研究者在使用 AI 编程助手 Devin 一个月后反馈不佳，尽管在简单任务上表现尚可，但在复杂任务中频繁失败，且无法预测成功率。Devin 在处理现有代码和研究任务时表现糟糕，导致团队浪费大量时间。新版本虽有所改进，但未解决核心问题。