Codna kartiert dein Repo für null Tokens. Dann liefert ein Agent einen Fix mit Ursache, Konfidenz und Regressionsrisiko, für im Schnitt etwa 0,02 $ pro Fix.
Codna parst Symbole, Imports, Aufrufpfade, Tests und Abhängigkeiten in einen Graphen, den der Agent abfragen kann.
Statt Dateien in ein Kontextfenster zu kippen, baut Codna ein kompaktes Bündel: verdächtige Dateien, Aufrufkette, fehlschlagender Test und Risikokarte. Der Bericht nennt, was gefunden wurde.
✓ codna fixed . root cause : <one sentence> symbol : <function> (blast radius: N) confidence : N% · regression risk: N% context : raw → bundle tokens (N× smaller)
Kernfähigkeiten
Jeden lokalen Pfad oder jede Git-URL für null Modell-Tokens kartieren und sehen, wohin die Änderung gehört.
Aus einem auf das Issue zugeschnittenen Evidenzbündel beheben. Ursache, Konfidenz und Regressionsrisiko inklusive. Mit --open-pr den Pull Request öffnen.
Jeden Pull Request prüfen. Funde tragen Schweregrad, Kategorie und Konfidenz. Ein sauberer Diff erhält eine Freigabe.
Beweisen, welche Scanner-Funde erreichbar sind. Codna liest SARIF von CodeQL, Semgrep, Snyk oder Trivy und verbraucht null Modell-Tokens.
Verteilung
Codna baut ohne Modell einen Abhängigkeits- und Wirkungsradius-Graphen des Repositories, für null Tokens. Aus diesem Graphen packt es ein auf das Issue zugeschnittenes Evidenzbündel und gibt bei jedem Lauf das Verhältnis von Roh- zu Bündelgröße aus. Der Agent arbeitet nur an dem, was zählt.
Jeder Fix meldet Ursache, Konfidenz, Wirkungsradius und Regressionsrisiko und passiert ein Risiko-Gate, bevor er angewendet wird oder ein Pull Request geöffnet wird. Führe codna fix --tests --apply aus, und Codna lässt deine Tests in einer Sandbox laufen und behebt nach, bis sie bestehen.
Die Repository-Karte wird aus Import-Mustern gebaut und ist daher nicht an eine Sprache gebunden. On-Device-Recall deckt Python, JavaScript, TypeScript, Go, Rust, Java, C, C++, C#, PHP und Ruby ab. Setze fix.test_command in codna.yaml auf deinen eigenen Test-Runner.
In 87 abgestimmten Bugfix-Fällen gegen Cursor brauchte Codna 5× weniger Tokens und lief 1,7× schneller. Beide verifizierten 87 von 87 Fixes. Codna kostete im Schnitt etwa 0,02 $ an Modellausgaben pro Fix.
Codna gibt es als CLI, als MCP-Server für Cursor und Claude, als GitHub Action und als GitHub App, die Pull Requests prüft und Fix-PRs in deinem Repo öffnet.
Das Verstehen läuft auf deinem Rechner. Nur das Evidenzbündel oder der Diff erreicht deinen Modellanbieter, mit deinem Schlüssel. Dein Code wird nicht zum Trainieren von Modellen verwendet, es sei denn, du stimmst zu.
