Sourcegraph Cody
基于代码库上下文的AI编程助手。
Sourcegraph Cody 介绍
Sourcegraph Cody 是一个AI编程助手，它能帮你更快地理解、编写和修复代码。这个工具利用了最新的LLM模型和你的开发上下文，通过Sourcegraph强大的搜索API从本地和远程代码库拉取信息，让你能基于整个代码库中的API、符号和使用模式来获得准确的上下文支持。
Cody可以连接到GitHub、GitLab这样的代码托管平台，也能与VS Code、JetBrains、Visual Studio等IDE无缝配合。连接后，它就像你的个人AI编程搭档，能直接和你聊天讨论代码问题，还能帮你补全代码、修改代码，甚至根据你设置的提示词来自动完成一些重复性工作。
主要功能
Chat对话
直接和AI聊天来提问代码问题、生成代码或修改代码，对话时能获取你打开文件的上下文信息。
代码补全
在你写代码时自动补全代码，减少重复输入。
代码编辑
对已有代码进行修改或重构，支持自定义提示词来引导操作。
自定义提示
可以设置自己在开发中的常用提示词，让Cody按你的习惯来工作。
上下文感知
利用整个代码库的上下文信息来提供更准确的结果，而不是仅基于当前文件。
使用场景
开发者需要理解不熟悉的代码库
面对大型或陌生的代码库时，难以快速理解代码逻辑和API用法
用Cody的开发者聊天功能，基于整个代码库的上下文，解释代码功能和符号含义
开发者需要根据现有代码模式编写新功能
手动编写代码难以复用已有的API和使用模式，导致风格不一致
用Cody的代码补全和代码编辑功能，结合本地和远程代码库上下文，自动生成符合现有模式的代码
开发者需要修复代码中的错误
定位和修复bug时缺乏对依赖关系和全局用法的了解
用Cody的开发者聊天功能，借助Sourcegraph Search API提供的上下文，分析错误并提出修复建议
使用建议
这个工具特别适合团队协作开发环境的开发者，尤其是当你管理着大型代码库，需要快速理解API用法或全局符号时，Cody能帮你省掉不少翻文档的时间。
如果你主要使用VS Code、JetBrains或Visual Studio这些编辑器，同时也用GitHub或GitLab管理代码，可以试试Cody的IDE插件来提升日常开发效率。
常见问题
用户评分
为此工具评分
相关工具推荐
TRAE - IDE
TRAE AI IDE | 国内首款 AI 原生集成开发环境，深度集成 Doubao-1.5-pro 与 DeepSeek 模型，支持中文自然语言一键生成完整代码框架，实时预览前端效果并智能修复 BUG。首创 Builder 模式实现需求到代码的自动化开发，兼容 Windows/macOS 系统，官网下载即用。
TRAE - IDE
TRAE AI IDE | 国内首款 AI 原生集成开发环境，深度集成 Doubao-1.5-pro 与 DeepSeek 模型，支持中文自然语言一键生成完整代码框架，实时预览前端效果并智能修复 BUG。首创 Builder 模式实现需求到代码的自动化开发，兼容 Windows/macOS 系统，官网下载即用。
CodeBuddy
腾讯云工具 CodeBuddy 是下一代 AI Code Editor。Powered 由 Tencent Yuanbao Code Large Model 提供支持，包括代码补全、错误诊断、技术 Q&A 和性能优化等服务。Supporting 支持主流编程语言，编码效率提升 90%，代码错误率降低 35%，使其适用于企业级应用开发和教学实践。
CodeBuddy
腾讯云工具 CodeBuddy 是下一代 AI Code Editor。Powered 由 Tencent Yuanbao Code Large Model 提供支持，包括代码补全、错误诊断、技术 Q&A 和性能优化等服务。Supporting 支持主流编程语言，编码效率提升 90%，代码错误率降低 35%，使其适用于企业级应用开发和教学实践。
最新资讯
智能体AI验证与自改进机制研究
arXiv新论文提出一种形式化框架，用于分析智能体AI系统在验证与自改进过程中的能力边界。该研究区分了不同改进机制，并通过有界验证、随机性控制和复杂性类分析，揭示了自改进行为对正确性、证据要求及资源消耗的影响。
LLM智能体受限自演化与准入闸门机制
一项arXiv研究提出，自我改进的LLM智能体若重写自身，会破坏监管者所依赖的变更记录。研究者将自演化限定在运行时挂架层，模型权重保持不变，并设计带哈希链记录的准入闸门。仿真中闸门仅接纳7449个候选变更中的144个，且无一致命错误恶化。
智能体可控遗忘机制实现上下文可逆压缩
arXiv论文提出智能体控制的遗忘机制，让模型把冗余的工具返回结果替换为简短笔记并存入可恢复归档，无需任务训练。在OpenTelemetry调试实验中，提示词token从912492降至231951，成本从约4.38美元降至约1.28至1.44美元，但耗时增加17%，且节省效果依赖具体工作负载。
可解释的表头中心语义表格解读框架
arXiv 上一项研究提出以表头为中心的可解释框架，用于仅有元数据条件下的列类型标注与数据质量评估。该框架把表头映射为39种可解释类型，结合数据质量问题分类体系生成规则化检测，并聚合为数据源级指标 HeadersIQ，在约12万列表头上完成评测。
无模式数据合成框架STS实现企业级智能体训练数据生成
研究者提出无模式数据合成范式STS，让大模型智能体在模拟企业环境中通过调用策略执行API生成数据，由构造保证结构有效性。其通用填充器GP在十个环境中实现0.88平均边际保真度与百分之百约束满足，且无需访问数据库模式，并开源全部框架、环境与数据集。