Devin Desktop 的上下文引擎能够深入理解你的代码库、历史操作以及下一步意图。
过去，代码生成方案主要侧重于基于代码库对大型语言模型 (LLM) 进行微调，
但这很难扩展到满足每位用户的个性化需求。
较新且更流行的一种方法是采用检索增强生成 (RAG) ，
其核心是构建高度相关、上下文丰富的提示，
以引导 LLM 生成准确的回答。
我们针对代码库上下文实现了一套优化的 RAG 方法，
可提供更高质量的建议，并减少幻觉。
Devin Desktop 为 Enterprise 客户提供完整的微调能力，最佳方案
是将微调与 RAG 结合使用。
- 你在 IDE 中当前打开的文件以及其他打开的文件，它们通常与你正在编写的代码高度相关。
- 随后，整个本地代码库都会被建立索引 (包括未打开的文件) ，
并且在你编写代码、提问或调用命令时，Devin Desktop 的检索引擎会提取相关代码片段。
- 对于 Pro 用户，我们提供更长的上下文长度、更高的索引上限，以及更高的自定义上下文和已置顶上下文项上限。
- 对于 Teams 和 Enterprise 用户，Devin Desktop 还可以为远程代码仓库建立索引。
这对于开发团队需要跨多个代码仓库协作的公司尤其有用。
在与 Devin Desktop Chat 对话时，你可以通过多种方式利用代码库上下文，
例如使用@提及或自定义指引。
更多信息请参阅Chat 页面。
是的，Devin Desktop 会索引你的代码库。它还会使用 LLM，并借助我们自研的 M-Query 技术，对你的代码库进行检索增强生成 (RAG) 。
索引性能和功能会因你的工作流程以及你的 Devin Desktop 套餐而有所不同。如需了解更多信息，请访问我们的上下文感知页面。 