Log Entry

Devin 也有了自己的经理:AI 管 AI 写代码,44 天交出一个 Android 应用

2026 年 11 月 17 日,Cognition 发布了 Devin Bots。Devin 这个”AI 软件工程师”现在有了自己的经理——经理也是 AI。一个 Bot 带一队 Devin,并行干一个持续几周的大项目,人只负责拍板。

从”给任务”到”给目标”

以前用 Devin 的方式是派活:给一个任务,它写完代码交回来,协调的事还是人干——发现下一个问题、选方案、写任务、验结果、决定下一步。Bot 把这层接过去了。

按 Cognition 官方博客的说法,Bot 是一个有自己记忆和工具的持久 Agent,能同时带多个 Devin 并行工作。你给它一个大项目或一个持续目标,它自己调查、拆活、派活、评估结果,再决定下一步,只把需要人判断的决策推给你。需要你拍板的事会集中进一个”Needs You”收件箱,Bot 还会在 Slack 和 iMessage 里像个同事一样跟你同步。

官方博客把这个转变总结成一句话:给你的 Devin Bot 一个目标,而不是一份待办清单。任务描述的是你想要的改动,责任描述的是你要的结果,怎么做由 Bot 自己定。举个例子:”把这个功能移植到 Android”是任务,”让 Android 和 iOS 保持同步”是责任。

三个案例,数字是官方自己报的

Cognition 在发布前几周先在自己公司内部用了 Bots,博客里给了三个案例。先说明:这些数字都来自 Cognition 自己,没有第三方验证。

第一个是 Android 应用。 Devin 本来只有 iOS 应用和 iOS 团队,没有 Android 工程师,也没计划做 Android。2026 年 9 月 28 日,Bots 团队的工程师 Samyok 创建了一个”Android Bot”,给它的指令大意是:你的工作是负责 Android 应用的产品管理,从零自主做出整个应用,但先搞清楚你做这件事的障碍是什么。

44 天后,Devin 有了 Android 应用。Bot 的成绩单:合并了 1,134 个 PR,写了 344,651 行 Kotlin,跑了 2,841 个截图测试,关了 1,217 个 ticket。Samyok 在这 44 天里一共只给它发了 183 条消息,平均每 6 个 PR 才说一句话,其中 22 天一条消息都没发。大多数消息是在处理需要人决策的事,比如某个 PR 需要安全评审;也有只是给 Bot 打气的,比如”再大胆一点”。应用现在已经在 Google Play 公开测试,iOS 一上新功能,Android Bot 就跟进。

第二个是 Layout Bot,负责让 Devin 的网页不再”跳”。 网页不同部分通过不同请求加载,内容来晚了会把页面元素顶下去,这种布局偏移在代码评审里很难抓,因为它取决于请求时序、网速和访问历史。Layout Bot 每 3 小时构建一次 main 分支的生产版,在自己的机器上跑完整服务,模拟首次访问、重复访问和个别请求被故意延迟的加载情况,发现偏移就追溯到引入它的 PR,开一个带修复前后录像的 PR。

有天晚上,它把一次新的布局偏移追溯到两小时前刚合并的一个 PR,等有人问起时,它已经在修了。还有人问它是谁让它修另一个问题的,它的回答是:”没人让我干,是我的定时检查发现 main 分支首次访问时有个很高的灰色块,跟替换它的内容对不上。”三周里,Layout Bot 合并了 159 个 PR,把页面延迟降了 70%。

第三个最夸张:一家游戏工作室只剩一个人类员工。 Cognition 的同事 Jenny Xu 经营一家手游工作室,现在她是工作室唯一的员工,手下大约 20 个 Bot,各自负责开发、Unity、发版、UI、iOS、Android、真机测试等一摊事。Bot 上面还有一个”Super Jenny Bot”,每天四次把其他 Bot 需要她决策的事汇总到一个 Slack 帖子里,她用表情符号回复。工作室的 PR 从每周约 50 个涨到 1,900 个,每周发一个版本。Jenny 现在已经全职加入了 Cognition。

Cognition 还说,公司内部每周合并的 PR 超过 2,000 个。

数字要拆开看:量不是质

这些数字很能打,但有三处要冷静。

第一,1,900 个 PR、4.5 倍这些是”量”。Cognition 在 X 上的发布说,测试者平均每个消息合并的 PR 数是直接用 Devin 会话的 4.5 倍。但它没有公布合并率、缺陷率、回滚率,也没说这 1,900 个 PR 里有多少经过了扎实的人工评审。PR 数量衡量的是产出,不是好软件。评审负担不会消失,只会转移。

