#模型时代# 50%代码贡献将由模型完成，Congnition CEO Scott：Devin让人类从泥瓦工变建筑师，AI产品创业没有护城河

上周看到Lenny's Podcast发布了与Cognition公司的联合创始人兼 CEO Scott Wu的对话，刚有空把内容整理出来。

如果说Blot、Replit、Lovable、Cursor等AI编码产品的主要目标是“人机协作”、“快速原型”、“低门槛开发”，Devin这个产品的定位明显不同。在Devin刚发布的时候（印象是去年3月），Cognition Labs宣称它是“世界首个 AI 软件工程师”，可以像人类一样独立完成复杂的软件开发任务，包括规划、编写、调试、部署代码，甚至能自主学习新技术、修复开源项目 bug、完成真实工作外包平台（如Upwork）上的开发任务。

用人话说，就是在某些任务中独自工作，无需人类参与。

不过，产品Demo发布后，有很多开发者和技术博主仔细分析官方演示后发现，Devin在 Upwork上完成的任务与实际客户需求并不一致，AI未能完全理解或满足真实需求，而是“自说自话”地完成了部分无关任务。据theregister今年一月份的一个报道，有独立研究者（如 Answer.AI 团队）实测发现，Devin在真实复杂任务中的成功率远低于宣传。例如，在他们的20个测试任务中仅成功3个，失败率高达70%。

但AI世界的特点就是永远不变的是变化。

今年4月，Cognition推出了一个AI代码知识库工具，在开发者社区口碑又不错。DeepWiki的核心功能是一键生成代码百科：只需将任意 GitHub 公共仓库的链接中的“github”替换为“deepwiki”，即可访问该项目的 AI 生成百科页面。

说回到Congnition这个创业团队。Cognition Labs成立于2023年11月，总部位于旧金山司。公司由三位国际信息学奥林匹克（IOI）金牌得主--Scott Wu、Steven Hao 和 Walden Yan 共同创立（应该是华裔班底了）。最初，Cognition曾涉足加密货币领域，但在 ChatGPT 推出后，硅谷AI浪潮兴起，Cognition果断转型，专注于AI。

访谈亮点包括：
1、Cognition 约 15 人的精干工程团队已深度集成 Devin，每位工程师平均同时与 5 位 Devin 协作；
2、Devin 目前贡献了公司约四分之一的 PR，预计年底将超过 50%；
3、Devin 在一年内从“高中生”水平进化至“初级工程师”，展现了 AI 技术的快速迭代；Scott 预测 AI 将使工程师从“砌砖工”转变为“架构师”，并可能创造更多而非更少的工程岗位。或者说，从泥瓦匠变建筑师，如果把语境还原到土木工程。
4、此外，他还谈及了 Devin 理解复杂代码库的独特方式、Cognition 的创业历程与招聘哲学，以及 AI 对软件工程乃至整个科技行业带来的变革性影响。

一、Devin：重新定义 AI 编程——从助手到自主工程师
Scott Wu 开宗明义地指出，Devin 的核心定位是“完全自主的软件工程师”，能够端到端地完成任务。这与市面上侧重于代码补全或建议的 AI 工具（如 GitHub Copilot）有本质区别。Devin 的设计理念是模拟与真人初级工程师的异步协作流程。用户可以通过 Slack、Linear 等平台分配任务，Devin 则自主理解需求、规划步骤、编写和调试代码、使用工具，最终在 GitHub 提交 PR。

回顾 Devin 的发展历程，Scott 形容其在约一年前刚发布时，能力尚处于“高中计算机学生”或“大学实习生”阶段。当时业界对 AI 代理 (Agent) 的可行性还普遍存疑。然而，过去一年 AI 能力，特别是高算力强化学习 (RL) 驱动的推理和规划能力取得了巨大进步。如今的 Devin 已具备“初级工程师”的实力。

但 Scott 也强调 AI 智能的“锯齿状”特征 (jagged intelligence)，即其能力在不同维度上很不均衡。因此，Cognition 的工作不仅在于提升 Devin 的核心智能，同样重要的是打磨人机交互体验，让工程师能顺畅地委托任务并有效协作。这包括开发与 Slack、GitHub、Linear 等工具的集成，引入交互式规划，允许用户介入指导等。

二、Cognition 内部实践：人均带 5 个 Devin，AI 贡献 1/4 代码
Cognition 自身就是 Devin 最深度、最前沿的用户。其仅有约 15 人的工程团队，在开发 Devin 的过程中广泛使用 Devin。Scott 透露，团队成员通常会同时与多达 5 位 Devin 协作，处理并行任务。

Devin 每月为 Cognition 内部的 Devin 项目合并数百个 PR 到生产环境。目前，Devin 提交的 PR 数量已占公司总量的约四分之一。Scott 乐观预测，到今年（指访谈时的“今年”，可能指 2024 或 2025 年）年底，这一比例有望“远超一半” (>50%)。这展示了 Devin 生产力的指数级增长潜力，其背后是 AI 能力提升和人机协作流程优化的双重驱动。

