我用Cody读懂了三万行祖传代码，AI代码搜索太猛了

上周五，组里把一个运行了六年的老系统甩给了我。说是”交接”，其实就是一句”这个项目以后你负责维护”。打开代码库一看，三万多行，没有文档，注释比大熊猫还稀少，函数命名风格从”getUserInfo”到”xxx_test2″什么都有。我当时的心态，大概和被扔到荒岛上差不多。

接手老项目的崩溃时刻

说真的，接手别人写的代码比从头写更痛苦。你不知道这个函数为什么存在，不知道这行注释”临时方案，后续优化”是不是三年前写的，更不知道删掉某段逻辑会不会引发线上事故。

我试过用IDE的全局搜索，结果搜一个函数名出来几十个文件，每个都长得差不多。一个”process”方法，在不同的类里有七八个实现，根本搞不清调用的到底是哪个。

也试过直接问ChatGPT，把代码贴进去问”这段代码在干嘛”。但问题在于，ChatGPT只看你贴的片段，它不知道上下文，不知道这个函数被谁调用，更不知道整个项目的架构长什么样。

折腾了一整天，我只理清了一个模块的大致流程。照这个速度，全部摸完至少要两周。

Cody是什么？Sourcegraph出品的代码搜索AI

后来一个同事推荐了Cody。这是Sourcegraph做的AI编程助手，跟Copilot、Cursor不太一样——它的核心能力不是帮你写代码，而是帮你理解代码。

Cody背后接的是Sourcegraph的代码图谱引擎。简单说，它不光看单个文件，而是把整个仓库的调用关系、依赖关系、引用关系全部建了索引。你问它问题，它会在代码库里搜索相关上下文，然后把答案和对应的代码位置一起给你。

这对我来说太对口了。我不需要它帮我写新功能，我需要它帮我搞懂旧功能。

实际使用过程

第一步：连接仓库

Cody支持直接连接GitHub、GitLab仓库，也支持本地代码。我把那个老项目的GitHub仓库连上去之后，Cody花了大概两三分钟建索引。项目不大，三万行代码很快就索引完了。

如果你用的是私有仓库，需要配置一下Sourcegraph的访问令牌。公开仓库的话直接选就行，零配置。

第二步：用自然语言问问题

这一步是最爽的。我开始用中文直接问：

“用户登录的流程是什么？从入口到最终验证，涉及哪些核心函数？”

Cody给了我一个相当完整的回答：它找到了登录入口在那个Controller里，然后追踪到认证Service，再到Token生成和缓存逻辑。每个步骤都附了对应的文件路径和行号，点击就能跳转。

说实话，如果是我自己一个文件一个文件翻，这个流程至少要花半天。Cody大概用了十秒。

第三步：追问细节

光知道流程还不够，我需要理解每个模块的实现细节。于是我开始追问：

“processOrder这个函数里，第45行那个if判断的condition是什么意思？为什么要在status等于3的时候跳过？”

Cody不仅解释了那段代码的逻辑，还帮我找到了status字段的枚举定义——在一个叫constants的文件里，status=3代表”已退款订单”。这个信息在代码注释里完全没提到，我只能通过上下文推断。

这种”追问式”的代码理解方式特别适合接手老项目。你不需要一次搞懂全部，而是从你关心的问题出发，一层层往下挖。

第四步：让它帮我画调用链

Cody还有个功能我觉得特别实用——你可以让它生成调用链路。比如我问：

“OrderService.createOrder被哪些地方调用？最终会触发哪些下游操作？”

它会列出所有调用点，然后画出大致的调用路径。虽然不是可视化的图表，但文字版的调用链已经很清晰了。对于理解”改了这里会影响哪些功能”来说，足够用了。

效果对比：手动翻代码 vs 用Cody

我用两种方式分别理解了同一个模块（订单处理），记录一下对比：

手动方式：打开入口Controller → 搜函数名 → 找到Service → 读实现 → 发现调了另一个类 → 再去搜那个类 → 循环往复。一个模块下来大概花了4个小时，而且中途经常被无关代码带偏。

用Cody：直接问”订单处理模块的完整流程是什么”，10秒拿到概览。再追问关键细节，半小时搞懂了核心逻辑和边界条件。总共花了大概40分钟。

效率差距大约是6倍。当然，Cody偶尔也会理解错误，特别是代码命名很混乱的时候。但它给的文件路径和行号是真的，你可以快速验证。

复用指南：怎么把Cody用好

用了几天之后，我总结了几条经验：

1. 问题越具体越好。 “这个项目怎么运行的”这种问题太宽泛，Cody的回答会很泛泛。换成”用户下单后到支付成功，中间经历了哪些步骤”会好很多。

2. 善用追问。 一次问答搞不定的，就追问细节。Cody的上下文窗口够大，连续追问三四轮完全没问题。

3. 交叉验证关键逻辑。 涉及到线上核心逻辑的，一定手动确认一遍。AI有时候会”幻觉”出不存在的调用关系。

4. 用Recipes功能。 Cody内置了一些Recipe（配方），比如”解释这段代码”、”找到这个函数的所有调用者”、”生成单元测试”等，比自己写prompt更精准。

5. 结合IDE一起用。 Cody有VS Code和JetBrains的插件，可以直接在编辑器里用，不用切窗口。

关于价格

Cody的定价分三档。Free版本每月500次聊天和自动补全，对个人开发者来说够用了。Pro版本每月9美元，无限聊天，适合重度用户。Enterprise版本面向团队，支持更多仓库和SSO。

我个人觉得Free版就够接手一两个老项目用了。如果你每天都在老代码里泡着，Pro版值得升级。

几点不完美的地方

说了这么多好话，也聊聊不足：

一是Cody对中文注释的理解有时候不够准。老项目里有些注释是中英混杂的，偶尔会理解错意思。

二是大仓库的首次索引比较慢。三万行的项目还好，但如果是几十万行的大型monorepo，建索引可能要等挺久。

三是它的”调用链”分析还停留在文字层面。如果能生成可视化的调用图就更直观了。

写在最后

用了Cody之后，我对”接手老项目”这件事的恐惧值降低了不少。以前觉得是苦差事，现在反而有点像”考古”——有AI帮你翻译古人留下的”甲骨文”，你知道每段代码大概在干嘛，为什么这么写，改了会影响什么。

当然工具归工具，最终保证代码质量的还是人。Cody能帮你快速理解代码，但它不会帮你做架构决策，也不会替你背线上事故的锅。

但如果你正在接手一个庞大的老项目，或者在一个你不熟悉的代码库里摸索，Cody确实是目前最好的”代码考古工具”之一。至少比你在几十个文件里Ctrl+F要强太多了。