Devin

Devin 是由 Cognition AI 打造的自主 AI 软件工程师，该公司由曾三次获得国际编程竞赛金牌的 Scott Wu 创立。Devin 于 2024 年 3 月发布，并大胆宣称自己是“全球首位 AI 软件工程师”。它作为一个全托管的云端智能体运行：只需在 Slack 或通过其 Web 界面给它分配任务，它就会启动一个包含浏览器、终端、shell 和代码编辑器的独立沙盒，然后端到端地解决问题。与在你输入时提供辅助的 IDE 插件不同，Devin 专为异步委派而设计：分配工单，去开个会，回来就能看到一份起草好的 pull request。

截至 2026 年 4 月，Devin 已能处理全栈开发任务，包括代码库克隆、依赖安装、代码生成、测试执行、调试和 PR 提交。它原生集成了 Slack、Linear、GitHub 以及兼容 MCP 的服务。在 2025 年 7 月收购 Windsurf IDE 后，Cognition 将 Windsurf 的访问权限捆绑到各个付费方案中，让订阅者只需一份订阅即可同时拥有自主智能体和功能强大的智能 IDE。Pro 方案的起步价为 $20/month，计算资源按 Agent Compute Units (ACUs) 计费，每个 ACU 价格为 $2.25，一个 ACU 大约代表 Devin 15 分钟的活跃工作时间。

Devin 在 2026 年 4 月的实际表现

Devin 的核心循环：接收任务描述（通过 Slack 消息、Linear 工单或直接提示词），从 GitHub 读取相关代码库，规划解决方案，编写或修改代码，运行测试，迭代处理失败情况，最后推送完成的分支以供审查。整个过程在 Cognition 的云基础设施中运行，与开发者的本地环境完全隔离。这是其决定性的架构选择：Devin 绝不会触碰你的本地机器。

在实践中表现出色的能力包括：范围明确的自动化脚本、带有分页处理的网页抓取管道、REST API 集成、在熟悉的框架中搭建新服务，以及根据明确说明的工单生成初稿 PR。一位产品经理描述了在两天内获得一个可运行的 SaaS 原型的经历：“Devin 在两天内构建了一个可运行的产品，而这通常需要开发者至少一周的时间。”这种异步优先的设计确实非常适合那些习惯用 Jira 工单而非终端会话来思考的管理者。

在 2025 年 7 月完成对 Windsurf 的收购后，Cognition 在 Pro 及更高级别的方案中加入了 Windsurf IDE 的访问权限。Windsurf 为 Cognition 带来了 350 多家企业客户、$82 million 的年度经常性收入（ARR）以及数十万的日活跃用户，这实质性地增强了其产品矩阵，尽管目前 IDE 和智能体仍然是独立的界面。Scott Wu 指出，这笔交易让 Cognition 拥有了“领先的全自主智能体，并结合了 Windsurf 的 IDE 产品和规模化的 GTM（进入市场）引擎”。

Devin 与 Claude Code 及 Manus 的定位对比

在 2026 年的自主编程智能体领域，有三款工具占据主导地位。它们各自做出了截然不同的架构选择。

Devin vs. Claude Code (Anthropic)：Claude Code 是一款 CLI 工具，在你的本地环境中运行，可直接访问你的文件系统、git 历史记录和现有的测试套件。它没有云端沙盒，也没有内在的异步委派模型：你给出提示，它做出响应，你进行审查。Devin 则完全在自己的云环境中运行，专为“分配任务后即可离开”的模式而构建，而这正是 Claude Code 未曾优化的方向。在纯粹的编码能力上，Claude Code 具有显著优势：基于 Anthropic 的 Opus 4 模型，Claude Code 在 SWE-bench Verified 上的得分约为 80%，而 Devin 在发布时公开报告的得分为 13.86%（Devin 目前的得分并未在第三方排行榜上显著公布）。在单任务成本方面，Claude Code 明显更便宜：典型的独立开发者在基于 token 的 API 定价下花费约为 $15-40/month，而 Devin 的 $20/month 基础费用加上 ACU 超额费用，可能会将中等使用量的实际支出推高至 $200-500/month。这种权衡是真实存在的：Claude Code 需要开发者在场并进行指导；而 Devin 则不需要。

Devin vs. Manus (Monica/Butterfly Effect)：Manus 是由一支中国背景团队开发的通用自主智能体，专为广泛的基于 Web 的任务自动化而设计：涵盖研究、数据提取、表单填写、文档生成以及代码等多种任务类型。它通过浏览器自动化（CDP/Selenium）运行，通过模拟用户交互来控制网站，而不是直接访问系统。Manus 在 GAIA 基准测试的所有级别（包括 Level 3 任务）中均名列前茅，反映了其在处理各种现实世界问题上的实力。但它并非编码专家：据报道，它的 git 集成不够可靠，缺乏 Devin 的原生 PR 工作流，并且在编码会话中没有持久的上下文。Devin 的“沙盒加 shell”方法为其软件工程工作提供了更纯粹的代码执行语义。当任务跨越研究、Web 交互和文档输出时，Manus 是更好的选择；而对于以 git commit 结束的任务，Devin 则更加连贯。

