资源

指南、基准测试和对比。

指南、已测量的基准测试和正面对比。数字来自对比 Cursor 的 87 个配对案例:token 少 5 倍,速度快 1.7 倍,87 个中 87 个通过验证。

资源

基准测试报告

87 个配对缺陷修复案例中 Codna 对比 Cursor 的方法和结果。

打开
01

自主代码修复

为什么智能体在修复之前需要一张确定性地图。

阅读
02

AI 代码审查

严重性、置信度和明确的结论如何让 pull request 审查更快。

阅读
03

从 Sentry 到 PR

把生产故障变成附带根因的修复 pull request。

阅读

常见问题

在 87 个配对案例中对比 Cursor,Codna 的 token 少 5 倍、速度快 1.7 倍。双方都验证了 87 个修复中的 87 个。Codna 每次修复的模型花费平均约 $0.02。

每个案例的总 token、实际耗时、模型成本和已验证修复,在相同检出上运行的 87 个配对案例上取平均。

Codna 不用模型、以零 token 绘制仓库地图,并把限定在 issue 范围内的证据包交给智能体。它在每次运行时打印原始到证据包的大小比例。

仓库地图基于导入模式构建,因此不绑定某一种语言。codna impact 把 diff 缩小到它可能影响的测试。设备端回忆覆盖 Python、JavaScript、TypeScript、Go、Rust、Java、C、C++、C#、PHP 和 Ruby。

Codna 用依赖与影响范围图定位受影响的代码,从证据包进行修复,并报告根因、置信度、影响范围和回归风险。在 GitHub 上,它打开一个自我说明的 pull request。由你合并。

理解在你的机器上运行。只有证据包或 diff 会通过你的密钥送达模型提供商。在 codna.yaml 中把 privacy.egress 设为 fail-closed,Codna 就只在内核级网络拒绝之下运行你的测试。