Vai al contenuto principale
Devin Desktop si presta a diversi casi d’uso. Tuttavia, alcuni risultano più comuni di altri, soprattutto tra i nostri clienti enterprise nelle loro codebase di produzione.

​
Generazione di codice

Guida: Devin Desktop dovrebbe funzionare bene per questo caso d’uso. Devin Desktop offre funzionalità come suggerimenti su una sola riga, suggerimenti su più righe e completamenti fill-in-the-middle (FIM).Best practice: Per ottenere i migliori risultati, usa Next Completion (⌥ + ]), Context Pinning, @ Mentions e Custom Context.
Guida: Devin Desktop dovrebbe funzionare bene per questo caso d’uso. Devin Desktop offre funzionalità come suggerimenti su una sola riga, suggerimenti su più righe e completamenti fill-in-the-middle (FIM).Best practice: Per ottenere i migliori risultati, usa Next Completion (⌥ + ]), Context Pinning, @ Mentions e Custom Context.
Guida: Devin Desktop dovrebbe funzionare bene per questo caso d’uso. Devin Desktop offre funzionalità come suggerimenti su una sola riga, suggerimenti su più righe e completamenti fill-in-the-middle (FIM).Best practice: Per ottenere i migliori risultati, usa Next Completion (⌥ + ]), Context Pinning, @ Mentions e Custom Context.

​
Generazione di unit test

Indicazioni: L’utilizzo di base di Devin Desktop per generare unit test dovrebbe consentire di ottenerne in modo affidabile il 60-70%. La copertura dei casi limite dipende dalla qualità del prompt fornito al modello.Best practice: Usa le @ Mentions. Segui le best practice del prompt engineering. Ad esempio:Scrivi un unit test per @function-name che verifichi tutti i casi limite per X e per Y (ad es. il dominio email).Usa @testing-utility-class per scrivere un unit test per @function-name.
Indicazioni: Utile per i casi d’uso più semplici. Per specifiche API molto dettagliate o librerie interne, Devin Desktop non conoscerà abbastanza bene le particolarità necessarie a garantire la qualità dei dati di esempio generati.Best practice: Sii molto specifico sull’interfaccia prevista. Valuta la complessità dell’attività (e se una singola chiamata a un LLM sarà sufficiente per gestirla).

​
Commenti interni al codice

Indicazioni: Devin Desktop dovrebbe funzionare bene per questo caso d’uso. Usa Devin Desktop Command o Devin Desktop Chat per generare commenti in linea e descrizioni del codice.Best practice: Usa le @ Mentions e i Code Lenses il più possibile per assicurarti che l’ambito della chiamata all’LLM sia corretto.
Indicazioni: In generale, il pulsante Refactor / Devin Desktop Command è il modo migliore per richiedere miglioramenti. Devin Desktop Chat è il posto migliore per chiedere spiegazioni o chiarimenti. È un’indicazione un po’ vaga, ma Devin Desktop dovrebbe gestire bene entrambe le attività.Devin Desktop Chat è il posto migliore per chiedere spiegazioni o chiarimenti.È un’indicazione un po’ vaga, ma Devin Desktop dovrebbe gestire bene entrambe le attività.Best practice: Usa i prompt del menu a discesa (ovvero il pulsante Refactor di Devin Desktop): abbiamo prompt personalizzati ottimizzati per fornire più facilmente il tipo di risposta che ti aspetti.
Indicazioni: Il modo migliore per farlo è creare il file header, aprire la chat, fare una @mention della funzione nel file cpp e chiedere di scriverne la dichiarazione nell’header. Poi ripeti il processo in modo iterativo per ogni funzione nel file cpp. Questo è il modo migliore per evitare allucinazioni lungo il percorso.Best practice: In generale, evita di provare a scrivere un intero file header con una sola chiamata all’LLM. Suddividere il lavoro in parti più granulari migliora significativamente la qualità del codice generato.

​
Documentazione API e integrazioni

Indicazioni: È simile alla copertura dei test: Devin Desktop è in grado di arricchire con precisione le parti della spec API comuni a molte librerie. Tuttavia, per gli elementi sviluppati appositamente per il tuo caso d’uso interno, Devin Desktop potrebbe avere difficoltà a raggiungere il livello di qualità che ti aspetti.Best practice: Come per la copertura dei test, per quanto possibile guida il modello di Devin Desktop nel modo corretto di interpretare ciò che l’API fa, così potrà arricchirla meglio.
Indicazioni: La lunghezza del contesto di Devin Desktop per una singola chiamata LLM è di 16.000 token. Pertanto, a seconda dell’ambito della tua ricerca, la funzionalità di ricerca estesa all’intera repo di Devin Desktop potrebbe non essere sufficiente. Le attività sull’intera repo, articolate in più passaggi e con più modifiche, saranno supportate nelle future versioni di Devin Desktop.Si tratta fondamentalmente di un problema articolato in più passaggi che le singole chiamate LLM (ovvero l’attuale funzionalità di tutti gli assistenti AI per il codice) non sono particolarmente adatte ad affrontare. Inoltre, l’accuratezza del risultato deve essere molto più elevata rispetto ad altri casi d’uso, poiché le integrazioni sono particolarmente fragili.Best practice: Al momento, Devin Desktop non è particolarmente adatto a risolvere questo problema. Se vuoi testare fino a che punto si estende l’attuale funzionalità di Devin Desktop, crea un piano passaggio per passaggio e fornisci a Devin Desktop un prompt separato per ciascun passaggio, con un elevato livello di dettaglio per guidare l’AI.

​
Refactoring del codice

Indicazioni: Assicurati di delimitare correttamente l’ambito usando Devin Desktop Code Lenses o @ Mentions, in modo che tutto il contesto necessario venga passato all’LLM.La lunghezza del contesto disponibile per una singola chiamata a un LLM è limitata. Pertanto, a seconda dell’ambito del refactor, questo limite potrebbe diventare un problema (come del resto accade con qualsiasi approccio LLM one-shot). Le attività sull’intera repo, in più passaggi e con più modifiche, sono ora supportate in Cascade di Devin Desktop.Best practice: Cerca di suddividere il prompt il più possibile. Più il comando di refactoring è semplice e breve, meglio è.
Indicazioni: Assicurati di delimitare correttamente l’ambito usando Devin Desktop Code Lenses o @ Mentions, in modo che tutto il contesto necessario venga passato all’LLM.La lunghezza del contesto di Devin Desktop per una singola chiamata a un LLM è di 16.000 token. Pertanto, a seconda dell’ambito del refactor, questo limite potrebbe diventare un problema (come del resto accade con qualsiasi approccio LLM one-shot). Le attività sull’intera repo, in più passaggi e con più modifiche, saranno supportate nelle prossime versioni dei prodotti Devin Desktop.Best practice: Cerca di suddividere il prompt il più possibile. Più il comando di refactoring è semplice e breve, meglio è.