大数跨境

Cognition 放大招:Devin 变身 7×24 值班工程师,带长期记忆自动接管生产事故!

Cognition 放大招:Devin 变身 7×24 值班工程师,带长期记忆自动接管生产事故! 未来跃迁
2026-05-22
0
导读:Cognition 放大招:Devin 变身 7×24 值班工程师,带长期记忆自动接管生产事故!

导读
【导读】Cognition 发布 Devin Auto-Triage,把 AI 编程助手升级为常驻事件首响应者——它能监控 Slack、GitHub、Sentry 等告警入口,自动调查 bug 和事故,还能派出"子 Devin"并行排查,甚至直接提交 PR。更关键的是,它带着长期记忆上岗,越值班越懂你的系统。On-call 工程师的第一反应:兴奋,但也慌了。

凌晨三点的告警,现在 Devin 先接

每个做过 on-call 的工程师都有同一个噩梦:凌晨三点,手机震了,Slack 弹出一条告警。你得先搞清楚这条告警在说什么,再翻代码、查日志、找上下文——结果发现跟昨天那个 issue 是同一个问题。

Cognition 想解决的就是这段空白。

5 月 18 日,Cognition 在 X 上官宣了 Devin Auto-Triage:

"Introducing Devin Auto-Triage: Your AI first-responder with long-term memory."

「Devin Auto-Triage:你的 AI 事件首响应者,带长期记忆。」

▲ Cognition 官方 X 发布帖,7.8 万次浏览

"Devin can monitor incoming bugs, alerts, and incidents, investigate them, and come back with context, next steps, or a PR."

「Devin 能监控传入的 bug、告警和事故,主动调查,然后带着上下文、下一步建议甚至 PR 回来。」

这段话透露的信息量很大:Devin 的角色定位变了。它从一个"你说我做"的编程助手,变成了一个常驻的、主动出击的事件响应者。

告警系统堆了一堆,但"检测之后"还是靠人

Cognition 官方博客里有一段话,精准戳中了工程团队的痛点:

"Most of these systems usually stop at detection: they create a message, ticket, or alert, and then a human has to reconstruct the context around it."

「大多数系统止步于检测:它们生成一条消息、一个工单或一条告警,然后就得靠人来重建上下文。」

Slack、Linear、GitHub checks、Sentry alerts、Datadog dashboards、客户升级工单——现代工程团队不缺检测工具,缺的是检测之后那个最耗时的环节:上下文重建。

你得搞清楚:这个告警对应哪段代码?上次出过类似问题吗?该找谁?需要回滚吗?

Auto-Triage 试图填补的,正是 detection 和 remediation 之间的这段真空。

▲ Cognition 官方博客《Introducing Auto-Triage》,详细阐述了产品定位

它到底怎么干活?

从官方文档和产品页综合来看,Auto-Triage 的工作流程是这样的:

第一层:常驻监控。一个持久运行的"父 Devin"挂在你的 Slack channel 上,24 小时盯着。新消息进来,它先过滤噪声——不是每条消息都值得调查。

第二层:自动调查。遇到真正需要关注的 bug 报告、回归问题或事故,父 Devin 会生成"子 Devin"(sub-Devins)去并行调查。官方博客的描述相当具体:

"Devin can inspect the codebase, check observability tools, look through related tickets or threads, ask for missing context, and spin up sub-Devins to investigate in parallel."

「Devin 能检查代码库、查看可观测性工具、翻阅相关工单或讨论串、请求缺失的上下文,还能派出子 Devin 并行调查。」

第三层:输出结果。调查完成后,Devin 在 Slack thread 里发布诊断、标记代码 owner,给出下一步建议。如果问题足够明确,它甚至能直接开 PR。

▲ Devin Auto-Triage 产品页,列出四大核心能力

长期记忆:不只是噱头,落地成了 Scratchpad

"长期记忆"这个词在 AI 产品里几乎已经用烂了。但 Devin 的文档给出了明确的落地方案——长期记忆的载体叫scratchpad。

"Auto-triage has long-term memory — it accumulates context over time and learns from you via its scratchpad."

「Auto-triage 拥有长期记忆——它随时间积累上下文,并通过 scratchpad 从你的反馈中学习。」

"The scratchpad is the automation's long-term memory."

「Scratchpad 就是这个自动化的长期记忆。」

Scratchpad 里记了什么?最近处理过的事件、路由表(谁负责什么模块)、重复问题记录,以及 session 重启后仍需保留的上下文。父 Devin 维护 scratchpad,子 Devin 可以读取并更新。

换句话说,Devin 值班越久,它就越了解你的团队——谁负责哪块代码、哪些问题反复出现、上次类似事故是怎么解决的。

▲ Devin 官方文档详细说明了 Auto-triage 的工作机制和 scratchpad 长期记忆

底座:Devin Automations 的事件驱动架构

Auto-Triage 不是一个孤立功能,它是 Devin Automations 平台的一种特殊 action type。

Automations 的架构很直白:Trigger → Conditions → Action。

触发器(Trigger)可以来自 Slack 消息、GitHub webhook、Linear 工单更新、定时计划或自定义 webhook。条件(Conditions)决定是否触发。动作(Action)可以是启动新 Devin session、发送消息,或者——启动 Triage Devin。

"Automations let you wire external events — Slack messages, GitHub webhooks, Linear ticket updates, schedules, and custom webhooks — to Devin sessions that start automatically."

