让 AI 先读完你的整个代码库，再来回答问题

接手一套百万行的遗留系统是什么体验？头一个星期，人人都是考古队员：

Cody 的产品逻辑正是冲着这三连问来的：与其让模型猜，不如让它先去现场取证。答案后面跟着出处链接，你点过去就能核对原文——这在写代码这件事上，比口才重要得多。

要理解 Cody，得先认识它身后的公司。Sourcegraph 于 2013 年创立，核心业务是通用代码搜索：让工程师能像搜索互联网那样，在横跨成百上千个仓库的代码海洋里精确定位一个符号、一段实现或者一次历史变更。多年服务中大型工程组织的经历，让这家公司积累了两个别家短期难以复制的资产：一是对超大单仓与多仓场景的索引优化经验，二是遍布真实企业代码库的检索基础设施。当生成式 AI 浪潮到来时，别人忙着把模型接进编辑器，Sourcegraph 则把自家搜索能力接进了模型——Cody 就是这两股力量汇合的产物。

• Chat 问答：针对当前文件、当前仓库乃至整个代码组织提问，回答自带代码引用。
• 内联编辑：在编辑器里选中片段描述意图，就地完成改写，不打断手上的节奏。
• 快捷指令（Commands）：一键生成单元测试、解释潜在坏味道、撰写提交说明等固定动作。
• Prompts 沉淀：把团队验证过的高质量提示词保存共享，新人直接复用老手的问法。

想快速验证它值不值，推荐按这三步走。第一步，装好扩展并接上仓库：在编辑器扩展市场搜索安装后，用 Sourcegraph 账号登录，把当前项目与需要关联的其他仓库一并接入——检索范围越完整，答案质量越有保障。第二步，从「考古型问题」开始问：别急着让它写新代码，先拿「这个配置项在哪里生效」「这条链路的起点在哪」这类事实性问题试水，核对几轮出处之后你就能判断它的可信度水位。第三步，把验证过的用法固化为团队资产：哪些问法命中率高、哪些场景必须人工复核，整理成内部清单沉淀进 Prompts，让下一位同事不必重新踩坑。整个过程不需要改变现有工作流，这也是插件形态相对整体迁移编辑器的务实之处。

各家迭代节奏都很快，上表为定性比较而非跑分结论，选型请以近期试用为准。另据官网信息，Sourcegraph 团队也在推进面向智能体场景的新工具（如 Amp），Cody 的档位政策亦有调整，最新情况以其官网为准。

Cody 曾长期提供面向个人的免费档，此后权益结构经历过调整；企业版按组织规模与部署方式定价。具体哪些功能落在哪一档，本文不做断言，请以官方定价页为准。