Casos de uso comunes de Devin Desktop, incluida la generación de código, la generación de pruebas unitarias, la documentación de código, la integración con API y la refactorización de código.
Use this file to discover all available pages before exploring further.
Devin Desktop admite diversos casos de uso en términos generales. Sin embargo, vemos que algunos casos de uso son más frecuentes que otros, especialmente entre nuestros clientes empresariales en sus bases de código de producción.
Orientación: Devin Desktop debería funcionar bien para este caso de uso. Las funciones de Devin Desktop incluyen sugerencias de una sola línea, sugerencias de varias líneas y completado de relleno en el medio (FIM).Prácticas recomendadas: Para obtener los mejores resultados, asegúrate de usar Next Completion (⌥ + ]), Anclaje de contexto, @ Mentions y Contexto personalizado.
Tareas de desarrollo de front-end
Orientación: Devin Desktop debería funcionar bien para este caso de uso. Las funciones de Devin Desktop incluyen sugerencias de una sola línea, sugerencias de varias líneas y completado de relleno en el medio (FIM).Prácticas recomendadas: Para obtener los mejores resultados, asegúrate de usar Next Completion (⌥ + ]), Anclaje de contexto, @ Mentions y Contexto personalizado.
Tareas de desarrollo de back-end
Orientación: Devin Desktop debería funcionar bien para este caso de uso. Las funciones de Devin Desktop incluyen sugerencias de una sola línea, sugerencias de varias líneas y completado de relleno en el medio (FIM).Prácticas recomendadas: Para obtener los mejores resultados, asegúrate de usar Next Completion (⌥ + ]), Anclaje de contexto, @ Mentions y Contexto personalizado.
Genera pruebas unitarias y elimina automáticamente los casos de prueba redundantes
Guía: El uso básico de Devin Desktop para generar pruebas unitarias suele cubrir de forma fiable entre el 60 % y el 70 % de las pruebas unitarias. La cobertura de casos extremos dependerá de lo bien que el usuario redacte el prompt para el modelo.Prácticas recomendadas: Usa @ Mentions. Sigue las prácticas recomendadas de ingeniería de prompts. Por ejemplo:Escribe una prueba unitaria para @function-name que cubra todos los casos extremos de X y de Y (p. ej., el dominio del correo electrónico).Usa @testing-utility-class para escribir una prueba unitaria para @function-name.
Genera datos de ejemplo para la ejecución de pruebas
Guía: Es útil para casos de uso sencillos. En el caso de especificaciones de API muy concretas o bibliotecas internas, Devin Desktop no conocerá los detalles lo bastante bien como para garantizar la calidad de los datos de ejemplo generados.Prácticas recomendadas: Sé muy específico sobre la interfaz que esperas. Ten en cuenta la complejidad de la tarea (y si una sola llamada a un LLM será suficiente para abordarla).
Generar comentarios en línea y descripciones de código
Orientación: Devin Desktop debería funcionar bien para este caso de uso. Usa Devin Desktop Command o Devin Desktop Chat para generar comentarios en línea y descripciones del código.Prácticas recomendadas: Usa @ Mentions y Code Lenses siempre que sea posible para asegurarte de que el ámbito de la llamada al LLM sea el correcto.
Sugerir mejoras y aclaraciones
Orientación: En general, el botón Refactor o Devin Desktop Command suelen ser las mejores opciones para pedir mejoras. Devin Desktop Chat es el mejor lugar para pedir explicaciones o aclaraciones. Esto es un poco ambiguo, pero Devin Desktop debería funcionar bien para ambas cosas.Devin Desktop Chat es el mejor lugar para pedir explicaciones o aclaraciones.Esto es un poco ambiguo, pero Devin Desktop debería funcionar bien para ambas cosas.Prácticas recomendadas: Usa los prompts del menú desplegable (es decir, el botón Refactor de Devin Desktop): tenemos prompts personalizados mejor diseñados para darte la respuesta que probablemente esperas.
Automatizar encabezados de funciones (C/C++/C#)
Orientación: La mejor forma de hacerlo es crear el archivo de encabezado, abrir el chat, mencionar con @ la función en el archivo cpp y pedirle que escriba la declaración en el encabezado. Luego repite este proceso de forma iterativa para cada función del archivo cpp. Esta es la mejor manera de evitar alucinaciones durante el proceso.Prácticas recomendadas: En general, evita intentar escribir un archivo de encabezado completo con una sola llamada al LLM. Dividir el trabajo en partes más pequeñas mejora significativamente la calidad del código generado.
Crear documentación a medida que se crean las API y proporcionar el contexto adecuado
Guidance: Esto es similar a la cobertura de pruebas: Devin Desktop podría documentar con precisión las partes de la especificación de la API que son comunes en muchas bibliotecas. Sin embargo, puede tener dificultades para hacerlo con la calidad que esperas cuando se trata de elementos creados específicamente para tu caso de uso interno.Best Practices: Al igual que con la cobertura de pruebas, siempre que sea posible, orienta el modelo de Devin Desktop sobre la mejor manera de interpretar lo que hace la API para que pueda documentarlo mejor.
Buscar API en el repo con lenguaje natural y generar código para integraciones
Guidance: La longitud de contexto de Devin Desktop para una sola llamada a un LLM es de 16,000 tokens. Por lo tanto, según el ámbito de tu búsqueda, es posible que la capacidad de búsqueda en todo el repo de Devin Desktop no sea suficiente. Las tareas de varios pasos y múltiples ediciones en todo el repo serán compatibles en futuros productos de Devin Desktop.Se trata, en esencia, de un problema de varios pasos que las llamadas únicas a un LLM (es decir, la funcionalidad actual de todos los asistentes de código con IA) no están bien preparadas para abordar. Además, la precisión de los resultados debe ser mucho mayor que en otros casos de uso, ya que las integraciones son especialmente frágiles.Best Practices: Hoy en día, Devin Desktop no está bien preparado para resolver este problema. Si quieres poner a prueba el alcance de la funcionalidad actual de Devin Desktop, elabora un plan paso a paso y proporciona a Devin Desktop un prompt independiente para cada paso, con un alto nivel de detalle para guiar a la IA.
Guía: Asegúrate de definir correctamente el ámbito con las Code Lenses de Devin Desktop o las @ Mentions para que todo el contexto necesario se transfiera al LLM.La longitud de contexto para una sola llamada al LLM es limitada. Por lo tanto, según el ámbito de tu refactorización, este límite puede convertirse en un problema (y, en realidad, también ocurre con cualquier enfoque de LLM de una sola pasada). Las tareas de varios pasos y múltiples ediciones en todo el repo ahora son compatibles en Cascade de Devin Desktop.Prácticas recomendadas: Intenta dividir el prompt tanto como sea posible. Cuanto más simple y breve sea el comando de refactorización, mejor.
Reestructuración del código para mejorar la legibilidad / mantenibilidad
Guía: Asegúrate de definir correctamente el ámbito con las Code Lenses de Devin Desktop o las @ Mentions para que todo el contexto necesario se transfiera al LLM.La longitud de contexto de Devin Desktop para una sola llamada al LLM es de 16,000 tokens. Por lo tanto, según el ámbito de tu refactorización, este límite puede convertirse en un problema (y, en realidad, también ocurre con cualquier enfoque de LLM de una sola pasada). Las tareas de varios pasos y múltiples ediciones en todo el repo serán compatibles en futuros productos de Devin Desktop.Prácticas recomendadas: Intenta dividir el prompt tanto como sea posible. Cuanto más simple y breve sea el comando de refactorización, mejor.