「Automations 让你把外部事件——Slack 消息、GitHub webhook、Linear 工单更新、定时计划和自定义 webhook——连接到自动启动的 Devin session。」

这意味着 Devin 的角色转变有了工程化的底座:它从"聊天式 agent"走向了事件驱动的持续运行 agent。

▲ Automations 文档展示了 Trigger/Conditions/Action 的三段式架构

已经有团队在用了

Cognition 在博客和产品页引用了 Modal 推理团队的反馈。Modal 的 Hari Subbaraj 说:

"It monitors our channel, works with our codebase and observability stack, and comes back with fixes or next steps. It feels different from using Devin traditionally: Devin works on its own, and we can wake up to ready investigations without prompting it."

「它监控我们的频道,结合代码库和可观测性工具栈工作,带回修复方案或下一步建议。这和传统使用 Devin 的感觉不一样:Devin 自己干活,我们醒来就能看到现成的调查结果,不需要主动 prompt。」

X 上的用户 Joe Petrich 也表示已经在用:

"It's really helpful to have Devin kick off an investigation and return with context before a human has a chance to take a look."

「让 Devin 在人类有机会看之前就启动调查并带回上下文,真的很有帮助。」

工程师的担忧也很真实

兴奋归兴奋,社区里的技术讨论也很值得看。

关于成长路径。Jatin Garg 指出了一个微妙但重要的问题:

"Triage is a smart first job for an agent. It's bounded and checkable... The quiet part is that triage was also where on-call engineers learned the system."

「Triage 是 agent 的好切入点,它有边界、可验证……但不太有人说的那部分是:triage 也是 on-call 工程师学习系统、成长为 senior 的阶梯。」

如果 Devin 接管了 triage,新工程师在哪里积累对系统的深度理解?

关于审计可追溯。Alpár Kertész 提了一个实操问题:

"If Devin comes back with a PR, I want the incident log beside it so review doesn't become archaeology."

「如果 Devin 带着 PR 回来,我希望旁边有 incident log,否则 code review 就变成考古了。」

关于权限分层。sahan 直接问:读取 incident 上下文、调查代码、创建 PR——这些操作能设不同的权限 scope 吗?还是一个 automation identity 拿到所有权限?

关于工程深度。Alper FERUDUN 说得更具体:

"Useful incident triage starts with the substrate. Deployment SHA, p95 latency, owner graph, rollback candidate, and memory of the last repeated issue beat another summary of the alert text."

「有用的 incident triage 要从底层信号开始——部署 SHA、p95 延迟、owner 关系图、回滚候选、上次重复问题的记忆——这些比再总结一遍告警文本有价值得多。」

安全:官方自己也在画红线

值得注意的是,Cognition 并没有回避安全问题。官方博客和文档都提到:

"Auto-Triage operates on messy inputs… should not be treated as trusted instructions."

「Auto-Triage 处理的是混乱的输入……不应被视为可信指令。」

产品页写明 Devin 和子 Devin 运行在网络沙箱环境中,并对 prompt injection 和 data exfiltration 做了额外防护。Automations 文档提供了 network policy(限制外联主机)、ACU limit(算力预算上限)和 invocation limit(调用次数上限)等控制手段。

这些防护机制的存在本身就说明了一件事:把 AI agent 放到事件响应链路上,权限和安全设计是绕不开的硬问题。

从"你说我做"到"我先上"

如果把视角拉远一点,Auto-Triage 代表的趋势比产品本身更值得关注:

AI agent 的触发方式变了。过去你得在聊天框里打字、下指令。现在,一条 Slack 消息、一个 GitHub webhook、一条 Sentry 告警就能让 Devin 自动开工。Agent 从被动等待变成了主动响应。

Agent 的生命周期变了。从"一次对话解决一个问题"变成了"持续运行、持续学习"。父 Devin 维护的 scratchpad 让它在 session 之间保持上下文连续性。

Agent 的工作范围变了。从写代码、修 bug,扩展到了运维值班、事件分类、团队协调。Cognition 把 Devin 推进了 SRE/on-call 工作流。

但所有这些进步,都伴随着同样比例的风险。自动调查需要广泛的系统访问权限。长期记忆需要持续维护和纠错。子 Devin 的每次调查都消耗 ACU 预算。当 AI 接管了上下文重建,人类工程师要在哪里建立自己的系统直觉?

Devin Auto-Triage 是一个值得认真对待的产品发布。它把 AI agent 从辅助工具推向了工程流程的关键路径。至于它到底能多大程度上兑现"AI 值班工程师"的承诺——答案要靠真实的 incident 来检验,而非产品页上的四个卖点。


— END —

— END —

【声明】内容源于网络
0
0
未来跃迁
1234
内容 602
粉丝 0
未来跃迁 1234
总阅读2
粉丝0
内容602