Devin 89%代码自己写的，5个月从13%飙到这数
Devin 89%代码自己写的，5个月从13%飙到这数，还敢说最贵错误？ 2026-05-28 AI智能体创业者日报 | v1.0 | 创业者专属 今日必读： Cognition/Devin估值9个月从100亿飙到260亿，89%代码自写——AI agent不只是工具，是生产方式变革，直接影响你的产...
Devin 89%代码自己写的，5个月从13%飙到这数，还敢说最贵错误？
- Cognition/Devin估值9个月从100亿飙到260亿，89%代码自写——AI agent不只是工具，是生产方式变革，直接影响你的产品开发策略
- 235篇文章仅8个产品，文章产品比29:1——技术供给与产品落地之间有巨大断层，意味着创业窗口
- GitHub方向(inference/web/management)在Product Hunt零覆盖——开源热度和商业化之间的脱节是入场信号
今日爆点（60秒谈资）
| 产品 | 票数 | 一句话 | 链接 |
|---|---|---|---|
| Bluedot 2.1 | 326 开发者所有人 | Apple Watch录音+Claude同步，会议纪要全自动 | PH |
| Powabase | 289 开发者创业者 | AI应用BaaS平台，Postgres+RAG+Agent一站式 | PH |
| zero.xyz | 229 开发者 | 给AI agent接入8000+工具/API，无需配置 | PH |
| Oasis Browser | 209 开发者所有人 | 隐私AI浏览器，匿名训练，数据不出本地 | PH |
| Coworker AI | 181 创业者 | 上下文感知模型路由，同预算5倍token量 | PH |
今日洞察
一个AI程序员，9个月估值从100亿飙到260亿。投资人又砸了超10亿美元。
Devin，Cognition做的AI编程agent。年化收入4.92亿美元，企业用量今年涨了10倍。连美国军方都在用。
但这个数字才离谱：Cognition内部89%的代码是Devin自己写的。去年12月还只有13%。5个月，从13%干到89%。
有人说AI编程agent是软件史上最昂贵的错误。但当一个AI能写自己89%的代码，这笔账怎么算？
今天的数据也在印证这个趋势。GitHub上AI agent工具链全面爆发：Understand-Anything日增4466星，把代码变成可交互知识图谱；taste-skill日增2715星，给AI前端审美能力；ECC日增2062星，做agent性能优化。这些全是为"AI自主写代码"时代准备的基础设施。
但产品端却出现了严重的断层。235篇文章讨论AI技术，仅8个产品在Product Hunt上线。文章产品比29:1，技术讨论热度过高，但产品化速度远远跟不上。GitHub上热门的inference、web、management三个方向，在PH上零覆盖。这说明什么？机会窗口还没关，但正在收窄。
更值得注意的是，今天PH上所有Top产品评论数均为零。326票的Bluedot、289票的Powabase，投票很多但没人讨论。这不是用户不关心，而是用户还不知道怎么评估这些产品。谁能做好"AI agent产品"的用户教育，谁就抢占第一波用户心智。
3个爆款机会
方案1：AI Agent工具链导航与集成平台 开发者创业者
- 目标场景：面向使用Claude Code/Codex/Cursor的独立开发者，提供AI agent工具推荐和集成方案
- 切入点：先做GitHub上热门agent工具的中文评测数据库，覆盖inference/web/management三个方向
- 技术建议：GitHub API + NLP分类 + 静态站点生成，数据来自GitHub stars/trends和PH投票数据
- MVP范围：只做Claude Code生态的工具导航站，每周更新top20工具排行，不做社区功能
方案2：LLM应用开发后端即服务（BaaS） 创业者开发者
- 目标场景：面向中国中小企业和独立开发者，提供AI应用的一站式后端托管服务
- 切入点：先做RAG知识库托管这一个功能，支持PDF/网页/数据库三种数据源
- 技术建议：FastAPI + PostgreSQL + pgvector + 国内LLM API，Docker一键部署
- MVP范围：只做RAG检索增强，不做Agent编排，最多支持3个数据源，单用户限5个知识库
方案3：AI Agent性能优化与预算管理工具 开发者研究者
- 目标场景：面向重度使用AI API的创业团队，提供LLM调用成本监控、智能路由和预算管理
- 切入点：先做一个Anthropic/OpenAI API调用的成本分析CLI工具，可视化每次会话的token消耗和费用
- 技术建议：Python CLI + API proxy模式（拦截所有LLM请求），SQLite本地存储调用记录
- MVP范围：只支持Anthropic和OpenAI两个平台，只做监控和分析，不做自动路由
避坑指南
| 信号 | 含义 | 行动 |
|---|---|---|
| P1 AI基础设施产品数量变化100% | 基础设施赛道突然翻倍，竞争即将加剧 | 如做基础设施方向，必须在2周内上线MVP抢占先机 |
| P1 AI模型与框架产品数量变化33% | 模型层产品快速增加，蓝海正在变红 | 避免做通用模型层，聚焦细分场景的应用层 |
| P2 GitHub热门方向(inference/web/management)在PH无对应产品 | 开源热度和商业化脱节，需求验证不足 | 做之前先验证：GitHub用户愿不愿意为这个功能付费 |
| P2 文章产品比29:1，235篇仅8个产品 | 技术讨论热但产品化难，不要被文章热度误导 | 以PH投票和GitHub stars作为需求验证，不要以文章数量为依据 |
| 交叉分析：论文x产品 论文方向产品覆盖率仅10% | 学术验证不等于市场需求，论文到产品的转化率极低 | 选择已有PH产品验证的方向，不要从论文出发做产品 |
| 交叉分析：招聘x产品 招聘热门技能产品覆盖率0% | 企业招聘需求不等于用户付费意愿，可能是内部自建 | 先做用户调研：企业是愿意买SaaS还是更愿意自己建 |
今日数据
| 指标 | 数值 | 变化/说明 |
|---|---|---|
| 文章 | 235篇 | 技术讨论持续火热 |
| 产品 | 8个 | Product Hunt新上线 |
| 仓库 | 71个 | GitHub AI相关仓库 |
| 文章产品比 | 29:1 | 供给严重不足（远超正常5:1） |
| 精选数据 | 28条 | 智能多信号评分筛选 |
| 扩展数据源 | 10个维度 | tools(14)/tutorials(16)/opinions(27)/product_launches(14)/community(0) |
今日金句
当一个AI能写自己89%的代码，创业者的机会不是做下一个Devin，而是做Devin们还没覆盖的缝隙市场。
更多洞察
今日该维度暂无数据。