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
