未来程序员、软件工程师、码农这样的职业真的会被代替吗？或许每个人都有自己的看法，但是不可置否的是，将AI应用于开发领域，一定是未来的大趋势。
其实早在Devin发布之前，国内就已经有发布过类似的AI产品，其开源版本在GitHub上一经发布，就获得了全球趋势周榜No.1。并且能够实现绝大部分在Devin实机演示中的案例，今天就为大家来挖掘一下这款“国产，宝藏产品”
一、功能测试
今天我们一改常态，先不上产品的介绍，我们直接从产品的功能入手，并在文章末尾简单的介绍一下这个产品以及其背后的开发团队，相信我你一定会看到最后的。
下面我们直接根据Devin官方发布的实例来对比测试这个产品的功能：
（一）自动化构建和部署端到端的应用程序
1.Devin：
在Cognition官网公布的第二个实例中，介绍了Devin是如何自动化的完成小游戏的开发，这里就不过多赘述其开发的过程了，如果感兴趣的看官们可以去官网自行观看。
2.该产品：
先简单介绍一下它的运行逻辑，不同于Devin的是，他们将软件开发这一标准化的程序，分为了五个步骤来进行，每个步骤都设置了对应的AI（后面会逐一说明），实现了由“概念→架构→编写→评估→部署”的全自动化流程。
下面我们直接开始用它开发一个小游戏
首先点击“通过模板新建应用”，（ps：初该方法之外，还可以通过AI分析代码库，自动创建应用，不过需要提供代码仓库的路径并确保Git token可以拉取代码）
这里我们选择“小游戏-网页游戏”
我们只需要简单的填写要开发的“应用名称”和“应用介绍”，这里以开发“贪吃蛇小游戏”为例，下拉到最下方，点击确认即可，不需要修改其它操作
返回到该界面，点击“选择已有应用”
选取我们刚刚创建的模板，点击“开始任务”即可
在聊天框内输入我们的需求：
“我想要开发一个贪吃蛇游戏，玩家能够控制贪吃蛇的方向，获得食物，贪吃蛇吃到食物后会增长长度。”
PM（先前我们提到的流程第一步）会思考并理解我们的需求，并根据需求提出问题以进一步确定我们的想法，并且她还会根据她的问题，自动帮我们生成回答，如果满意她的回答，我们点击提交即可，如不满意，也可以直接修改。在这里，我们点击提交即可
在提交了我们的回复之后，PM会帮我们生成PRD（需求）文档，罗列出产品的目标、游戏的详细规则等，这里也支持自定义修改，并且在互动的任何阶段都可以在下方的聊天框内进行交互。另外值得一提的是，这时候我们的第二个角色出现了 TL（Team Leader），他会根据我们开发的项目，提供给我们一些建设性的意见
可以看到在TL提供了建议之后，PM就对游戏的规则进行了补充 ，如果你由任何其它的想法也可以随时编辑，这里我们点击提交即可
在确认了需求文档之后，TL会帮我们自动生成“开发技术文档”，同样支持自定义修改
最核心的环节来了，根据开发任务，TL帮我们生成了好了前端三要素的初始代码，并且完成了自我检查
然后我们只需要根据操作步骤，先点击“运行代码自动检查”
这里就能看到两个新的状态“编译检查”与“静态扫描”，此时就已经完成了“运行代码自检查→从Git同步最新代码的步骤”，继续下一步，点击“将代码提交到Git仓库”
可以看到，代码已经提交成功了，我们继续下一步，点击“触发持续集成”，让该程序自动进行迭代优化
我们的第三个角色出现了：QA（质检人员），她会不断地帮我们优化调整应用程序
点击最后一步，“触发持续部署”就可以完成小游戏的开发啦
我们的最后一个角色也登场了：OP（操作员） ，他会帮我们进行应用的部署，下面我们只需要在浏览器打开这个网页就可以体验了
贪吃蛇
（二）自动化系统间集成
1.Devin：
在Cognition官网公布的第三个实例中，介绍了Devin是如何进行自我纠错的
2.该产品：
下面我们来测试第二个功能，在该部分我们就省去前面的一些基础程序的了解步骤，直接开始应用
