Agentic chat

示例

Sourcegraph - 深思熟虑，精准回答

Agentic Chat（自主智能聊天）能够主动收集、审查并优化相关上下文，以提供高质量、上下文感知的回答。它减少了用户手动提供上下文的需求，而是通过 Agentic Context Retrieval（自主上下文检索） 自动从你的代码库、终端甚至互联网获取并分析可用的上下文信息。

Agentic Chat 的核心功能

在启用 Agentic Chat 后，你的 AI 代码助手将拥有一整套上下文检索和优化工具，包括：

  • 代码搜索：执行代码搜索
  • 代码库文件：检索代码库中的完整文件内容
  • 终端：执行终端命令，以获取系统或项目相关信息
  • Web 浏览器：在网上搜索实时信息
  • OpenCtx：支持任何 OpenCtx 提供的上下文数据

Agentic Chat：深思熟虑，精准回答

作者：Ado Kukic
发布日期：2025 年 1 月 29 日

当你指出 LLM（大语言模型）给出的回答大部分正确但缺少关键点后，它可能会回复你：“你说得对，正确的实现方式应该是……” 这种情况你是否经历过？如果是的话，你并不孤单。LLM 通过大量训练数据学习模式，以处理你的请求。然而，这种泛化往往优先考虑常识知识，而非特定领域的细节。如果你的提示词缺乏足够的上下文，LLM 可能会提供一个看似正确但缺乏关键细节的答案，从而影响任务的完成质量。

AI 代码助手需要更智能、更自主地运作。因此，我们今天正式为 Sourcegraph 用户推出 Agentic Chat（自主智能聊天） 。这一新功能能够主动收集、审查并优化相关上下文，以提供高质量、上下文感知的回答。它减少了用户手动提供上下文的需求，而是通过 * Agentic Context Retrieval（自主上下文检索）* 自动从你的代码库、终端甚至互联网获取并分析可用的上下文信息。

Agentic Chat 的核心功能

在启用 Agentic Chat 后，你的 AI 代码助手将拥有一整套上下文检索和优化工具，包括：

  • 代码搜索：执行代码搜索
  • 代码库文件：检索代码库中的完整文件内容
  • 终端：执行终端命令，以获取系统或项目相关信息
  • Web 浏览器：在网上搜索实时信息
  • OpenCtx：支持任何 OpenCtx 提供的上下文数据
生成单元测试

单元测试生成是 AI 代码助手最常见的应用场景之一。开发者往往不喜欢写单元测试，虽然它重复但至关重要。

如果我们让 Cody 生成 openExternalAuthUrl 函数的单元测试，但 没有提供任何上下文，它仍然会生成测试代码，但正确性的概率不高。

在下图中，我让 Cody 生成 openExternalAuthUrl 函数的单元测试。由于没有指定文件或代码库，Cody 生成的测试尝试从一个 不存在的 openExternalAuthUrl.ts 文件 中导入函数。此外，测试代码也缺少函数的具体功能上下文。

手动修正方法：如果我手动指定了正确的文件 AuthProviderSimplified.ts，结果会更准确。

Agentic Chat 方式：
在 Agentic Chat 的帮助下，我可以直接发送相同的提示，而无需手动提供或引导 Cody。Agentic Chat 首先进行上下文检索，找到 openExternalAuthUrl 函数所在的位置，然后提取相关文件，最终生成更高质量的单元测试，确保测试覆盖代码的实际功能。

上下文收集与优化

让我们看另一个示例，演示 Agentic Chat 如何自动收集上下文信息。假设我包含了整个 sourcegraph/cody 代码库，并提出一个非简单的问题：

Agentic Chat 默认执行多少步反思（reflection）？

Cody 在获取了代码库后，选取了 20 个文件 作为上下文，并生成了一个初步答案，虽然有一定参考价值，但仍然未能完全回答我的问题。

在 Agentic Chat 模式下，即使提供了整个 sourcegraph/cody 代码库，它仍然会 进行反思和分析，优化上下文，最终发现 * 唯一需要的文件是 deepCody.ts*，从而生成准确的答案。

终端访问

Agentic Chat 还可以访问你的终端（需要用户授权）。如果 AI 认为需要执行某个终端命令来回答你的问题，它会请求你的许可，并利用终端输出提供更准确的解答。

示例：统计仓库中的文件数量

  • 没有 Agentic Chat：用户需要手动执行命令并输入结果。
  • 使用 Agentic Chat：AI 自动生成命令，并在用户批准后执行，获取结果并提供解答。

终端访问还能用于更多场景，例如：

  • 运行 npm audit 并总结关键问题
  • 获取代码仓库的最新变更摘要
  • 其他项目或系统级任务

值得注意的是，终端命令始终需要用户手动批准后才会执行，以确保安全性。

Web 搜索

LLMs 训练数据通常滞后 数月甚至数年，而技术更新速度远超这个周期。因此，开发者常常遇到 API 版本过时的问题。

Agentic Chat 能够 实时访问 Web，在需要时执行搜索，获取最新数据。例如，我们可以让 Cody 查找 Twilio 的最新快速入门指南，并将其作为上下文，帮助我们将 API 集成到应用程序中。

OpenCtx 集成

Agentic Chat 还能与 OpenCtx（开放上下文协议） 结合，支持从 Linear、Jira、Slack、Google Docs、Prometheus 等工具获取上下文。

例如，假设我在 Sourcegraph 博客上看到有人报告了一个问题，但描述模糊。如果不提供上下文，Cody 可能会给出泛泛而谈的解决方案，甚至涉及我们不使用的技术栈。

使用 Agentic Chat 和 OpenCtx 后：

  • Cody 能精准识别该问题
  • 提供相关细节，例如 问题编号、名称
  • 直接给出 针对性的解决方案