使用 Devin 构建并重构计算器 Web 应用
对比使用 Devin 与 Copilot 重建碳排放计算器的过程，探讨智能体式 AI 在哪些环节能加快交付，以及哪些环节仍离不开人工工程工作。任务：作者使用 Devin 将 Excel 电子表格重建为基于 TypeScript/React 的碳排放计算器 Web 应用。工作流程包括上传表格、定义数据模型，并通过 PR 迭代 UI 和测试。人类工程师在架构决策、重构臃肿代码和验证逻辑方面不可或缺，因为 Devin 在处理 Electron 应用时表现不佳，且需要连接代码仓库才能发挥最佳性能。；工具：Devin。人工角色：原文未说明人类如何持续参与。；局限：与其他 AI 工具相比，Devin 成本较高，且需要谨慎管理上下文以避免“上下文腐烂”。它在处理 Electron 等桌面技术时表现不佳，并需要连接代码仓库。人类工程技能对于验证安全性、可维护性和逻辑至关重要，因为 AI 无法完全取代高级监督来确保生产级软件的质量。。
工具
Agent Work Atlas 发布日期:
概述
对比使用 Devin 与 Copilot 重建碳排放计算器的过程，探讨智能体式 AI 在哪些环节能加快交付，以及哪些环节仍离不开人工工程工作。
工作流程
作者使用 Devin 将 Excel 电子表格重建为基于 TypeScript/React 的碳排放计算器 Web 应用。工作流程包括上传表格、定义数据模型，并通过 PR 迭代 UI 和测试。人类工程师在架构决策、重构臃肿代码和验证逻辑方面不可或缺，因为 Devin 在处理 Electron 应用时表现不佳，且需要连接代码仓库才能发挥最佳性能。
原文报告的结果
项目在七天内生成了包含单元测试和 Playwright 测试的生产就绪应用，预计原本需要三人团队 8-10 周完成。构建成本约为 350 美元（155 ACUs）。然而，作者指出存在显著的技术债务、代码膨胀和架构漂移，需要人工干预和重构才能解决。
人工角色
原文未说明人类如何持续参与。
局限
与其他 AI 工具相比，Devin 成本较高，且需要谨慎管理上下文以避免“上下文腐烂”。它在处理 Electron 等桌面技术时表现不佳，并需要连接代码仓库。人类工程技能对于验证安全性、可维护性和逻辑至关重要，因为 AI 无法完全取代高级监督来确保生产级软件的质量。
试一试
扮演高级软件工程师，指导 Devin 重建遗留计算工具。[可替换输入：源电子表格文件、目标技术栈（如 TypeScript/React）、业务逻辑需求]。首先，分析提供的电子表格以识别核心计算模型。指示 Devin 使用选定技术栈搭建新仓库，初期仅关注数据模型。审查生成的代码是否存在膨胀和不必要的依赖。接下来，要求 Devin 实现 UI 组件并集成实时数据源（如适用）。为所有计算器生成单元测试和端到端测试。对其中一个特定计算器模块进行试运行，以验证其输出与原始电子表格的准确性。仅在确认样本的正确性和架构合理性后，才继续全面实施。确保所有 PR 在合并前经过安全性和可维护性审查。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。