Ramp 在数月内构建了 Inspect以下是如何在一个周末内交付它

Ramp 构建了 Inspect，这是一个令人难以置信的内部后台编码 Agent，负责了他们大约 60% 的合并 PR。构建它需要数月的基础设施工作：托管沙盒、Agent 编排、会话状态和自定义工具。

像 AWS 和 Cloudflare 这样的云基础设施消除了管理物理服务器、修补操作系统和维护正常运行时间的需要。开发人员可以专注于他们的应用程序逻辑，而云提供商处理其余部分，而不是管理基础设施。Devin 将同样的原则应用于编码 Agent：沙盒、开发环境、Agent 运行时、编排、集成和工具都得到全面管理。你提供 prompt；Devin 处理其背后的一切。

以下是如何在 Devin API 之上复制 Inspect 功能的方法。你无需进行数月的基础设施工作，可以直接构建你团队独有的部分。

让我们直接开始！

通过 API 在此处涵盖的所有内容也都是

Devin

平台的一部分。

认证

在你的 Devin 组织中创建一个服务用户（设置 > 服务用户）。你将获得一个以 cog_ 为前缀的 API 密钥。以下所有示例都从 .env 文件加载凭据：

Base URL: https://api.devin.ai/v3

沙盒问题（已解决）

Ramp 的规范在沙盒基础设施上投入了大量精力：每 30 分钟构建一次镜像，在 Modal 上快照文件系统，同步 Git 状态，预热沙盒池，以及管理生命周期。这是他们构建中最困难的部分。

Devin 会话已经在 隔离的 Linux VM 中运行，并拥有完整的开发环境。每个会话都从保存的快照启动，其中包含你克隆的仓库、安装的依赖项和配置的环境。机器拥有 shell、IDE、浏览器、Docker 和你需要的任何运行时。

你在 Devin 的仓库设置中配置一次。之后，每个通过 API 创建的会话都会自动从该快照启动。没有镜像注册表，没有重建镜像的 cron job，没有池管理。

核心循环：创建、监控、行动

启动会话

你还可以传递 max_acu_limit 来限制每个会话的计算使用量。这对于自动化管道非常重要，因为失控的会话可能会消耗大量信用。

响应：

注意：API 返回一个 session_id（例如，abc123），但会话端点期望一个 devin_id，它是以 devin- 为前缀的会话 ID（例如，devin-abc123）。通过在 session_id 前面加上 devin- 来构建 devin_id。

轮询完成状态

status_detail 字段为你提供更细粒度的状态：在会话运行时为 working、waiting_for_user、waiting_for_approval 或 finished，以及在暂停时为 inactivity 或 usage_limit_exceeded 等原因。

读取消息

发送后续消息

Ramp 将执行期间发送的后续 prompt 排队。你也可以这样做：

终止会话

终止一个失控的会话或归档一个已完成的会话：

会话归属（多人）

Ramp 称多人模式为“任务关键型”。他们希望多人共同参与一个会话，并将提交归属于正确的作者。

Devin 的 API 通过 create_as_user_id 支持此功能。拥有 ImpersonateOrgSessions 权限的服务用户可以代表任何组织成员创建会话：

会话会出现在该用户的会话列表中。PRs 会归属于他们。任何团队成员都可以打开会话 URL 并发送消息。

结构化输出（机器可读结果）

Ramp 将 Token 实时流式传输到其客户端。使用 Devin，你将获得结构化输出：通过 structured_output_schema 参数传递 JSON Schema，Devin 会在工作时验证并更新它。你轮询会话以读取它。

这就是你将 Devin 的工作导入你自己的 UI、Slack bot 或仪表板的方式。

衍生子会话（并行 Agent）

Ramp 的规范推荐一种工具，让 Agent 衍生子会话用于研究或将大型任务拆分为更小的 PRs。Devin 通过 Managed Devins 内置了此功能。你无需编写编排代码；只需用自然语言要求 Devin 并行处理工作。

Devin 充当协调者：它确定工作范围，启动子会话（每个都在自己的隔离 VM 中运行），监控进度，解决冲突，并汇总结果。

例如，跨多个表并行化迁移：

或者在多个模块中运行相同的任务：

Devin 分析你的请求并在启动之前提出会话供你批准。协调者还可以向子会话发送消息，监控它们的 ACU 消耗，并终止卡住的会话。

技能、知识和剧本（编码你的交付方式）

Ramp 使用“编码 Ramp 交付方式的技能”。Devin 有三种机制来实现这一点：

1. 知识：持久上下文 Devin 根据触发器描述自动回忆的提示、标准和指令。
2. 剧本：可重用任务模板 用于重复工作流的系统 prompt。通过 ID 将它们附加到会话。
3. 技能：仓库提交的程序 SKILL.md 文件提交到你的仓库 .agents/skills/<name>/SKILL.md。Devin 会自动发现它们。这些遵循开放的 Agent Skills 标准，因此它们适用于多种 AI 工具。

