还记得那个号称全球首位 AI 软件工程师 Devin 吗？它的创造者Cognition Labs公司刚刚推出了一个名为 DeepWiki 的项目。简单来说，这是一个目标宏大的计划：为全世界每一个 GitHub 代码仓库（Repo）提供可以实时交流、即时更新的文档
你可以把它想象成一个由 Devin 技术驱动的、专门针对 GitHub 的“深度研究”工具
亮点：免费、免注册、即刻可用
最关键的是，对于开源项目，这项服务完全免费，甚至无需注册
怎么用？非常简单：
-
1. 访问 deepwiki.com，探索已经收录的热门开源项目的 Wiki -
2. 或者，更直接的方式：把你正在浏览的任何 GitHub 仓库 URL 中的 github.com替换成deepwiki.com，即可无缝跳转到该仓库的 DeepWiki 页面 -
能做什么？
对话式文档： 你可以直接向代码库“提问”，DeepWiki 会尝试理解你的问题并给出文档级的解答
深度研究 (Deep Research)： 对于复杂问题，可以开启此功能，让 AI Agent 进行更深入的分析和回答
按需索引： 如果你关心的公开仓库还没被收录，可以请求 DeepWiki 为你索引
私有仓库支持： 对于私有仓库，可以通过注册 Devin 账户（devin.ai）来获得服务
轻松分享： 生成的 Wiki 页面和问答结果都可以通过链接分享，方便团队成员保持信息同步
投入与规模
Cognition Labs 为了 DeepWiki 可谓投入巨大：
-
• 已索引约 3 万个 GitHub 仓库 -
• 处理了超过 40 亿行代码 -
• 索引过程的计算成本就超过了 30 万美元 -
• 总计处理了超过 1000 亿个 Token
据称，平均索引一个仓库的成本约为 12 美元，但目前对所有开源项目完全免费开放
技术探秘：理解全局结构与提交历史
我们知道，LLM 理解局部代码的能力已经很强，但要掌握庞大代码库的全局结构是真正的难点。DeepWiki 的核心技术正是为了解决这个问题：
-
1. 层级化系统分解： 它首先将代码库分解成一个层级化的高阶系统（high-level systems）结构 -
2. 系统级 Wiki 生成： 然后为每一个识别出的系统生成对应的 Wiki 页面，构建出整个项目的知识图谱
此外，DeepWiki 还利用了一个非常有价值的信号：代码提交历史 (commit history)。通过分析“哪些文件经常被哪些开发者一同修改”（这可以表示成一个图），DeepWiki 能够挖掘出代码库中隐藏的模式、模块边界和开发者协作关系，这些都是理解复杂项目的关键信息
写在最后
目前，DeepWiki 网站上已经有 3 万个仓库的 Wiki 可供探索。对于开发者来说，尤其是面对庞大、复杂的开源项目时，DeepWiki 无疑提供了一个强大的新工具，有望极大提升代码理解效率，降低学习和参与门槛
比较好奇DeepWiki背后使用的模型，哈哈
⭐
（文：AI寒武纪）