📌 项目地址：stitionai/devika | ⭐ 19,509 颗星 | 🔧 Python | 📜 MIT
项目现状：README第一行就告诉你别抱期待
今年3月Cognition Labs发布Devin演示后，开源社区两周内推出Devika。README直接致敬Devin，目标是在SWE-bench上追平甚至超越Devin。但到9月，项目获得19509颗星的同时，README第一行写的是“Checkout Opcode, the second iteration of Devika. New version out soon!”。紧接着是红色警告：“当前处于极早期开发/实验阶段，大量功能未实现或损坏。”这不是谦虚，是事实。
Devika的架构看起来很美：Planner、Searcher、Coder、Tracker四个模块通过事件总线协作。但实际跑三轮就暴露了问题——它能在40秒内完成“写一个冒泡排序”，却在“写Flask博客”这类多步任务中连续失败。下面我拆开来讲。
架构拆解：Planner-Searcher-Coder-Tracker，典型但脆弱
Devika把工作流切成四个独立模块：
- Planner：接收人类指令，分解成子任务队列，按顺序执行
- Searcher：根据Planner给出的关键词联网搜索，返回文本
- Coder：把Searcher结果和任务描述拼成prompt，调用LLM写代码
- Tracker：记录每个agent的状态变化，通过Web UI实时展示
模块之间用事件总线通信，模型层做了抽象，支持Claude 3、GPT-4、Gemini、Mistral、Groq以及Ollama托管的本地模型。README特别指出“最佳性能使用Claude 3系列”。
这套设计在写单步任务时能跑通（比如冒泡排序），但多步任务一上压力就崩。原因在于：
- Planner没有回溯或容错机制。子任务失败后不会重试或回滚，整个项目卡住不动。
- Searcher不设超时，碰到慢页面直接挂死。返回的搜索结果噪声大，比如搜索“Flask用户认证教程”时抓了一堆Flask简介和Django教程。
- Coder上下文窗口有限。当Searcher返回大量无关内容，prompt长度超标，LLM开始虚构不存在的Flask扩展。
- Tracker存在内存泄漏——长时间运行会堆积状态快照，日志里没看到清理逻辑。
代码里随处可见TODO和临时hacks。这些缺陷并不是Devika特有，而是当前“LLM+搜索+代码生成”Agent的普遍瓶颈：规划缺乏鲁棒性、搜索结果无法有效过滤、上下文长度硬限制。Devika没有解决任何一个，但它把失败点清晰地暴露在代码里。
实际测试：单步可行，多步崩溃
我按README建议配了Claude 3 Sonnet（API密钥在UI设置页配置），跑了三轮测试。
第一轮：写一个冒泡排序。Planner拆成“理解需求-搜索-生成代码”。Searcher抓了Wikipedia的Python排序页面，Coder输出可执行脚本。三个模块各司其职，40秒跑完。这是Devika的最优场景——任务明确，搜索范围窄，代码短。
第二轮：写一个带用户登录的Flask博客，SQLite存数据。Planner拆出12个子任务。执行到第4步“搜索Flask用户认证教程”时，Searcher返回5个不相关页面（包括Flask简介、SQLAlchemy文档、Django教程）。Coder拿到上下文后提示超限，开始编造不存在的Flask扩展。前端报“Planner error”，不是改API密钥能解决的问题。这是典型的多步累积错误——搜索噪声导致上下文污染，LLM胡说八道，Planner无法恢复。
第三轮：把第二轮重跑两次。一次直接崩溃，日志显示Planner状态机卡在等待子任务完成的循环里，超时后抛出异常。另一次生成了一些碎片代码，但没有把app.py、models.py、templates整合成项目目录。Coder只输出单文件，忽略项目结构。
三轮下来，结论很清晰：当前版本只适用于单步、简单的代码生成任务。任何需要多步规划、多文件协调、且依赖外部信息检索的任务，成功率极低。
安装指南：准备好心理准备
官方Requirements：
- Python >= 3.10
- Node.js == 18（我用20报错，换nvm切到18才通过）
- 安装uv（Python包管理器，链接：github.com/astral-sh/uv）
- 安装bun（JavaScript运行时，链接：bun.sh/docs/installation）
- 若用本地模型，按ollama配置指南（docs/Installation/ollama.md）
- 若用API模型，在Web UI设置页填密钥
uv和bun不算常见工具，如果没用过，配置时间至少加15分钟。macOS上安装顺利，但README没有给Windows用户任何指引。目前没有Docker镜像。考虑到README已宣布停止大修当前版本，投时间配置这个版本，前期收益很低。
谁该试试，谁该等新版
适合三类人：
- 研究Agent系统的学生或工程师。Devika的架构是很好的教学案例——建一个最简单的任务（比如“打印当前时间”），跟踪模块间事件通信和状态流转，从实际bug和TODO中学到的东西比读论文多。
- 愿意动手修bug的开发者。项目明确欢迎贡献。早期项目的特点是大量可改进点。修一个issue就能把系统通信逻辑摸清楚。
- 做架构设计参考的人。如果你想设计一个联网查资料并写代码的工具，它的模块拆分方式值得借鉴。同时关注它没解决的问题：如何防止LLM生成不可运行代码、如何处理搜索结果噪声、如何做上下文长度控制。Devika自己也没解决，但你能从它的失败里总结设计原则。
以下人群不建议碰：
- 普通开发者，想用AI自动写代码提效。我花两小时搭环境，跑三次“排序算法”成功一次，第四次“写一个Flask API加测试”直接崩。浪费时间比手写还多。
关注Opcode：第二代重构中
README第一句话就在推Opcode，称为“the second iteration of Devika”。从命名看，Opcode可能从底层重写架构，修复规划不稳定、状态泄漏、上下文溢出等核心问题。等新版发布后，我会再写一篇实际测评。
当前版本更适合“收藏等更新”，而不是“下载跑任务”。