Devin Desktop の前提情報エンジンは、コードベース、過去のアクション、そして次に何をしようとしているかを深く理解します。 従来、コード生成のアプローチは、コードベースに対して大規模言語モデル (LLM) をファインチューニングすることに重点を置いていましたが、 これは個々のユーザーのニーズに合わせてスケールさせるのが困難です。 近年では、検索拡張生成 (RAG) を利用するアプローチが広く普及しています。 これは、LLM から正確な回答を引き出すために、 関連性が高く、前提情報が豊富なプロンプトを構築する技術に重点を置くものです。 Devin Desktop では、コードベースの前提情報に最適化した RAG アプローチを実装しており、 これにより、より高品質な提案と、より少ないハルシネーションを実現します。Documentation Index
Fetch the complete documentation index at: https://docs.devinenterprise.com/llms.txt
Use this file to discover all available pages before exploring further.
Devin Desktop はエンタープライズ向けに完全なファインチューニングを提供しており、最適な解決策は
ファインチューニングと RAG を組み合わせることです。
デフォルトの前提情報
- IDE で現在開いているファイルと、そのほかの開いているファイル。これらは、現在記述しているコードと密接に関連していることがよくあります。
- 次に、ローカルのコードベース全体がインデックス化されます (開いていないファイルも含みます) 。 そして、コードを書いたり、質問したり、コマンドを実行したりする際に、Devin Desktop の検索エンジンが関連するコードスニペットを取得します。
- Pro ユーザー向けには、より長い前提情報、より高いインデックス上限、さらにカスタム前提情報とピン留めされた前提情報アイテムの上限拡大を提供しています。
- Teams および Enterprise ユーザー向けには、Devin Desktop はリモートリポジトリもインデックス化できます。 これは、開発組織が複数のリポジトリにまたがって作業している企業にとって便利です。