输入并提交我们的需求：“使用GitLab的OpenAPI与GitLab服务器进行集成。系统将每小时查询最近一小时内持续集成的失败记录。”
与刚才的步骤一致，PM先为我们生成了需求文档，TL则给了我们一些建议
在汲取了TL的建议之后，PM进一步优化了需求文档，下面我们直接来看核心开发环节
按照刚才的步骤，依次点击“运行代码自检查→将代码提交到Git仓库→触发持续集成→触发持续部署”
我们点“查看详情”还可以在GitHub中查看集成的情况，然后将代码提交到Git仓库， 点击下面的链接
可以看到它为我们编写的程序，之后，我们只需要将它fork到自己的gitHub分支上，最后在本地进行debug即可。在本产品的该功能测试中与Devin有一举同工之妙，都是对程序进行debug的工作
（三）基于真实工作需求的开发
1.Devin：
在官方的最后一个演示视频中，展现了Devin最强大的功能，就是代替人工进行真实工作的需求开发。
2.该产品：
首先我们制定一个真实的开发需求：
“我是一家做餐饮连锁门店的，需要对接门店端，收集门店端反馈的一些数据，照片和视频，生成表格。
首先我们需要进行需求拆解：
①该需求有要上传附件的功能，我们可以先用平台开发上传附件功能
②该需求有个门店管理功能，我们可以接着上面的分支，开发门店功能
③最后我们在开发收集门店反馈数据
这里我们直接向PM表达我们的需求：开发一个上传文件接口，将上传的文件保存到服务器中，并将文件信息：如文件名、文件类型、文件大小保存到数据库
根据TL的建议，PM帮助我们重新优化了需求文档 ，继续点击提交即可
接下来TL，帮我们完成了技术文档的开发，（再次强调一下，在所有流程中都可以手动调整），让我们继续提交
我们可以看到图中圈出来的状态，在应用研发过程中每个环节都会自动执行代码的自我检查，确保其输出的精确性，这也与Devin自我纠错的能力相契合，下面我们按步骤将代码提交到Git仓即可
跟之前的步骤一样，将代码clone到本地进行一下调试，看看有没有问题
重点来了，前面我们说到将一个任务拆解成多个需求，下面我们要接着这个分支继续开发门店功能
将这个内容，复制一下，到开发新任务的界面
粘贴过来，点击开始任务即可
继续重复之前的步骤，这里就不重复演示了，我们直接跳转到部署环节，通用将代码上传到Git仓，然后clone到本地测试
再继续重复之前的步骤，将分支ID复制，然后在前两个的基础上，继续开发需求③收集门店反馈数据，然后我们直接看最后的代码
综上，这个工作任务就开发完成了哈。
复杂需求，我们要对需求进行拆分。
另外在AI辅助我们生成需求文档、技术文档、代码的过程中，我们可以对生成的内容进行纠偏，确保结果的准确。
果不其然，你跟我一样也看到最后了哈~各位看官如果看到这里了的话，相信你一定是对这个产品产生了想要进一步了解的兴趣，那么下面就让我来为大家介绍一下他们的开发团队吧！
到了揭晓答案的时候啦，这款产品就是由KuaFuAI团队开发的第一款由Multi Agent AI 驱动的软件开发平台：DevOpsGPT。在本次测评中使用的是DevOpsGPT商业版~
一些没有人看的话：
今天的测试到这里就结束了，从这款产品研发的角度来看，我觉得DevOpsGPT可以称之为“中国版Devin”当然这只是我自己的观点哈，从发布时间来看的话，DevOpsGPT是在23年10月份发布的，且与Devin同样作为将AI应用于开发领域的产品，无论是从全球AI发展战略的视角，还是从生成式人工智能的发展历程上来看，这两款产品都是值得我们肯定与支持的，最重要的DevOpsGPT是我们国人团队研发的产品，且发布时间比Devin还要早，效果也真的不差，希望大家都能够多多支持国产的AI平台，让我们打破技术垄断，抢占AGI的先机！
相关文章
您阅读本篇文章共花了：
发表评论