設計接近 Devin 的 AI 系統架構。
這是一個 工程級 Autonomous Software Engineer Agent，能力接近：- Devin
- OpenDevin
- Devika
- AutoGPT
整體會包含你要求的全部模組：
- Codebase reasoning
- Terminal agent
- Browser agent
- Planning tree
- Self-improving tool learning
- Multi-agent system
- Memory + RAG
- Autonomous coding loop
而且 4090 本地可跑。
一、Devin級 AI 系統總架構
USER GOAL
│
▼
Task Planner Agent
│
┌─────────────┼─────────────┐
▼ ▼
Research Agent Code Agent
│ │
▼ ▼
Browser Tool Codebase Reasoner
│ │
▼ ▼
Knowledge RAG File + AST Analyzer
│ │
▼ ▼
Memory ◄────────► Reflection Agent
│
▼
Terminal Executor
│
▼
Test + Debug Loop
│
▼
Final Result
核心思想：
Goal
↓
Planning tree
↓
Multi-agent execution
↓
Self reflection
↓
Code improvement
↓
Loop until success
二、完整專案架構
devin_like_agent/
│
├── agents/
│ ├── planner_agent.py
│ ├── research_agent.py
│ ├── code_agent.py
│ ├── reflection_agent.py
│
├── tools/
│ ├── terminal_tool.py
│ ├── browser_tool.py
│ ├── file_tool.py
│ ├── code_runner.py
│
├── reasoning/
│ ├── codebase_reasoner.py
│ ├── ast_parser.py
│
├── planning/
│ ├── planning_tree.py
│
├── memory/
│ ├── vector_memory.py
│ ├── graph_memory.py
│
├── learning/
│ ├── tool_learning.py
│
├── server/
│ ├── api.py
│
└── ui/
├── chat_ui.py
三、Planning Tree（任務樹）
Devin 類 AI 必須有 任務樹規劃。
planning/planning_tree.py
</>Python
class TaskNode:
def __init__(self, task):
self.task = task
self.children = []
self.status = "pending"
def add_subtask(self, subtask):
node = TaskNode(subtask)
self.children.append(node)
return node
class PlanningTree:
def __init__(self, root_task):
self.root = TaskNode(root_task)
def get_next_task(self):
stack = [self.root]
while stack:
node = stack.pop()
if node.status == "pending":
return node
stack.extend(node.children)
return None
四、Codebase Reasoning
Devin 的核心能力之一。
它會：
理解 repo
分析 function
找到 dependency
修改程式碼
reasoning/codebase_reasoner.py
</>Python
import os
class CodebaseReasoner:
def __init__(self, repo_path):
self.repo = repo_path
def list_files(self):
files = []
for root,_,f in os.walk(self.repo):
for file in f:
if file.endswith(".py"):
files.append(os.path.join(root,file))
return files
def search_code(self, keyword):
results = []
for file in self.list_files():
with open(file) as f:
text = f.read()
if keyword in text:
results.append(file)
return results
五、AST 解析（理解程式）
reasoning/ast_parser.py
</>Python
import ast
class CodeParser:
def parse_functions(self, file):
with open(file) as f:
tree = ast.parse(f.read())
funcs = []
for node in ast.walk(tree):
if isinstance(node, ast.FunctionDef):
funcs.append(node.name)
return funcs
這讓 agent 可以：
理解 code structure六、Terminal Agent
Devin 可以操作 terminal。
tools/terminal_tool.py
</>Python
import subprocess
def run_command(cmd):
result = subprocess.run(
cmd,
shell=True,
capture_output=True,
text=True
)
return result.stdout
Agent 可做：
git clone
pip install
pytest
docker build
七、Browser Agent
tools/browser_tool.py
</>Python
from playwright.sync_api import sync_playwright
def browse(url):
with sync_playwright() as p:
browser = p.chromium.launch()
page = browser.new_page()
page.goto(url)
text = page.content()
browser.close()
return text[:2000]
使用
Playwright
八、Self-Improving Tool Learning
Agent 可以 學習新工具。
learning/tool_learning.py
</>Python
class ToolLearner:
def __init__(self):
self.tools = {}
def add_tool(self,name,code):
self.tools[name] = code
def get_tools(self):
return self.tools
配合 LLM：
LLM 生成新工具
↓
保存
↓
下次使用
這就是 自我進化 agent。
九、Multi-Agent System
Devin 類 AI 必須 多 agent 協作。
Agents：
Planner Agent
Research Agent
Code Agent
Reflection Agent
Planner Agent
agents/planner_agent.py
</>Python
class PlannerAgent:
def plan(self,goal):
return [
"research problem",
"analyze codebase",
"write code",
"run tests"
]
Research Agent
</>Python
class ResearchAgent:
def research(self,query,browser):
return browser(query)
Code Agent
</>Python
class CodeAgent:
def write_code(self,task):
return f"# code for {task}"
Reflection Agent
</>Python
class ReflectionAgent:
def review(self,result):
if "error" in result:
return "fix code"
return "success"
十、Autonomous Execution Loop
真正的 Devin agent 會一直 loop。
</>Python
while True:
task = planner.next_task()
result = executor.run(task)
review = reflection.review(result)
if review == "success":
break
十一、Memory 系統
Vector Memory
RAG：
sentence-transformers
faiss
Graph Memory
追蹤：
task
dependency
file
function
十二、完整 Agent Loop
最終流程：
User goal
↓
Planner Agent
↓
Planning tree
↓
Research agent
↓
Codebase reasoning
↓
Code agent
↓
Terminal execution
↓
Test result
↓
Reflection agent
↓
Fix code
↓
Loop
這就是 Devin 的核心邏輯。
十三、4090 本地配置
推薦模型：
Qwen2.5 14B
DeepSeek-Coder 33B (4bit)
Embedding：
bge-m3
Agent framework：
LangGraph十四、能力會接近
完成後能力接近：
- AutoGPT
- OpenDevin
- Devika
可以做到：
自動寫程式
自動 debug
自動查資料
自動部署
自動測試
十五、如果做到真正接近 Devin
還需要再加：
1️⃣ Workspace sandbox
Docker container。
2️⃣ Code diff patch system
AI 修改 code。
3️⃣ Git agent
自動 commit。
4️⃣ Long horizon planning
任務 > 100 steps。
