O mecanismo de contexto do Devin Desktop cria uma compreensão profunda da sua base de código, das ações anteriores e da sua próxima intenção.
Historicamente, as abordagens de geração de código se concentravam no ajuste fino de grandes modelos de linguagem (LLMs) com base em uma base de código,
o que é difícil de escalar para atender às necessidades de cada usuário.
Uma abordagem mais recente e popular usa a geração aumentada por recuperação (RAG),
que se concentra em técnicas para construir prompts altamente relevantes e ricos em contexto
a fim de obter respostas precisas de um LLM.
Implementamos uma abordagem de RAG otimizada para o contexto da base de código,
que gera sugestões de maior qualidade e menos alucinações.
O Devin Desktop oferece ajuste fino completo para empresas, e a melhor solução
combina ajuste fino com RAG.
Por padrão, o Devin Desktop leva em consideração várias fontes de contexto relevantes.
- O arquivo atual e outros arquivos abertos no seu IDE, que geralmente são muito relevantes para o código que você está escrevendo no momento.
- Toda a base de código local é então indexada (incluindo arquivos que não estão abertos),
e trechos de código relevantes são recuperados pelo mecanismo de recuperação do Devin Desktop enquanto você escreve código, faz perguntas ou executa comandos.
- Para usuários Pro, oferecemos janelas de contexto maiores, limites de indexação ampliados e limites mais altos para contexto personalizado e itens de contexto fixados.
- Para usuários de Teams e Enterprise, o Devin Desktop também pode indexar repositórios remotos.
Isso é útil para empresas cuja equipe de desenvolvimento trabalha em vários repositórios.
Recursos de contexto específicos do Chat
Ao conversar no Devin Desktop Chat, você tem várias maneiras de aproveitar o contexto da base de código,
como menções com @ ou diretrizes personalizadas.
Consulte a página do Chat para mais informações.
Perguntas frequentes (FAQ)
O Devin Desktop indexa minha base de código?
Sim, o Devin Desktop indexa sua base de código. Ele também usa LLMs para realizar geração aumentada por recuperação (RAG) sobre sua base de código com nossas próprias técnicas de M-Query.
O desempenho da indexação e os recursos variam de acordo com seu fluxo de trabalho e seu plano do Devin Desktop. Para mais informações, visite nossa página sobre reconhecimento de contexto.