Devika AI:开源的 AI 软件开发工具,理解和执行复杂的人类指令

本文涉及的产品
NLP 自学习平台,3个模型定制额度 1个月
NLP自然语言处理_基础版,每接口每天50万次
NLP自然语言处理_高级版,每接口累计50万次
简介: Devika AI 是一款开源的 AI 软件开发工具,能够理解和执行复杂的人类指令。它通过分解任务、信息搜集和代码生成,帮助开发者提高效率,减少人工干预。本文将详细介绍 Devika AI 的功能、技术原理以及如何运行和配置该工具。

❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日跟你分享最新的 AI 资讯和开源应用,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦


🚀 快速阅读

  1. 功能:理解复杂指令并将其转化为可执行步骤。
  2. 技术:支持多种大型语言模型,具备自然语言处理和推理能力。
  3. 应用:自动化代码生成、重构、Bug 修复和项目维护。

正文(附运行示例)

Devika AI 是什么

公众号: 蚝油菜花 - devika

Devika AI 是由印度 Stition AI 团队推出的开源 AI 软件开发工具,旨在理解和执行复杂的人类指令。它能够将高级指令分解为具体的步骤,进行信息搜集和研究,最终编写代码以实现目标。Devika AI 提供 AI 结对编程功能,致力于革新软件开发流程,减少人工干预,提升效率。

Devika AI 支持多种先进语言模型,具备自然语言处理、规划和推理能力,能够自动拆解任务并执行。它不仅能够理解复杂指令,还能进行任务分解、信息搜集、代码生成和 AI 规划与推理。

Devika AI 的主要功能

  • 理解高级指令:能够理解复杂的人类指令,并将其转化为可执行的步骤。
  • 任务分解:将高级目标拆解成具体的、可操作的任务。
  • 信息搜集与研究:基于互联网搜集相关信息,进行研究以支持任务执行。
  • 代码生成:编写代码实现特定的目标和功能,支持多种编程语言。
  • AI 规划与推理:使用先进的 AI 规划和推理算法来指导任务的执行。
  • 模型支持:支持多种大型语言模型,如 Claude、GPT-3.5/4 和 Ollama 的本地 LLMs。

Devika AI 的技术原理

  • 自然语言处理:使用先进的 NLP 技术理解人类指令。
  • 任务规划与推理:通过 AI 算法将复杂任务分解为可执行步骤。
  • 信息搜集:利用搜索引擎和互联网资源进行信息搜集。
  • 代码生成:基于搜集的信息和任务分解结果生成代码。
  • 模型集成:支持多种大型语言模型,提供灵活的模型选择。

如何运行 Devika AI

环境配置

确保满足以下要求:

  • Python >= 3.10 且 < 3.12
  • NodeJs >= 18
  • bun

安装步骤

  1. 克隆 Devika 仓库:
    git clone https://github.com/stitionai/devika.git
    
  2. 进入项目目录:
    cd devika
    
  3. 创建虚拟环境并安装依赖:
    uv venv
    source .venv/bin/activate  # macOS 和 Linux
    .venv\Scripts\activate     # Windows
    uv pip install -r requirements.txt
    
  4. 安装 Playwright 以支持浏览器功能:
    playwright install --with-deps
    
  5. 启动 Devika 服务器:
    python devika.py
    
  6. 启动前端:
    cd ui/
    bun install
    bun run start
    
  7. 访问 Devika 网页界面:http://127.0.0.1:3001

使用教程

  1. 打开 Devika 网页界面。
  2. 创建新项目。
  3. 配置搜索引擎和模型。
  4. 在聊天界面中输入高级任务描述。
  5. 监控 Devika 的进度,查看生成的代码。
  6. 提供反馈或进一步指导。
  7. 完成任务后,审查生成的代码和项目文件。

资源


❤️ 如果你也关注 AI 的发展现状,且对 AI 应用开发非常感兴趣,我会每日跟你分享最新的 AI 资讯和开源应用,也会不定期分享自己的想法和开源实例,欢迎关注我哦!

