Inside Devin：这家仅 15 名工程师的公司，今年要让 AI 完成 50% 的代码

4 分钟阅读

让我分析这篇播客转录，提取关键信息，然后按照要求的结构生成一篇高质量的中文文章。

关键信息提取：

  1. 嘉宾：Scott Wu，Cognition 联合创始人兼 CEO
  2. 产品：Devin，世界首个自主 AI 软件工程师
  3. 公司规模：Cognition 只有约 15 名工程师
  4. 团队使用 Devin 的方式：每个工程师同时使用最多 5 个 Devin
  5. PR 贡献：目前约 25% 的 PR 由 Devin 完成，预计年底超过 50%
  6. Devin 的发展：从”高中生 CS 水平”到”初级工程师”水平
  7. 关键概念：jagged intelligence（锯齿状智能）
  8. 起源：2023 年 11 月开始，2024 年 3 月发布，2024 年 12 月全面开放自助服务
  9. 团队构成：26-27 人，18 人之前有过创业经验
  10. 产品特性：异步工作流、Slack/GitHub/Linear 集成、Devon wiki、Devon search
  11. 核心观点：编程会变得更加重要，而非减少；Jeavons 悖论
  12. 对工程师的建议：从”砖瓦匠”到”建筑师”的转变

让我按照结构生成文章：

Inside Devin：这家仅 15 名工程师的公司，今年要让 AI 完成 50% 的代码

嘉宾：Scott Wu | Cognition 联合创始人兼 CEO | 领域：AI 产品与软件工程未来

背景与引子

软件工程正在经历前所未有的变革。当大多数公司还在讨论如何引入 AI 辅助工具时，Cognition 这家仅有 15 名工程师的小团队已经让 AI 完成了 25% 的代码贡献。这个数字预计将在年底突破 50%。这意味着什么？意味着在不久的将来，一个小型团队配上多个 AI 工程师，其产出可能相当于过去一个数百人的工程部门。

本文深入探讨 Cognition 的 Devin 如何重新定义软件开发的生产力边界。

Scott Wu 作为掌舵者，分享了 AI 与人类工程师协作的实践洞见，以及这个领域即将发生的变化。

一、嘉宾是谁

Scott Wu 是 Cognition 的联合创始人兼 CEO，这家成立于 2023 年底的 AI 公司已经成为软件工程领域最受关注的新星。在创办 Cognition 之前，Scott 运营 AI 驱动的职业社交产品 Lunch Club 近五年。创始团队的其他人背景同样亮眼——联合创始人 Steven 是 Scale AI 的早期工程师，Walden 则是 Cursor 的初创成员。团队中 26 人里，18 人此前已有创业经验。这种经验丰富的团队组合，让 Cognition 在 AI Agent 领域迅速建立起技术优势。

二、核心观点 TOP10

  1. Devin 已从”高中生 CS 水平”进化到”初级工程师”——一年前发布时能力有限，如今已在生产环境中被众多公司使用

  2. 每个工程师同时使用 5 个 Devin——团队通过异步工作流，将任务分配给多个 Devon 并行处理

  3. PR 贡献率年底将超过 50%——目前约 25% 的代码提交来自 AI，预计今年大幅增长

  4. AI 将使编程更重要而非减少——核心 discipline 是”告诉计算机做什么”，这一点不会改变

  5. Jeavons 悖论在软件领域的体现——更容易编程意味着更多人成为程序员，总需求不降反升

  6. 工程师的角色从”砖瓦匠”转变为”建筑师”——AI 处理大量实现细节，人类专注于架构和决策

  7. Devin 是”锯齿状智能”——在某些任务上远超人类，在其他任务上明显较弱

  8. 异步工作流是未来的工作方式——不再需要同步等待，Devin 可以独立完成任务

  9. 产品体验从”文本补全”转向”Agent”——AI 能够做出决策、与现实世界互动、迭代解决问题

  10. Devin 学习的核心在于积累代码库知识——随着使用深入，Devin 对特定代码库的理解不断加深，价值持续提升

三、关键洞察

1. AI 时代的爆发式增长没有硬件瓶颈 过去的科技革命——个人电脑、互联网、移动互联网——都需要硬件分发作为必要条件。互联网从大学间通信扩展到全球花费了数年时间，智能手机普及同样需要时间。但 AI 的分发完全不同，它不需要实体硬件作为载体，这意味着市场扩张将以指数级速度进行。

