用国内版Devin:DevOpsGPT开发一个简易官网

前言:

世界上第一个AI程序员Devin想必已经给大家带来了不小的震撼,这种L4级的技术也许已经昭示着AGI离我们或许真的不远了。


这里先给大家普及一个概念:

L4是谷歌对AGI划分的第四个等级,把代码丢给 AI 改这个是 L1 或者 L2 级别的能力,L4、L5级别则是完全自主决策(开发->测试->部署),通俗来说就是不要程序员

L1-初级(Emerging AGI):在某些任务上表现出相当于或略优于无相关技能的人类的能力。例如,ChatGPT、Bard和Llama 2等大型语言模型被归类于此级别。

L2-中级(Competent AGI):能够达到正常成年人50%的水平,在特定任务上达到最先进的水平(State of the Art, SOTA)。

L3-专家(Expert AGI):能够达到正常成年人90%的水平,如Grammarly等拼写和语法检查器和图像生成模型Imagen。

L4-大师(Virtuoso AGI):能够达到正常人类99%的水平,如深蓝(Deep Blue)、AlphaGo等在特定领域达到顶尖水平的AI系统。

L5-超级智能(Superhuman AGI):超越顶尖科学家的水平,在技能上能够执行人类难以企及的任务,如AlphaFold和AlphaZero。

DevOpsGPT作为一款基于Multi Agent AI 驱动,且为国人研发的AI软件开发平台,在诸多方面已经有媲美Devin的能力了。

在GitHub也已经获得了6.3k Stars的佳绩

今天就用它来开发一个简易的官网

话不多说,我们直接上教程

首先登录平台:KUAFUAI - AI 驱动的智能软件开发平台 | AI-Driven Software Development Platform

选择新建一个APP

然后只需要简单的填写一下这部分即可(需求阐述在后面)

选择我们刚才新建的APP,开始任务

这里向AI提问,表达一下我们的需求,这里我表述的非常简介,因为在后续AI帮我们开发的过程中,会自动的帮我们补全和完善需求(这个功能非常舒服~)

提交需求之后,AI就会开发好需求文档,红框内标出的内容,就是刚才我说的补全和完善需求的功能,我们继续提交即可

到这里,AI就已经开发好了技术文档,全程我没有进行任何技术性的操作,就是根据开发流程点了几下提交

现在就到了最核心的环节,AI已经开发好了所有的代码,这里我们可以自己调整,也可以自己优化,如果没有问题的话(一般是没问题的),就根据下面这个流程,一步步点就ok

我们先将代码提交到GitHub仓库

弹出这个界面,就表示我们提交成功了,当然我们也可以自己去GitHub里查看代码

这里就不具体展示了哈, 小伙伴们自己可以体验一下

然后我们触发持续集成就好了

显示三个√,就可以到我们最后一个环节了

点击触发持续部署

然后我们去访问这个网址,就可以看到最后开发的结果了

一个简易的网站就开发好了~,整个开发过程不到五分钟

当然这只是一个比较基础的网页,在后续我们也可以让AI继续在这个网站上进行开发

除此之外,我们也可以直接把代码打包拿走,自己回去再调整和完善。

感兴趣的小伙伴,可以自己去体验一下哟,

除了能开发网页之外,还可以开发小游戏、web应用以及小型应用等内容!

相关推荐
β添砖java19 分钟前
深度学习31注意力机制、注意力分数、使用注意力机制的seq2seq、自注意力
人工智能·深度学习
ZGIAI25 分钟前
销售团队最缺的不是另一个 AI,而是有人把跟进这件事一直做下去
人工智能·架构
杨杨杨大侠38 分钟前
从零训练一个 321 万参数的小模型:用 MLX 看懂 Transformer 的训练过程
aigc·openai·ai编程
隔窗听雨眠40 分钟前
MCP会成为Agentic AI的标准吗?技术演进、生态博弈与标准之路的深度分析
人工智能
2601_9676598842 分钟前
2026年多个网页快速提取重点、自动汇总、对比并整理成表格的AI工具清单
人工智能
IT古董1 小时前
AI资讯日报|2026年9月5日:GPT-6 Astra全量推送却遭“翻车“,奥特曼紧急致歉一天12条大新闻:OpenAI翻车、英伟达收购、最狠AI法案出台
人工智能
chen_zn951 小时前
《WAM 系列》Zero-WAM | 人类视频上下文学习 | 未来片段预测 | 零样本跨任务泛化
人工智能·具身智能·vla
airank1 小时前
2026年GEO服务商选型指南:系统梳理服务商分类框架、主流服务商能力横评、企业级选型六大维度及避坑要点,帮助企业在AI搜索时代做出科学决策。
大数据·人工智能·数据分析·aigc
Delite8021 小时前
摆脱实验室束缚:便携式卡尔费休微量水分检测技术与现场应用解析
大数据·网络·人工智能
Jialu.1 小时前
模型压缩实战:BERT 量化从 390MB 到 146MB 的实践
人工智能·深度学习·bert