软件工程师 Nader Dabit 发了一篇长 thread，讲怎么让一家公司变成 AI-Native。他的核心结论很反直觉：不需要自建任何东西，把 Devin 配置好就行。

Devin 不只是 AI 编程工具

Devin 被认知（Cognition）定位为 AI 软件工程师，但它在企业里的角色远不止"帮工程师写代码"。它是一个通用 AI 同事，能在 Slack 里被 @，能跑数据库，能查 GitHub，能操作 Sentry。

关键在于它的平台层：集成、Skills、知识库、Playbook、定时任务。这些本来是 Ramp 这样的公司花大功夫自建的内部工具，Devin 直接做成了可配置的产品。

集成：一次连接，所有人都能用

Devin 原生支持 GitHub、GitLab、Bitbucket、Azure DevOps、Slack、Teams、Jira、Linear。100+ 其他集成（Notion、Sentry、Datadog、Figma、PostgreSQL、Salesforce、Stripe、HubSpot、BigQuery）多数是一键 OAuth。

接入之后，Devin 能创建 PR、回复 issue、在 Slack 里发帖、查数据库、从任何已连接工具里拉上下文——每次开新 session 都不需要重新配置。

一个工程师让 Devin 去 Sentry 追踪一个错误，查最近相关的 PR，在 GitHub 里开修复补丁，这些可以一次 session 完成。

Skills：把一个人的最佳实践变成所有人的肌肉记忆

Devin 的 Skills 机制很巧妙。每个 skill 就是一个 SKILL.md 文件，放在仓库的 .agents/skills/<skill-name>/ 目录下。Commit 到仓库里，Devin 自动索引，全团队可见。

比如有人找到了测试前端变更的最佳方式，或者部署到 staging 的标准流程——把这个 workflow 写成 SKILL.md，团队里每个人每次开 session 都会自动用它。

Skill 支持参数、!git branch --show-current 这样的动态上下文注入、allowed-tools 限制（调查任务只允许只读操作）。

Devin 自己也会建议创建 Skill。它在 session 里学到关于你项目的任何东西，会自动提议一个 SKILL.md，带一个"Create PR"按钮。Commit 即生效，不需要任何发布流程。

Playbook：把组织知识变成可复用的提示模板

Playbook 是组织级的 prompt 模板，存在 Devin Web App 里，全组织共享。每个 playbook 可以带一个短标识符（macro），比如 !investigate。任何人开始 session 时输入这个 macro，就自动带上那套流程。

企业版可以强制在全公司所有组织推送 playbook。

知识库：让 AI 知道你们的规定和上下文

公司有隐性的知识："MRR 单位是分，不是美元。""周五下午3点后不部署。""活跃用户定义是过去30天至少一次事件。"

Devin 的知识库存储这些信息，跨所有 session 持久化，并根据工作内容自动召回。知识有三级作用域：组织级、企业级（跨所有子组织）、仓库固定（特定仓库始终激活）。

同样，Devin 会根据你在 session 里的反馈自动建议知识条目。

定时任务：让 AI 成为永不忘记的自动化引擎

每天的健康摘要、每周的依赖更新、每晚的冒烟测试、周一早晨的指标报告——这些应该自动跑，不需要人记得去触发。

Devin 的 Schedule 支持 cron 表达式，触发时自动发邮件或 Slack 通知，可以挂载 playbook 保证每次流程一致。

实际例子：每周一早上让 DANA（Devin 的数据分析模块）从数据库拉关键业务指标，对比周环比趋势，用图表汇总发到 Slack。每晚跑 E2E 冒烟测试，报告结果到指定 channel。

Slack 原生：AI 在人们工作的地方出现

处理客户升级和 triage 生产告警的人在 Slack、Linear 和其他 app 里，不在某个独立的 AI 面板里。Devin 的 Slack 集成让 AI 就在那个工作流里。

在 channel 里 @Devin，带上 macro（如 !investigate），Devin 在 thread 里启动 session，自动带上 Sentry 的上下文，追踪错误，在 thread 里发回结果。

架构的本质：配置 > 建造

整篇文章描述的一切，都是配置，不是代码。一个人配好集成、写好第一批 Skills、填好知识库、设置好定时任务，几天就能跑起来。不需要基础设施团队，不需要自建工具。

这和 Ramp 报告的"99% adoption"背后的 Glass 是两种路径：Glass 是自建内部软件，Devin 是把这一套做成了可配置的产品。路径不同，终点一样——让 AI 真正渗透到日常工作流里，不是给工程师用的工具，而是全公司每个人的同事。