2. 编程的本质从未改变 无论技术如何演进，编程的核心始终是”能够清晰地告诉计算机你想要做什么”。Scratch 创始人 Mitchel Resnick 说过，学习编程就是学习如何清晰表达。虽然表面形式在变化——从汇编到 Pascal 再到 Python——但本质没有改变。AI 不会让编程消亡，反而会让它变得更加重要。

3. 理解底层抽象依然关键 尽管无需任何经验就能构建令人惊叹的东西，但对抽象层次的理解仍然是区分普通开发者和优秀工程师的关键。理解数据库如何运作、网络如何工作、代码如何被解释——这些知识能让你更精准地指定需求。

四、精彩金句

“AI 不是在取代编程，而是在让每个人都能更高效地告诉计算机该做什么。”

“我们预计到今年年底，超过一半的代码提交将来自 Devin，而不是人类。“——在 15 人团队中实现这一目标，意味着软件工程的根本性变革

“Devin 是你的初级工程师伙伴，你们共同完成更多工作。“——这种定位体现了对 AI 的务实理解

“编程只会变得更加重要，因为它本质上就是告诉计算机做什么——而 AI 会让这个能力放大。”

“我们不是要减少工程师数量，而是要让每个工程师都能做 10 倍的工作。“

五、实战案例

Cognition 内部的 Devin 使用方式 Cognition 团队只有 15 名工程师，但他们在构建 Devin 时大量使用 Devin 自己。每个工程师同时运行 5 个 Devin 实例，处理不同的任务。Devin 每月合并数百个 PR 到生产代码库。目前约 25% 的 PR 来自 Devin，这个数字正在快速增长。

Linear 集成：让任务自动完成 Devin 的最新功能是与 Linear（一个项目管理工具）的深度集成。用户只需给 issue 添加特定标签，Devin 就会自动分析任务、制定计划，并开始执行。Devin 会评估自己对任务的理解程度（置信度），并在需要时请求人工指导。

代码库问答系统 Devin 能够索引整个代码库，建立知识表示。用户可以询问任何关于代码库的问题，比如”DeepSeek 如何处理多 token 预测”，Devin 能够搜索所有相关文件并给出准确答案。这在新人 onboarding 时特别有价值——他们可以随时向 Devin 请教，而不必担心问题太基础。

现场演示：添加功能到 Devon 网站 在播客中，Scott 演示了让 Devin 在 Devon 官网上添加 Lenny newsletter 的链接。Devin 自动找到相关文件、理解代码结构、提出实施方案，并在 CI 测试通过后生成 PR。人类只需要审核和合并即可。

六、行动建议

1. 将 Devin 视为初级工程师而非工具 不要期待 Devin 能够解决所有问题，而是像对待初级工程师一样分配任务。从简单的 bug 修复、文档编写、测试添加开始，逐步了解 Devin 的能力和边界。

2. 建立异步工作流程 让 Devin 处理任务的同时，你专注于高价值的架构设计工作。不需要同步等待，Devin 完成任务后会自动通知你。

3. 为 Devin 配置完整的开发环境 确保 Devin 能够运行 linter、CI 测试、本地服务器等。这样 Devin 能够更独立地验证代码质量，减少人工介入。

4. 从简单任务开始，逐步扩展 先让 Devin 处理单指针任务（self-contained task），熟悉代码库后再挑战更复杂的重构或新功能开发。

5. 建立团队共享知识 随着 Devin 对代码库的理解加深，它能够回答团队成员的各种问题，成为一个知识库和 onboarding 助手。

七、我的总结

这场与 Scott Wu 的对话，让我们得以一窥软件工程的未来。Cognition 用 15 名工程师和数百个 Devon 实例，证明了 AI Agent 在实际生产环境中的可行性。Devin 代表的不是对人类工程师的替代，而是对人类工程师能力的指数级放大。

从”砖瓦匠”到”建筑师”的转变，意味着工程师可以将更多时间投入到真正创造价值的架构设计和问题定义上。同时，Scott 关于 Jeavons 悖论的阐述提醒我们：更容易的编程不会导致程序员减少，反而会催生更多程序员，因为会有更多想法被实现。

更重要的是，Scott 展示了 startup 成功的朴素真理：找到最优秀的人，用最快的方式迭代，解决真正的用户问题。当被问及如何让 Devin 更成功时，他的建议简单而有力——“把它当作你的初级工程师伙伴”。这种务实的态度，正是 Cognition 在 AI Agent 领域领先的关键。

📺 播客信息

  • 发布时间：2025-05-04
  • 时长：1小时32分钟32秒
  • 播放量：20316 次观看
  • 原版视频：『YouTube』