Cognition以长程任务评测与轨迹监控改进Devin

Cognition是自主AI工程师Devin的开发公司，产品2024年初发布后需求快速增长，已进入高盛、梅赛德斯-奔驰与美国陆军等机构。CEO Scott Wu与CPO Walden Yan在访谈中把自主Agent与代码补全工具的区别归结为：用户给出的任务天然欠明确，Agent必须澄清意图、在长时程中保持专注不跑偏，轨迹监控是核心工程投入。团队称Claude模型在长时程任务的持续执行、工具调用的判断力与从简短描述推断意图三方面表现突出；一次Claude模型升级在其内部评测中创下显著涨幅，换用后每周合并PR数提升3.5倍。为支持多模型路由，Cognition维护覆盖文件编辑、定位到端到端的自建评测集，确信新模型严格更优时第一天即切换；据介绍约50-70名工程师负责模型集成面，提示词、工具定义与护栏随模型调整。团队自述Devin使用量自上年年末以来至少增长7倍，新场景扩展到调试与安全扫描，并展望以规格和英文描述作为软件构建的事实来源。