这种协作模式并非完全“放手不管”。工程师仍然需要在关键环节，如任务定义、架构决策、复杂问题指导以及最终产出验收等方面发挥主导作用。目标是将工程师从繁琐的执行细节中解放出来，专注于更具创造性和战略性的工作。Scott 将此形容为 AI 对工程师个体能力和团队知识库的双重“放大” (multiply)，因为 Devin 在协作中会不断学习和积累项目知识。

三、软件工程的未来：从“砌砖工”到“架构师”，岗位不减反增？
访谈深入探讨了 AI 对软件工程职业的深远影响。Scott Wu 认为，AI 不会取代程序员，反而会使编程能力变得更加重要，因为软件工程的本质是“告诉计算机做什么”，而 AI 正是强化这一能力的工具。

他提出了一个核心隐喻：AI 将推动工程师从“砌砖工” (bricklayer) 转变为“架构师” (architect)。他估计，传统工程师可能只有 10% 的时间用于高价值的思考、设计工作，其余 90% 则耗费在具体的编码实现、调试、维护等“砌砖”活动上。Devin 等 AI 工具旨在接管大部分“砌砖”任务，让工程师聚焦于架构设计、问题定义、技术选型等“架构师”职责。

对于“是否还需要学编程”的问题，Scott 坚决回答“是”。他认为学习编程的核心是培养逻辑思维、理解计算机系统抽象，这对于未来有效指导和利用 AI 至关重要。

基于此，他预测未来工程师数量将不降反升。这源于“杰文斯悖论”：效率工具的出现往往会刺激对该领域服务需求的更大增长。随着 AI 降低软件开发的门槛和成本，将催生出前所未有的应用需求和创新空间。未来衡量工程师价值的标准，可能将更多地侧重于其定义问题、设计系统和指导 AI 协作的能力。

四、Devin 的核心能力：代码理解、工具融合与适用场景
要在真实世界的复杂项目中发挥作用，AI 工程师必须具备强大的上下文理解能力和工具使用能力。Scott 介绍，Devin 通过类似人类工程师的方式理解大型代码库：先建立高层抽象认知，再按需深入细节。其独特之处在于能自动生成“Devin Wiki”，包含代码结构、组件关系、架构图等信息，这不仅辅助 Devin 自身工作，也极大地帮助了人类工程师（尤其是新人）理解项目。

Devin 被设计为能深度融入现有开发工具链。访谈中演示了与 Linear 的集成：通过添加标签，Devin 可自动分析任务、提出方案并供人类决策是否启动执行。这体现了其无缝接入工作流的能力。与 Slack、GitHub 的集成也支持在讨论、代码评审等环节实现人机协作。

在演示环节，Devin 展示了快速完成具体任务的能力，例如根据指令修改网站前端（添加 Lenny's Podcast 链接）、基于网络信息创建一个关于主持人的小测验网站、以及利用 Wiki 回答关于 DeepSeek 代码库的技术问题。

Scott 指出，Devin 目前最擅长处理定义明确的任务 (well-defined tasks)，而非模糊的问题 (problems)。例如，具体的 Bug 修复、功能添加、测试或文档编写等，尤其是那些有清晰验证方式的任务，成功率更高。对于更大型、更开放的项目，人类的指导和介入仍然十分关键。

五、创业哲学：极致执行、人才争夺与心态管理
Scott Wu 分享了 Cognition 团队的一些创业经验和理念。团队成员大多有 AI 背景和创业经历，他们坚信强化学习和 AI 代理是未来方向。尽管大方向明确，但在找到 Devin 的具体模式前也经历了约 8 次内部调整。

他强调了将创业基本原则（如快速行动、用户导向、着眼未来等）执行到极致的重要性。Cognition 的早期发展速度极快，体现了对“快速行动”原则的贯彻。

在人才招聘上，Scott 通过两个生动的故事（为说服学生家长亲自飞往北卡、帮候选人写婉拒信）展示了团队为争取顶尖人才所付出的非凡努力，印证了“招聘优秀人才”需要极致的投入和诚意。

他还分享了关于心态管理的感悟：创业者既要全力以赴、追求卓越，又要学会将个人价值与项目成败分离，保持内心的平和，坦然面对起伏。这种心态不仅有益于心理健康，也有助于做出更理性的决策。

六、AI 竞争：粘性优先，速度制胜
面对激烈的 AI 竞争格局，Scott 认为与其过度关注构建难以逾越的“护城河”，不如聚焦于提升产品的“用户粘性”。对于 Devin 而言，粘性来源于其持续学习项目上下文的能力以及深度融入团队多人协作流程的特性。Devin 用得越久，对特定团队就越有价值，替换成本越高。

他承认 AI 领域技术迭代极快，基础模型日新月异，但 Cognition 的核心竞争力在于将这些基础能力应用于解决真实世界软件工程的复杂细节，并通过产品设计优化人机协作体验。

Scott 还强调了 AI 变革的独特之处：与以往受硬件普及速度限制的技术革命不同，AI 作为软件层面的突破，其扩散速度极快，影响力巨大且迅速。这要求所有从业者保持高度关注和学习适应能力。 http://t.cn/A6ddN3qH