密钥管理

Ramp 将 Inspect 连接到 Sentry、Datadog、LaunchDarkly 等。每个集成都需要凭据。Devin 以两种方式处理此问题：

1. 组织密钥（持久、共享）：
2. 会话密钥（临时、单会话）

MCP 服务器（外部工具集成）

Ramp 将 Inspect 连接到 Sentry、Datadog、LaunchDarkly、Braintrust、GitHub、Slack 和 Buildkite。在 Devin 中，你将这些配置为 MCP 服务器。Devin 的市场有 40 多个预配置集成：Datadog、Sentry、Linear、Slack、Figma、PostgreSQL、BigQuery 等。

对于自定义内部工具，使用 STDIO、SSE 或 HTTP 传输添加你自己的 MCP 服务器。配置在 Devin UI 的设置中完成。

自动化（自维护系统）

Ramp 的第二篇博客文章描述了一个监控生产并自动分类警报的系统。

计划会话 API 允许你直接设置此功能：

对于 Ramp 的监控驱动模式（Datadog 警报触发，Agent 调查），使用调用 Devin API 的 webhook：

文件附件

上传文件供 Devin 使用：

下载会话生成的文件（屏幕截图、生成的代码、日志）：

构建 Slack Bot

Devin 已经有 原生的 Slack 集成，让你的团队可以直接从 Slack 启动会话、发送后续消息和获取更新。对于大多数团队来说，这已足够。

如果你想要自定义行为（将消息路由到特定仓库、使用来自其他系统的上下文丰富 prompt，或连接到你自己的内部工具），你可以在 API 之上构建自己的 bot。这是一个最小版本：

Ramp 建议构建一个分类器来确定要在哪个仓库中工作。你可以在创建会话之前使用快速模型调用来完成此操作，或者让 Devin 从 prompt 和你连接的仓库中找出。

构建 GitHub Actions 集成

在 PR 事件上触发 Devin：

你跳过什么

以下是 Ramp 构建而你无需构建的内容：

• Modal 沙盒基础设施、镜像注册表、30 分钟重建 cron → 带快照的托管 VM、仓库设置
• OpenCode Agent 集成 → Devin Agent（IDE、shell、浏览器、计算机使用）
• Cloudflare Durable Objects 用于会话状态 → 带有消息、状态、附件的会话 API
• WebSocket 流媒体基础设施 → 轮询 API + 结构化输出（你的客户端轮询；无推送通知）
• 沙盒快照和恢复 → 内置会话快照
• 每个用户的 Git 配置管理 → 通过 create_as_user_id 进行会话归属
• 自定义工具系统 → MCP 服务器（40 多个集成 + 自定义）
• 预热沙盒池管理 → 自动环境配置

你仍然需要构建：你的自定义客户端。一个 Chrome 扩展程序、一个网络仪表板、一个 GitHub webhook 处理程序，或者任何超出 Devin 开箱即用功能之外的集成。这些是你的团队工作方式独有的部分。Devin API 为所有这些提供了后端。

完整示例：Webhook 驱动的 Bug 修复管道

将所有内容整合在一起：一个从任何来源接收 Bug 报告并将其推动到合并 PR 的服务：

结论

在某些情况和特定限制下，内部构建基础设施是合理的，但对于大多数团队而言，实现价值最快的途径是利用现有资源，并将工程精力集中在只有你的团队才能解决的问题上。

Ramp 的 Inspect 是一个精心设计的工具。构建它需要 Modal、OpenCode、Cloudflare Durable Objects、自定义沙盒生命周期、Git 集成管道以及数月的基础设施工作。

Devin API 将所有这些压缩为一组 REST 端点。会话在完全配置的 VM 中运行，其中你的仓库、依赖项和工具均已设置完毕。

你只需构建客户端。API 处理其背后的一切。

如果你根本不想构建任何东西，你可以直接使用 Devin。

8 分钟了解 Devin。

• 原文链接： x.com/dabit3/status/2037...
• 登链社区 AI 助手，为大家转译优秀英文文章，如有翻译不通的地方，还请包涵～