第二,基数很小。Bots 目前只开放给几十家早期客户,包括 Decagon、Fireworks AI 和 Reducto,两周使用量涨了 10 倍——从几十家客户起步涨 10 倍,值得鼓励,但不是规模化验证。

第三,整件事里最硬的数字其实不是 Bots 的,而是老 Devin 的。花旗 CEO Jane Fraser 在 10 月 13 日的财报电话会上说,花旗有 14,000 名工程师在用 Devin,技术供应商支出因此同比下降了 30%。这是具名高管、具体人数、具体省钱数字,是发布会上少见的实锤。但注意,这是老 Devin 的成绩,Bots 能不能把这个成绩从个人复制到整个项目,还没有答案。

安全这道坎:规则说了算,不是模型说了算

Bot 能自动合并 PR,这件事最容易让人紧张。Cognition 在 Fortune 的独家报道里把安全设计讲得很具体:Bot 跑在独立的云机器上,不碰工程师笔记本里的密码和密钥;管理员设定每个 Bot 能访问哪些仓库和工具;网络控制用来防止未授权的数据传输,包括模型被藏在内容里的恶意指令带偏的情况。

团队自己决定哪些改动需要人工评审,低风险改动(比如改个按钮颜色)可以自动批准合并。CEO Scott Wu 对 Fortune 说,防护靠的是公司设定并监控的规则,”而不是靠模型自己聪明到能识别出有风险或恶意的提示”。

他还有一句值得记住的话:”自动驾驶软件,我认为是发展的方向。但当然,往哪开,永远由人说了算。”

三家同一天赌了同一件事

Devin Bots 不是孤立事件。OpenAI 在 9 月底左右推出了 Dots,一个常驻在 Codex 里的主动 Agent,负责带队做开发任务;Anthropic 在 10 月 21 日左右跟进了 Duet,类似的产品,接在 Claude Code 上。就在 Devin Bots 发布的同一天,11 月 17 日,Replit 也推出了 Missions,让一群 Agent 按目标、预算和边界去做项目。

三家赌的是同一件事:AI 写代码的下一阶段,拼的不是补全,是管理。问题不再是”Agent 能不能写这个函数”,而是”一队 Agent 能不能把一个项目跑下来,同时让人去干别的事”。

Cognition 的赌注是专注:Dots 和 Duet 是通用 Agent,顺带做代码;Devin Bots 从一开始就是为代码而生的,只协调 Devin。如果相信模型越强、产品层越重要,专注就是优势;如果相信大厂迟早会把这层能力直接吸收进 Codex 和 Claude Code,专注就是软肋。两种说法现在都还活着,明年见分晓。

对我们一线程序员意味着什么

先泼一盆冷水:价格和全面开放时间都没公布。Cognition 只说了 Bots 已上线,早期客户是几十家,定价页把它列在 Max、Teams 和 Enterprise 套餐里,但没有单独的 Bot 定价。今天大概率还用不上。

但方向已经很清楚了,提前想三件事:

第一,写清楚”成功标准”,比写任务更重要。 官方博客自己也强调了这一点:一个负责让 CI 变快的 Bot,得先知道哪些检查必须保留、多花算力行不行;一个负责新用户引导的 Bot,得知道什么叫”顺利通过”。验收指标、测试、生产反馈,这些反馈机制得人来建。选什么指标、在什么条件下测、结果到底说明什么,仍然是重要的工程工作。

第二,评审规则是新的核心资产。 哪些改动能自动合、哪些必须人看,这条线划在哪,直接决定了你是在省时间还是在攒雷。规则划松了,问题不会当天爆,会在几周后、跨一个 Bot 悄悄维护的项目里,在生产环境冒出来。以前我们写代码规范,现在我们要写”什么能让 Bot 自己合”的规范。

第三,别拿 PR 数量当 KPI。 一个人带一个 Bot,相当于多了一个不用招的技术负责人,这对小团队是真利好;但对大团队,第一个问题不是”能写多少”,而是”评审流程能不能扛住 30 倍的代码量”。先想清楚评审怎么扩,再谈产量怎么扩。

从 Copilot 提示代码、到 Devin 接任务、再到 Devin Bots 认领目标,接口一直在往上走:从”接受这个建议”,到”管理这个同事”。变的是活法,不变的是那句老话——往哪开,永远由人说了算。

来源