還記得那個號稱全球首位 AI 軟件工程師 Devin 嗎？它的創(chuàng)造者Cognition Labs公司剛剛推出了一個名為DeepWiki的項目。簡單來說，這是一個目標宏大的計劃：為全世界每一個 GitHub 代碼倉庫（Repo）提供可以實時交流、即時更新的文檔

你可以把它想象成一個由 Devin 技術驅動的、專門針對 GitHub 的“深度研究”工具

亮點：免費、免注冊、即刻可用

最關鍵的是，對于開源項目，這項服務完全免費，甚至無需注冊

怎么用？非常簡單：

1. 1. 訪問deepwiki.com，探索已經收錄的熱門開源項目的 Wiki

2. 2. 或者，更直接的方式：把你正在瀏覽的任何 GitHub 倉庫 URL 中的github.com替換成deepwiki.com，即可無縫跳轉到該倉庫的 DeepWiki 頁面

3. 
   

能做什么？

對話式文檔：你可以直接向代碼庫“提問”，DeepWiki 會嘗試理解你的問題并給出文檔級的解答

深度研究 (Deep Research)：對于復雜問題，可以開啟此功能，讓 AI Agent 進行更深入的分析和回答

按需索引：如果你關心的公開倉庫還沒被收錄，可以請求 DeepWiki 為你索引

私有倉庫支持：對于私有倉庫，可以通過注冊Devin賬戶（devin.ai）來獲得服務

輕松分享：生成的 Wiki 頁面和問答結果都可以通過鏈接分享，方便團隊成員保持信息同步

投入與規(guī)模

Cognition Labs 為了 DeepWiki 可謂投入巨大：

• ? 已索引約3 萬個GitHub 倉庫

• ? 處理了超過40 億行代碼

• ? 索引過程的計算成本就超過了30 萬美元

• ? 總計處理了超過1000 億個Token

據稱，平均索引一個倉庫的成本約為 12 美元，但目前對所有開源項目完全免費開放

技術探秘：理解全局結構與提交歷史

我們知道，LLM 理解局部代碼的能力已經很強，但要掌握龐大代碼庫的全局結構是真正的難點。DeepWiki 的核心技術正是為了解決這個問題：

1. 1.層級化系統(tǒng)分解：它首先將代碼庫分解成一個層級化的高階系統(tǒng)（high-level systems）結構

2. 2.系統(tǒng)級 Wiki 生成：然后為每一個識別出的系統(tǒng)生成對應的 Wiki 頁面，構建出整個項目的知識圖譜

此外，DeepWiki 還利用了一個非常有價值的信號：代碼提交歷史 (commit history)。通過分析“哪些文件經常被哪些開發(fā)者一同修改”（這可以表示成一個圖），DeepWiki 能夠挖掘出代碼庫中隱藏的模式、模塊邊界和開發(fā)者協(xié)作關系，這些都是理解復雜項目的關鍵信息

目前，DeepWiki 網站上已經有3 萬個倉庫的 Wiki 可供探索。對于開發(fā)者來說，尤其是面對龐大、復雜的開源項目時，DeepWiki 無疑提供了一個強大的新工具，有望極大提升代碼理解效率，降低學習和參與門檻

比較好奇DeepWiki背后使用的模型，哈哈

?星標AI寒武紀，好內容不錯過?

用你的贊和在看告訴我～

求贊