“我真的很讨厌在演示中造假变得如此常态化。” - spacechild1，Hacker News，2024 年 4 月

智能体循环的真实体验

使用 Devin 的体验从根本上说是异步的。分配任务会触发 Devin 在其云端沙盒中开始工作；随着进度的推进，开发者会通过 Slack 或 Devin 仪表板接收更新。重大操作之间的响应周期通常为 12-15 分钟。这与其说是批评，不如说是一种设计决策：Devin 的初衷并不是要让人感觉像一个快速的自动补全工具。其预期的心智模型更接近于“委派给初级开发者”，而不是“加快你的打字速度”。

在实践中，这对于定义明确、孤立的任务非常有效。但在需求模糊时就会出问题：Devin 倾向于在指令不清晰的情况下继续推进，而不是要求澄清，这不仅消耗了 ACU 额度，还产生了需要大量返工的结果。来自 Answer.AI 附属数据科学家的测试发现，在一组具有代表性的工程挑战中，Devin 成功完成了 20 个任务中的 3 个。这些失败并非随机发生；它们集中在依赖冲突、具有专有内部 API 的大型相互依赖代码库，以及需要对未记录行为做出判断的任务上。

一位开发者直接表达了工作流中的摩擦：“我不想提出一个要求，然后等上 15 分钟才拿到一个 pull request……我更喜欢 Cursor 的工作流。”这抓住了核心矛盾。Devin 的异步模型对管理者和非技术用户确实非常有用；但对于习惯了 Cursor、Cline 或 Copilot 中紧密反馈循环的开发者来说，它却令人感到沮丧。这两者并不是同一类用户。

“它被要求解决的问题与规定的要求不符。” - mike_hearn，Hacker News，2024 年 4 月，在分析 Cognition 的 Upwork 演示时表示

ACU 计费模型增加了另一层摩擦。一个 ACU 大约涵盖 Devin 15 分钟的活跃工作时间。一个涉及多次重试循环和大量上下文收集的复杂任务，在产生可用结果之前可能会悄无声息地消耗 10-20 个 ACU，导致单个工单的计算成本高达 $22-45。Pro 方案的用户报告称很难预测每月的支出，$20 的基础价格与实际账单之间的差距成为社区讨论中反复出现的抱怨。

Devin 是为谁打造的

Devin 非常适合特定类型的团队。中小型企业的工程经理（他们主要以工单而非终端会话来思考）能从异步的 Slack 委派模型中获得巨大的价值。拥有清晰产品规格的非技术创始人使用它，能比雇佣外包人员更快地达到可运行的原型阶段。对于积压了大量范围明确的维护任务、数据管道工作或集成脚本的团队来说，Devin 能够胜任初稿 PR 的处理，从而显著加快吞吐量。

对 Windsurf 的收购改善了 Devin 的企业定位。已经是 Windsurf 客户的团队现在无需更换供应商即可获得自主智能体能力。Cognition 和 Windsurf 合并后拥有 350 多家企业客户的订阅基础，这赋予了 Devin 真正的组织渗透力，而这是其最初的个人定价模式所无法支持的。

希望在现有 IDE 中获得快速反馈循环的开发者并不是它的目标受众。在拥有大量内部工具的大型 monorepo 中工作的开发者，会很快遇到上下文限制和专有 API 失败的问题。对于成本敏感的个人贡献者来说，Claude Code 或 Cline 在单任务性价比上更具优势。

Devin 不是什么

尽管在 2024 年 3 月发布时进行了那样的包装，但 Devin 并不是软件工程师的替代品。最初的宣传材料声称 Devin 可以自主完成复杂的 Upwork 任务，并暗示它已在这个自由职业平台上赚到了钱。然而，2024 年 4 月在 Hacker News 上发布的一份详细拆解报告（帖子 40008109）发现，演示中输入的是任务的不完整版本，遗漏了关键要求，而且 Devin 花了几个小时来修复它自己引入的 bug，这一细节在宣传视频中并未披露。“全球首位 AI 软件工程师”的包装设定了产品无法始终满足的期望，造成了信任鸿沟，至今仍影响着经验丰富的开发者对 Cognition 宣传的看法。

Devin 也不能替代人工审查。它会提交 pull request；但工程师仍然需要阅读并批准它们。在架构复杂的生产级代码库中，用户一致报告称 Devin 的输出需要大量修改，而且异步等待使得迭代变得缓慢。需要对大型代码库有深入了解、对架构权衡有细微判断，或需要与文档不全的内部 API 进行交互的任务，都不适合它。当任务可以被写成一个带有明确完成定义的精确 Jira 工单时，该工具的效果最佳。

在收购 Windsurf 之后，Cognition 成为了一家规模大得多的公司，拥有更多的资源和分销渠道。$10.2 billion 的估值（2025 年 9 月）反映了投资者对自主工程领域的信心，而 Devin 则是该特定细分市场中最强大的独立产品。但是，“新兴类别中最强大的产品”并不等同于“目前最好的编程工具”，对于当今的大多数独立开发者来说，它还不是。