建设童装网站的意义it入门应该学什么

建设童装网站的意义,it入门应该学什么,网页微信版官网登录保存文件在哪里,手机网站广告#x1f916; 前言#xff1a;程序员的终结者#xff1f;不#xff0c;是你的替身使者 前段时间#xff0c;Devin 横空出世#xff0c;号称“全球首个 AI 软件工程师”。它能自己领任务、自己修 Bug、甚至自己去 Upwork 接单赚钱。 很多兄弟慌了#xff1a;“完了#… 前言程序员的终结者不是你的替身使者前段时间Devin横空出世号称“全球首个 AI 软件工程师”。它能自己领任务、自己修 Bug、甚至自己去 Upwork 接单赚钱。很多兄弟慌了“完了这回真要送外卖了。”但作为技术人恐慌之后应该是好奇。Devin 到底是什么是魔法吗是 AGI 吗都不是。剥去营销的外衣Devin 本质上是一个运行在沙箱里的 ReAct 循环 Agent。今天我就带大家用 Python 复刻一个Mini-Devin。我们将构建一个智能体扔给它一个报错的 Python 项目它能自己看日志、自己改代码、自己跑测试直到 Bug 修复为止。 核心架构Devin 的大脑是如何工作的要复刻 Devin我们需要理解它的工作流。它不是简单的“问答”而是**“思考-行动-观察”**的无限循环。架构图解行动沙箱思考循环1. 阅读代码与日志2. 生成修复计划3. 调用工具读写文件运行测试4. 返回执行结果5. 结果反馈给 LLM工具箱文件系统终端命令行大模型大脑AI 智能体核心规划器用户提交 Bug 报告核心组件Brain (大脑)GPT-4o 或 Claude 3.5 Sonnet编程能力最强。Tools (手脚)让 AI 能读写文件、执行 Shell 命令。Sandbox (工作台)为了安全必须在 Docker 容器里运行防止 AI 删库跑路。️ 实战开发打造你的 AI 员工我们将使用 Python 和 OpenAI 格式的 API 来实现。第一步给 AI 装备“手脚” (Tools)AI 本身只能输出文本我们需要定义Function Calling把它的文本指令变成系统操作。importsubprocessimportos# 工具 1执行终端命令defrun_command(command):在沙箱中执行 Shell 命令print(f️ 执行命令:{command})resultsubprocess.run(command,shellTrue,capture_outputTrue,textTrue)ifresult.returncode!0:returnfError:{result.stderr}returnresult.stdout# 工具 2读取文件代码defread_file(filepath):读取指定文件的内容ifnotos.path.exists(filepath):returnError: File not foundwithopen(filepath,r)asf:returnf.read()# 工具 3修改文件代码 (覆盖写)defwrite_file(filepath,content):将代码写入文件print(f 修改文件:{filepath})withopen(filepath,w)asf:f.write(content)returnSuccess第二步定义系统提示词 (System Prompt)这是给 AI 的“入职培训”。我们要告诉它你不是聊天机器人你是一个工程师。SYSTEM_PROMPT 你是一个全栈 AI 工程师。你的目标是修复用户提供的代码 Bug。 你有以下工具可以使用 1. run_command: 执行测试或运行脚本 2. read_file: 查看代码内容 3. write_file: 修改代码 工作流程 1. 先运行代码或测试查看报错信息。 2. 读取相关文件分析代码逻辑。 3. 修改代码以修复 Bug。 4. 再次运行测试确认修复成功。 5. 如果失败重复上述步骤。 第三步构建 ReAct 循环 (The Loop)这是 Agent 的心脏。它不断地将环境的反馈投喂给 LLM直到问题解决。fromopenaiimportOpenAIimportjson clientOpenAI(api_keysk-...)defai_programmer(bug_report):messages[{role:system,content:SYSTEM_PROMPT},{role:user,content:f帮我修这个 Bug:{bug_report}}]# 最大尝试 10 轮防止死循环foriinrange(10):# 1. 呼叫大模型responseclient.chat.completions.create(modelgpt-4o,messagesmessages,toolstools_schema,# 这里填入上面定义的工具描述tool_choiceauto)msgresponse.choices[0].message messages.append(msg)# 2. 判断是否想调用工具ifmsg.tool_calls:fortool_callinmsg.tool_calls:func_nametool_call.function.name argsjson.loads(tool_call.function.arguments)# 3. 执行工具 (Action)iffunc_namerun_command:outputrun_command(args[command])eliffunc_nameread_file:outputread_file(args[filepath])eliffunc_namewrite_file:outputwrite_file(args[filepath],args[content])# 4. 将工具结果返回给 AI (Observation)messages.append({role:tool,tool_call_id:tool_call.id,content:output})else:# AI 没调用工具说明它认为修完了或者是想说话print(f AI 说:{msg.content})if修复成功inmsg.content:break 现场演示AI 能修好这个 Bug 吗假设目录下有一个math_util.py里面有个除零错误# math_util.pydefdivide(a,b):returna/b# 隐患没处理 b0我们启动 Agentai_programmer(math_util.py 运行时报错 ZeroDivisionError)Agent 的内心戏日志流Thinking: “我需要先复现报错。”Action:run_command(python3 -c from math_util import divide; print(divide(10, 0)))Observation:ZeroDivisionError: division by zeroThinking: “确实报错了。我需要看看源代码。”Action:read_file(math_util.py)Observation: (读取了代码内容)Thinking: “原来是没判断 b 是否为 0。我来修复它。”Action:write_file(math_util.py, ...)(写入了包含if b 0的新代码)Thinking: “修好了我得验证一下。”Action:run_command(...)(再次运行除零测试)Observation:None(或者打印了错误提示不再抛异常)Output: “修复成功我已经添加了除零保护。”成功全过程无需人类干预。 进阶如何让它更像 Devin上面的代码只是一个玩具。要达到 Devin 的级别还需要做这三件事Docker 隔离不要直接在宿主机运行subprocess一定要连接 Docker API在容器内执行命令。否则 AI 可能会执行rm -rf /把你的电脑洗白。RAG 记忆如果项目很大AI 读不下所有代码。需要引入向量数据库RAG让 AI 能够“按需检索”相关的代码片段。LSP 集成集成Language Server Protocol让 AI 能看到代码高亮、语法错误提示而不是只看纯文本。 结语构建一个 AI 程序员技术上已经没有秘密。Prompt Engineering Function Calling Sandbox Devin未来程序员的能力将不再是“写代码的速度”而是**“设计 Agent 的能力”**。与其担心被 Devin 替代不如现在动手养一只属于你自己的“电子奴隶”