Le moteur de contexte de Devin Desktop construit une compréhension approfondie de votre base de code, de vos actions passées et de vos intentions à venir. Historiquement, les approches de génération de code reposaient sur le fine-tuning de grands modèles de langage (LLM) sur une base de code, ce qui est difficile à faire évoluer pour répondre aux besoins de chaque utilisateur. Une approche plus récente et plus répandue s’appuie sur la génération augmentée par récupération (RAG), qui met l’accent sur des techniques permettant de construire des prompts très pertinents et riches en contexte afin d’obtenir des réponses précises d’un LLM. Nous avons mis en œuvre une approche RAG optimisée pour le contexte de la base de code, qui produit des suggestions de meilleure qualité et moins d’hallucinations.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 offre un fine-tuning complet pour les entreprises, et la meilleure solution
combine le fine-tuning et le RAG.
Contexte par défaut
- Le fichier actuel et les autres fichiers ouverts dans votre IDE, qui sont souvent très pertinents pour le code que vous écrivez.
- L’ensemble de la base de code locale est ensuite indexé (y compris les fichiers qui ne sont pas ouverts), et des extraits de code pertinents sont récupérés par le moteur de recherche de Devin Desktop à mesure que vous écrivez du code, posez des questions ou exécutez des commandes.
- Pour les utilisateurs Pro, nous proposons des contextes plus longs, des limites d’indexation plus élevées, ainsi que des limites supérieures pour le contexte personnalisé et les éléments de contexte épinglés.
- Pour les utilisateurs Teams et Enterprise, Devin Desktop peut également indexer des dépôts distants. Cela est utile pour les entreprises dont les équipes de développement travaillent sur plusieurs dépôts.