Die Kontext-Engine von Devin Desktop entwickelt ein tiefes Verständnis Ihrer Codebasis, Ihrer bisherigen Aktionen und dessen, was Sie als Nächstes vorhaben. Traditionell konzentrierten sich Ansätze zur Codegenerierung darauf, große Sprachmodelle (LLMs) per Fine-Tuning an eine Codebasis anzupassen, was sich nur schwer auf die Anforderungen jedes einzelnen Nutzers skalieren lässt. Ein neuerer und inzwischen weit verbreiteter Ansatz nutzt Retrieval-Augmented Generation (RAG), bei der Techniken im Mittelpunkt stehen, mit denen sich hochrelevante, kontextreiche Prompts erstellen lassen, um von einem LLM präzise Antworten zu erhalten. Wir haben einen optimierten RAG-Ansatz für das Kontextverständnis der Codebasis implementiert, der hochwertigere Vorschläge und weniger Halluzinationen liefert.Documentation Index
Fetch the complete documentation index at: https://docs.devin.ai/llms.txt
Use this file to discover all available pages before exploring further.
Devin Desktop bietet vollständiges Fine-Tuning für Enterprise, und die beste Lösung
kombiniert Fine-Tuning mit RAG.
Standardkontext
- Die aktuelle Datei und andere in Ihrer IDE geöffnete Dateien, die oft sehr relevant für den Code sind, den Sie gerade schreiben.
- Die gesamte lokale Codebasis wird dann indiziert (einschließlich Dateien, die nicht geöffnet sind), und relevante Code-Snippets werden von der Retrieval-Engine von Devin Desktop bereitgestellt, während Sie Code schreiben, Fragen stellen oder Befehle ausführen.
- Für Pro-Nutzer bieten wir größere Kontextfenster, höhere Indexierungslimits und höhere Limits für benutzerdefinierten Kontext und angepinnte Kontexteinträge.
- Für Teams- und Enterprise-Nutzer kann Devin Desktop auch Remote-Repositories indizieren. Das ist nützlich für Unternehmen, deren Entwicklungsorganisation mit mehreren Repositories arbeitet.