Cognition，2024-03-12。Devin：带 shell、编辑器、浏览器的沙箱，宣称端到端修 GitHub issue。私有预览。
当时公告：Introducing Devin。评测说明：SWE-bench technical report。
Devin
2024-03-12。Cognition 把「AI 软件工程师」做成品类口号。热度远高于当时可复现的完成率。
1 - Devin（材料）
按 2024-03 公告转述：沙箱工程师叙事与 SWE-bench 子集成绩。
本页转述 2024-03-12 产品公告与 03-15 评测说明当时公开说了什么，不以后来的 Devin 2、定价或收购传闻回填。
主要出处：Cognition，Scott Wu，2024-03-12，Introducing Devin, the first AI software engineer；Cognition Team，2024-03-15，SWE-bench technical report。补丁与评测脚本：CognitionAI/devin-swebench-results。本页不复制公告全文。
产品主张
Devin 被写成「第一个 AI 软件工程师」：在自己的沙箱里有 shell、代码编辑器和浏览器，能规划并执行多步编程任务。演示包括：读文档学陌生框架、搭应用、修开源仓库的 bug、做 Upwork 上的真实单。用户用自然语言下任务，在界面里看它逐步干活。当时是私有预览，需申请。
SWE-bench 数字（厂商自己报的）
评测用 2023 年的 SWE-bench：真实 GitHub issue，用单元测试判定是否修好。
- 评测集是测试集的随机 25%（570 / 2,294 题），理由是跑完全量太慢——原论文作者也用过同类抽样。
- Devin 端到端、unassisted（不事先告诉要改哪些文件）解决 79 / 570，即 13.86%。
- 对照：当时公开的 unassisted 基线最高约 1.96%（Claude 2 + BM25 检索）；即便 assisted（告诉要改的文件），最好的先前模型约 4.80%（Claude 2）。
- Cognition 写明：agent 设定（整仓可导航）与 assisted / unassisted 检索设定不是严格同口径；他们仍用更强的基线数字做图。
当时不是什么
这不是开源系统，也不是全量 SWE-bench 的第三方复现。13.86% 是厂商在子集上的自报。产品叙事是「软件工程师」，交付形态是带人监看界面的云端预览。
2 - Devin 讲解
「AI 软件工程师」成为品类。按定义是弱自主 Agent；热度不等于独立评测上的完成率。
当时解决了什么问题
2023 年 AutoGPT 证明舆论要「给一个目标让它自己转」。编码这条线缺一个能看懂的产品：不是补全下一行，而是在仓库里设环境、复现、改代码、跑测试。Devin 把 Copilot 式副驾驶叙事推成「整份工作交给它」。SWE-bench 给了它一个可以引用的数字，而不只是演示视频。
按 AI Agent 定义，Devin 是 Agent：LLM 决策、在沙箱里行动、看测试与终端回执再决定。自主度高于 IDE 里的补全，仍有人下任务、看过程、收 PR——弱自主，不是无人值守员工。
对后续 LLM 与 Agent 的影响
「AI 软件工程师」从此变成品类名。Cursor、SWE-agent、OpenHands、后来的 Claude Code / Codex，都要在这条舆论里表态：全自主云端，还是人在环路的编辑器。Devin 的演示把期望拉到「能上岗」。
13.86% 要连着读：570 / 2,294 题，不是全量；厂商自报；agent 设定与当时公开的 assisted / unassisted 检索基线不是严格同口径；独立复现当时稀缺。热度像 2023 年的 AutoGPT——定义话题，不定义上限。人在环路的 IDE 助手往往更早上日常，留存也更高。引爆型事件要等第三方完成谓词；这一页记下的是口号先于尺子。