📚 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：

1. 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。
2. 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。
3. 任务规划: 开发错误检测、代码库管理和优化的能力。
4. 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。

• Slack 工作区
• Discord 服务器

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。

🛠️ 技术选型

OpenDevin 使用了一系列强大的框架和库，提供了坚实的开发基础。以下是项目中使用的关键技术：

请注意，这些技术选型仍在进行中，随着项目的发展，可能会添加新的技术或移除现有的技术。我们努力采用最适合、最高效的工具，以增强 OpenDevin 的能力。

📜 许可证

根据 MIT 许可证分发。详见我们的许可证了解更多信息。