1分钟部署OpenDevin AI 软件工程师

最近看一个OpenDevin以下介绍，

OpenDevin 项目

          OpenDevin       少编码，多创造

   使命 ?OpenDevin 是一项致力于通过开源社区的合作复制、增强、并超越原始 Devin 模型的项目。Devin 是一个尖端的自主代理，专为解决软件工程的复杂性而设计，利用 shell、代码编辑器和网络浏览器的组合展示了在软件开发中尚未充分利用的 LLM 的潜力。

易用性

界面友好度: OpenDevin 的用户界面设计旨在简化与 AI 的交互。初次使用者可能会对聊天界面和命令演示 shell 感到新奇，这些工具能显著降低学习曲线。

部署便捷性: 通过 Docker 容器化部署，OpenDevin 提供了一种快速且相对简单的安装流程。即使是不具备深厚技术背景的用户，也能按照步骤成功启动系统。

功能性

代码生成与执行: OpenDevin 利用最新的 LLM 技术，支持生成高质量的代码脚本，并能执行基本的软件工程任务，如 Bash 脚本编写和运行测试。

定制化与扩展: 用户可以根据需要选择不同的 LLM 模型，并通过环境变量进行配置，这增加了使用的灵活性和适应性。

用户界面: 开发包括聊天界面、命令演示 shell 和 Web 浏览器的用户友好界面。

架构: 构建一个具有强大后端的稳定代理框架，能够执行简单的读写和命令运行操作。

代理能力: 增强代理生成 bash 脚本、运行测试和执行其他软件工程任务的能力。

评估: 建立符合 Devin 评估标准的最小评估流程。

安装和运行 OpenDevin，自己安装的话太麻烦了，所以目前新出了docker方式部署。

安装和运行 OpenDevin

1.Docker 安装: OpenDevin 推荐在 Docker 容器中运行，确保系统已安装 Docker。

 提前准备好：  

openai的KEY= sk46ea5553dea5-54edb4ab

export WORKSPACE_DIR=$(pwd)/workspace 

在本地执行：

docker run \    -e LLM_API_KEY="sk-..." \    -e WORKSPACE_MOUNT_PATH=$(pwd)/workspace \    -v $(pwd)/workspace:/opt/workspace_base \    -v /var/run/docker.sock:/var/run/docker.sock \    -p 3000:3000 \    ghcr.io/opendevin/opendevin:latest

将 $(pwd)/workspace 替换为您希望 OpenDevin 修改的代码路径。

访问: OpenDevin 可在 http://localhost:3000 访问。

下面是我让它写一个监控的部署yaml，如下图所示：

以上默认路径和ak环境变量配置,假如有需要的可以配置下面?

• LLM_API_KEY
• LLM_BASE_URL
• LLM_EMBEDDING_MODEL
• LLM_DEPLOYMENT_NAME
• LLM_API_VERSION

? 项目状态

OpenDevin 目前正在开发中，但您已经可以运行 alpha 版本来查看端到端系统的运行情况。项目团队正在积极致力于以下关键里程碑：

UI：开发用户友好的界面，包括聊天界面、演示命令的 shell 和 Web 浏览器。

• Architecture: Building a stable agent framework with a robust backend that can read, write, and run simple commands.
  架构：构建一个稳定的代理框架，具有强大的后端，可以读取、写入和运行简单的命令。
• Agent Capabilities: Enhancing the agent’s abilities to generate bash scripts, run tests, and perform other software engineering tasks.
  代理功能：增强代理生成 bash 脚本、运行测试和执行其他软件工程任务的能力。
• Evaluation: Establishing a minimal evaluation pipeline that is consistent with Devin’s evaluation criteria.
  评估：建立符合 Devin 评估标准的最小评估流程。

After completing the MVP, the team will focus on research in various areas, including foundation models, specialist capabilities, evaluation, and agent studies.
完成 MVP 后，团队将专注于各个领域的研究，包括基础模型、专业能力、评估和代理研究。

如何贡献 ?

OpenDevin 是一个社区驱动的项目，我们欢迎来自各方的贡献。您可以通过以下方式参与：

代码贡献: 开发核心功能、前端界面或沙箱解决方案。

研究和评估: 参与 LLMs 在软件工程中的应用研究，评估模型或提出改进建议。

反馈和测试: 使用 OpenDevin 工具集，报告错误，建议功能或提供关于可用性的反馈。

注意事项和警告 ⚠️

OpenDevin 仍然是一个 alpha 项目，变化快速且可能不稳定。我们正在努力在未来几周内推出稳定版本。

使用时请注意，虽然 OpenDevin 在 Docker 沙箱中运行，但工作区目录将连接到沙箱，目录中的文件可能会被修改或删除。

研究策略 ⭐️

核心技术研究: 专注于基础研究，改进代码生成和处理技术。

专业能力: 通过数据管理和培训方法提高核心组件的有效性。

任务规划: 开发错误检测、代码库管理和优化能力。

评估: 建立全面的评估指标以优化模型性能。

综合来看，使用 OpenDevin 可以提供一种全新的软件开发体验，特别是对于那些喜欢尝试前沿技术和参与开源项目的用户。同时，项目的发展和成熟还需要社区的广泛参与和持续的技术支持。

感兴趣可以去看下：https://github.com/OpenDevin/OpenDevin