🥦 微信公众号|搜一搜:蚝油菜花 🥦

相关文章
|
16天前
|
人工智能 算法 开发者
开源VLM“华山论剑”丨AI Insight Talk多模态专场直播预告
开源VLM“华山论剑”丨AI Insight Talk多模态专场直播预告
121 10
开源VLM“华山论剑”丨AI Insight Talk多模态专场直播预告
|
25天前
|
云安全 机器学习/深度学习 人工智能
阿里云安全Black Hat技术开源大揭秘,AI安全检测的工程化实践
阿里云安全 LLMDYara框架开源核心思路,赋能云安全产品!
|
1月前
|
人工智能 语音技术 Docker
揭秘8.3k star 开源神器 VoiceCraft 用AI革新有声内容创作,只需几秒录音
VoiceCraft 是一款开源语音编辑与文本转语音(TTS)工具,仅需几秒录音即可实现语音克隆、插入、删除、替换等操作,支持零样本编辑和高自然度语音生成。适用于播客、短视频、有声书等内容创作场景,具备本地部署能力,已在 GitHub 获得 8.3k 星标。
137 0
|
2月前
|
人工智能 JavaScript 前端开发
分享开源库:AI驱动的JavaScript反编译,针对混淆和压缩的代码
这是一个智能JavaScript反混淆与代码分析工具,通过AST转换和AI深度分析,自动还原变量名、识别依赖库、生成可视化控制流图,并支持多格式导出,提升代码理解与审计效率。访问 [jsunpack.tech](https://www.jsunpack.tech/) 即可在线体验。
293 0
|
17天前
|
数据采集 人工智能 定位技术
分享一个开源的MCP工具使用的AI Agent 支持常用的AI搜索/地图/金融/浏览器等工具
介绍一个开源可用的 MCP Tool Use 通用工具使用的 AI Agent (GitHub: https://github.com/AI-Agent-Hub/mcp-marketplace ,Web App https://agent.deepnlp.org/agent/mcp_tool_use,支持大模型从Open MCP Marketplace (http://deepnlp.org/store/ai-agent/mcp-server) 的1w+ 的 MCP Server的描述和 Tool Schema 里面,根据用户问题 query 和 工具 Tool描述的 相关性,选择出来可以满足
|
17天前
|
人工智能 云栖大会 Anolis
|
15天前
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
200 0
|
24天前
|
机器学习/深度学习 数据采集 人工智能
阿里开源即封神,一上线就斩获4000+ star背后的真相,WebAgent多步骤智能网搜神器,颠覆你对AI的信息检索印象!
WebAgent 是阿里巴巴开源的多步骤智能网搜神器,包含 WebWalker、WebDancer、WebSailor 等模块,支持复杂推理与长上下文信息检索,GitHub 已获 4.7k star,颠覆传统 AI 搜索方式。
135 0
|
28天前
|
人工智能 数据可视化 决策智能
京东零售重磅开源 | OxyGent:像搭乐高一样组装AI团队,实现群体智能
京东零售Oxygen团队正式开源发布多智能体协作框架——OxyGent。这一创新框架致力于帮助开发者高效组装多智能体协作系统,实现智能体间的无缝协作、弹性扩展与全链路可追溯。推动人工智能从“单点突破”迈向“群体智能”时代。
92 0
|
人工智能 缓存 NoSQL
【深度】企业 AI 落地实践(四):如何构建端到端的 AI 应用观测体系
本文探讨了AI应用在实际落地过程中面临的三大核心问题:如何高效使用AI模型、控制成本以及保障输出质量。文章详细分析了AI应用的典型架构,并提出通过全栈可观测体系实现从用户端到模型推理层的端到端监控与诊断。结合阿里云的实践经验,介绍了基于OpenTelemetry的Trace全链路追踪、关键性能指标(如TTFT、TPOT)采集、模型质量评估与MCP工具调用观测等技术手段,帮助企业在生产环境中实现AI应用的稳定、高效运行。同时,针对Dify等低代码平台的应用部署与优化提供了具体建议,助力企业构建可扩展、可观测的AI应用体系。

热门文章

最新文章