今天的编码智能体通过模型来读你的仓库。
它们在上下文窗口里一个文件接一个文件地打开,只为找到缺陷。这消耗 token 和时间。而且每次运行之后就忘了。
80,971同样 87 个案例中 Cursor 每次修复的平均 token 数。
Codna 以零 token绘制整个仓库的地图,然后派出智能体,只带上它需要的证据。
pip install codna在 87 个配对缺陷修复案例中对比 Cursor 测得:token 少 5 倍,速度快 1.7 倍,87 个修复中 87 个通过验证。
它们在上下文窗口里一个文件接一个文件地打开,只为找到缺陷。这消耗 token 和时间。而且每次运行之后就忘了。
80,971同样 87 个案例中 Cursor 每次修复的平均 token 数。
Codna 以零模型 token 绘制每个符号、依赖和影响范围。然后把限定在该 issue 范围内的证据包交给智能体,并在每次运行时打印原始到证据包的大小比例。Codna 还会记住:回忆运行在 Telys 上,我们的设备端记忆引擎。
16,159Codna 每次修复的平均 token 数。87 个中 87 个通过验证。
记忆
确定性图以零 token 绘制结构。Telys,我们的设备端记忆引擎,无需往返云端即可回忆相关代码。两者一起为智能体提供更小的证据包,并且记忆在会话之间持久保存。
确定性图负责结构。Telys 负责设备端回忆。在 87 个配对案例中对比 Cursor 测得。
工作原理
智能体不会在你的仓库里游荡。Codna 给它一张地图、证据,以及一条安全的交付路径。
Codna 把你的仓库解析成依赖与影响范围图。不用模型。零 token。
它指出可疑文件,打包证据,并带着根因和置信度运行智能体。
每个修复都报告影响范围和回归风险,并在应用或打开 pull request 之前通过风险闸门。
基准测试
在相同检出的 87 个配对缺陷修复案例中与 Cursor 正面对比。Codna 用更少的 token、更快的速度,验证了每一个修复。
| Codna | Cursor | |
|---|---|---|
| 已验证修复 · 87 个案例 | 87 / 87 | 87 / 87 |
| 平均耗时 | 13.4s | 22.6s |
| 每次修复平均 token 数 | 16.2K | 81.0K |
只有修复通过验证的案例才计入。完整表格见基准测试页。
Any language your repo imports · zero tokens
Codna builds its repository map from import patterns in any language — Python, TypeScript, Go, Rust, Java and more — for zero tokens.
工作流
一条命令、一个 GitHub App、一个 Action 或一个 MCP 服务器。Codna 就在你的工程团队已经工作的地方。
在任意仓库运行 codna fix .。或用 codna triage . 以零 token 理解它。
codna triage . codna fix . --issue "checkout fails"
把 Codna 作为 MCP 服务器加入 Cursor 或 Claude。五个工具:triage、fix、secure、recall 和 report。
Codna 审查每一个 pull request,从 issue 标签、评论或红色检查打开修复,合并由你决定。
每个修复都附带根因、置信度、影响范围和回归风险。