Cognition 推出的自主软件工程智能体——这是 Devin 最主要的用途，也是本文讨论的前提。

单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。

推荐组合：Devin + Glean

Glean 的定位是：企业内部搜索与知识助手平台。两者分工可以是：Devin 负责「读懂陌生代码库」这一步，Glean 负责检索资料、核对来源或管理知识库。

工作流步骤

  1. 明确交付物和验收标准，例如：运行步骤能实际跑通。
  2. 准备输入：一个刚接手的项目仓库，先去掉敏感信息。
  3. 在 Devin 中执行核心步骤（提示词见下文）
  4. 把结果交给 Glean 做下一步处理，或从 Glean 取得所需材料。
  5. 人工检查关键事实与格式，记录发现的问题。
  6. 把这次用到的提示词和设置保存为模板，下次复用。

读懂陌生代码库

适用情况：手头有一个刚接手的项目仓库时。

先不要改任何代码。请阅读这个仓库，输出：1）目录结构说明；2）主要模块之间的调用关系；3）本地运行步骤；4）你认为最脆弱的 3 个地方。

交付前确认：运行步骤能实际跑通。

交接时最容易出问题的地方

  • 格式不兼容：两边导入导出的格式提前测试一次。
  • 信息丢失：每次交接附上来源和版本号。
  • 责任不清：约定哪一步由谁做最终确认。
  • 权限分散：两边的账号和分享范围分别检查。

如果暂时不想引入第二个工具，也可以先用 OpenHands 等同类产品替代其中一环，跑通流程后再决定。

更多可以试的用法

修复报错

准备材料：一段报错堆栈和相关代码。

这是报错信息和相关代码。请先解释报错原因，给出最小修改方案，并说明为什么这个修改不会影响其他调用方。

交付前确认：修改范围足够小。

写技术文档

准备材料：一个模块的源码。

根据源码为这个模块写 README：用途、安装、最小示例、配置项表格和常见问题。示例代码必须能直接运行。

交付前确认：示例代码可运行。

代码审查

适用情况：手头有一个 Pull Request 的改动时。

审查这个改动，按「必须修改 / 建议修改 / 可以忽略」三级列出问题，每条附上文件和行号，重点关注安全、并发和错误处理。

验收标准：问题定位到行。

常见问题：越改越乱

回滚到上一个可用提交，把需求拆小后重新开始。

常见问题：测试全绿但功能不对

人工补充关键用例，检查测试是否真正断言了结果。

常见问题：AI 改动范围过大

要求先给计划和文件清单，限定只改指定文件。

概念补充：差异审阅

在接受 AI 修改前逐个查看 diff，是最重要的安全习惯。

概念补充：MCP

让编程工具连接外部数据和工具的协议。

适合人群：科研人员

科研人员可以用 Devin 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。

适合人群：数据分析师

数据分析师可以用 Devin 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

写在最后

本文基于 Devin 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。

文中提示词和示例仅作示意，实际效果取决于你的材料和 Devin 当前版本，重要内容请人工核对后再使用。

延伸阅读