Sourcegraph Cody 完整攻略：从新手到高手

是什么 / 适合谁

Sourcegraph Cody 是一款以企业代码搜索为根基的 AI 编程助手，由美国公司 Sourcegraph 打造。与市面上多数 AI 编码工具不同，Cody 并不满足于“帮你补全几行代码”，而是将 AI 能力嵌入到整个代码库的上下文中——它能理解你仓库里的全部代码、文档、配置文件，并基于这些信息回答问题、生成代码、解释逻辑、编写测试。

简单来说，如果你把 GitHub Copilot 看作“基于当前文件上下文的 AI 补全”，Cody 就是“基于整个仓库的 AI 工程师”。

适合人群：

• 在大型代码库中工作的开发者（尤其是后端、全栈、基础设施方向）
• 需要快速理解遗留项目、开源项目或团队仓库的技术负责人
• 希望用 AI 辅助代码审查、文档生成、重构建议的团队
• 愿意接受“联网使用”但不想花大价钱购买 Copilot 的独立开发者（Cody 有免费层）

不适合：

• 完全离线工作、无法连接外网的环境
• 只需要简单代码补全、不关心仓库上下文的小型项目
• 对工具响应速度要求极高、不能接受偶尔延迟的用户

阶段学习路径

第1天：安装与基础问答

1. 安装插件
   Cody 以 IDE 插件形式工作，支持 VS Code、JetBrains 系列、Neovim 等。前往对应插件市场搜索“Cody”安装即可。安装后需要登录 Sourcegraph 账号（可用 GitHub 或 GitLab 账户注册）。

2. 打开一个项目
   建议用一个你熟悉的、有一定规模的代码仓库来测试。Cody 会自动索引当前打开的根目录代码（首次索引可能需要几秒到几十秒，取决于仓库大小）。

3. 尝试基础问答
   在 Cody 聊天面板中直接提问，例如：

   • “这个项目中认证流程是怎样的？”
   • “解释 src/utils/auth.ts 文件的作用”
   • “这个仓库用了哪些第三方库？”

   你会立刻感受到它与纯语言模型的区别——回答会引用具体文件路径、代码片段，甚至跨文件串联逻辑。

4. 使用快捷命令
   在编辑器内选中一段代码，右键选择“Explain Code”或“Find Bugs”，Cody 会基于选中内容给出解释或潜在问题。这是第一天最值得反复练习的操作。

第1周：深入上下文与代码生成

1. 学习“上下文”机制
   Cody 的问答质量取决于你提供的上下文。你可以：

   • 在聊天中手动 @ 文件名或目录，强制它参考特定文件
   • 使用 # 引用代码符号（函数名、类名、变量名）
   • 打开多个文件作为“上下文窗口”

2. 用自然语言生成代码
   尝试：“在 src/services/userService.ts 中添加一个方法，根据用户ID查询其最近10条订单，并返回订单摘要。”
   Cody 会读取该文件现有代码风格、类型定义、已有方法，生成符合项目规范的代码。生成后建议手动检查并调整。

3. 代码审查辅助
   在 Pull Request 场景中，将待审查的代码粘贴到 Cody 聊天中，提问：“这段代码有什么潜在问题？性能如何？安全性如何？” 它能够从依赖注入、错误处理、类型安全等角度给出建议。

4. 编写测试
   选中一个函数，输入：“为这个函数编写 Jest 测试用例，覆盖正常路径、边界条件和错误情况。” Cody 会参考仓库中已有的测试风格（如是否使用 describe/it 还是 test）生成测试。

进阶：自定义命令与批量重构

1. 创建自定义命令
   在 Cody 设置中，你可以定义自己的快捷命令，例如：

   • 命令名：/add-logger
     执行内容：“为当前选中函数添加结构化日志，包含参数和返回值”
   • 命令名：/check-i18n
     执行内容：“检查当前文件所有字符串是否都使用了国际化函数”

   这些命令可以大幅提升日常重复工作的效率。

2. 跨文件重构
   当你需要修改一个公共接口或数据模型时，可以这样提问：“我把 User 接口中的 email 字段改为 emailAddress，列出所有需要修改的文件和具体位置。” Cody 会扫描整个仓库，给出修改清单，甚至提供批量替换的代码片段。

3. 文档生成与知识库
   对于大型项目，可以要求 Cody：“为 src/core/ 目录下的所有模块生成 README 摘要，包括每个模块的职责、主要类、依赖关系。” 生成后可作为团队文档的基础。

优势

• 真正的仓库级理解：不是只看当前文件，而是索引整个仓库的符号、类型、依赖关系，回答更精准。
• 企业级搜索基础：Sourcegraph 本身是顶级代码搜索引擎，Cody 继承了其索引能力，即使百万行代码也能快速定位。
• 免费层慷慨：个人免费版每月有足够的请求配额，支持大多数日常使用场景。
• 开源友好：对开源项目免费开放更多功能，维护者可以免费使用高级特性。

短板

• 需要联网：所有 AI 查询都需要发送到 Sourcegraph 服务器，无法离线使用。国内网络环境下偶尔会有延迟或连接不稳定。
• 与 Copilot 重叠：如果你已经购买了 GitHub Copilot，Cody 的代码补全功能会与它部分重复，且 Cody 的实时补全不如 Copilot 流畅。
• 学习曲线：要充分发挥 Cody 的能力，需要理解“上下文管理”和“自定义命令”等概念，新手可能只当普通聊天工具用，浪费了核心价值。
• 企业版价格不透明：个人免费版够用，但团队高级功能需要联系销售报价，没有公开定价。

价格规划

• Free（个人免费版）：每月 500 次聊天请求 + 无限代码搜索。适合个人开发者、开源贡献者。
• Pro（付费版）：每月 9 美元（约 65 元人民币），增加请求次数、支持更多上下文、优先响应。适合重度用户。
• Enterprise（企业版）：需要联系销售，提供 SSO、审计日志、私有部署等。适合团队和公司。

注意：国内用户购买 Pro 版需要国际支付方式，免费版已足够大部分使用场景。

不合适怎么办

如果你遇到以下情况，Cody 可能不是最佳选择：

• 网络受限：建议使用国内可访问的 AI 编程工具，如通义灵码（阿里）、CodeGeeX（智谱）、百度 Comate。这些工具同样支持代码补全和问答，且网络更稳定。
• 只需要补全：如果主要需求是“写代码时自动补全”，GitHub Copilot 或 Tabnine 在实时性上表现更好。
• 团队协作需求：如果团队需要统一的 AI 编程工具且要求私有化部署，可以考虑国内厂商的企业版方案，或开源的 Continue.dev 搭配本地模型。

一个折中方案是：日常编码用国内工具做补全，遇到复杂仓库理解或代码审查任务时，临时打开 Cody 做深度分析。