📚 杂项
⭐️ 研究策略
通过 LLM 完全复制生产级应用程序是一个复杂的任务。我们的策略包含以下几个方面:
- 核心技术研究: 专注于基础研究,以理解和改进代码生成和处理的技术方面。
- 专家能力: 通过数据策划、训练方法等方式增强核心组件的有效性。
- 任务规划: 开发错误检测、代码库管理和优化的能力。
- 评价: 建立全面的评价指标,以更好地理解和改进我们的模型。
🚧 默认代理
- 我们当前的默认代理是 CodeActAgent,具备生成代码和处理文件的能力。我们正在开发其他代理实现,包括 SWE Agent。您可以在这里阅读我们当前的代理集合。
🤝 如何贡献
OpenDevin 是一个社区驱动的项 目,我们欢迎每个人的贡献。无论您是开发人员、研究人员,还是对用 AI 提升软件工程领域有兴趣,只要您愿意参与,我们都有很多方式可供选择:
- 代码贡献: 帮助我们开发核心功能、前端界面或沙箱解决方案。
- 研究和评价: 贡献您对 LLM 在软件工程领域理解的见解,参与评估模型,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,或提供可用性方面的反馈。
详情请查阅此文件。
🤖 加入我们的社区
我们现在有一个 Slack 工作区,用于合作建设 OpenDevin,还设有一个 Discord 服务器,用于讨论与该项目、LLM、代理等相关的任何事情。
如果您愿意贡献,请随时加入我们的社区。让我们一起简化软件工程!
🐚 少写代码,用 OpenDevin 做更多的事情。