适用场景与部署思路
Sourcegraph Cody 是面向研发团队的 AI 编程工具，常用于代码检索、上下文问答、函数解释、单元测试生成和重构建议。与普通聊天式工具不同，Cody 的优势在于能够结合代码库索引、仓库权限和编辑器上下文，让回答更贴近真实项目。对于希望在团队内部使用、并对代码访问范围有明确要求的企业或工作室，建议采用“Sourcegraph 服务端 + Cody 编辑器插件 + 可控模型服务”的组合。
需要先明确一点：Cody 本身不是一个单独的离线大模型文件，它通常通过模型接口完成推理。所谓“模型下载与导入”，更准确地说，是在本地或内网准备一个兼容接口的代码模型，再把该模型服务接入 Sourcegraph Cody。这样既能降低外部依赖，也方便做多用户权限配置、审计和资源限制。
安装前准备
建议准备一台 Linux 服务器或性能较好的工作站。小团队测试可使用 8 核 CPU、32GB 内存和 200GB SSD；如果要运行本地代码模型，建议配置显存 16GB 以上的显卡，模型越大对显存和内存要求越高。软件方面需要 Docker 或 Podman、Git、可访问的代码仓库服务，以及 VS Code 或 JetBrains 系列 IDE。
代码仓库可以来自 GitLab、Gitea、GitHub Enterprise 或自建 Git 服务。正式环境不建议直接把个人测试仓库和生产仓库混在一起，应先建立测试空间，确认索引、权限和模型效果稳定后再逐步接入核心项目。
部署 Sourcegraph 服务端
测试环境可使用单容器方式快速启动 Sourcegraph。安装容器运行环境后，拉取官方 Sourcegraph Server 镜像并映射 7080 端口，启动完成后通过浏览器访问管理页面，创建首个管理员账号。正式环境建议使用官方推荐的多服务部署方案，便于后续扩容、日志采集和备份。
进入管理后台后，先完成站点基础设置，包括站点地址、管理员邮箱、外部代码仓库连接信息和索引策略。接入代码仓库时建议使用只读访问凭据，避免把高权限账号配置到索引服务中。仓库较多时不要一次性全量导入，可按团队、项目或语言分批接入，观察索引耗时和磁盘增长情况。
下载并准备本地代码模型
如果团队希望使用本地模型，可选择支持代码补全和问答的模型，例如 Qwen Coder、DeepSeek Coder、CodeLlama 等系列。常见运行方式包括 Ollama、vLLM、LM Studio 或其他兼容 OpenAI API 格式的推理服务。以 Ollama 为例，安装后可执行模型拉取命令，如 ollama pull qwen2.5-coder:7b；如果使用 GGUF 文件，可通过 Modelfile 创建本地模型条目，再由 Ollama 对外提供接口。
模型选择要结合硬件和用途。7B 级别模型部署容易，适合代码解释、简单生成和测试；14B 或更大模型效果更好，但资源消耗明显增加。若主要用于代码搜索和问答，模型上下文长度比参数规模更重要；若主要做自动补全，则延迟比长文本能力更关键。建议先用小模型验证流程，再替换为更强模型。
将模型服务导入 Cody 配置
模型服务启动后，需要在 Sourcegraph 管理后台配置 Cody 的 completions provider。进入 Site Admin 的配置区域，找到 Cody 或 Completions 相关设置，填写模型接口地址、模型名称、认证密钥和超时参数。如果使用本地接口，地址通常类似 https://内网主机:11434/v1 或推理服务提供的兼容地址。密钥即使在内网也建议设置，避免被无关进程调用。
配置完成后，先在管理后台或测试用户环境中验证问答能力。可以选择一个已索引仓库，提问“解释这个函数的调用链”“查找某个配置项在哪里使用”等问题。如果回答明显脱离代码上下文，通常是仓库索引未完成、编辑器未登录正确实例，或模型接口没有被 Cody 正确调用。
安装 Cody 编辑器插件
开发者端需要安装 Sourcegraph Cody 插件。VS Code 用户可在扩展市场搜索 Sourcegraph Cody 并安装；JetBrains 用户可在插件市场安装对应版本。安装后选择连接到自建 Sourcegraph 实例，输入服务端地址并按提示登录。若团队启用了统一登录，应通过组织账号完成授权。
登录成功后，打开已接入 Sourcegraph 的项目仓库，Cody 才能充分利用代码上下文。首次使用建议从三类任务开始验证：选中函数后让 Cody 解释逻辑；让 Cody 根据当前文件生成测试思路；在聊天窗口询问某个类或接口在仓库中的使用位置。若这些任务都能返回稳定结果，说明服务端、索引和模型链路基本可用。
多用户权限配置
团队环境中，权限配置比安装本身更重要。Sourcegraph 的权限控制应遵循“仓库权限继承、用户最小授权、管理员单独管理”的原则。首先，在 Sourcegraph 中创建普通用户、项目负责人和管理员三类角色。普通用户只允许访问自己参与的仓库；项目负责人可管理本项目仓库接入和成员；管理员负责站点配置、模型服务和全局策略。
如果代码仓库平台本身已有成员体系，建议启用权限同步，让 Sourcegraph 根据代码平台的项目成员关系决定谁能搜索哪些仓库。这样用户在 Cody 中提问时，只会基于自己有权访问的代码生成回答。切勿为了省事把所有仓库设为全员可见，否则 AI 问答会放大权限配置错误带来的风险。
对于 Cody 功能本身，还应设置使用范围和资源限制。可按用户组开启 Cody，先给试点团队使用，再逐步开放。模型接口密钥不要下发给个人，应由 Sourcegraph 服务端统一调用。需要时可在反向袋里或模型服务层面增加调用频率限制，避免单个用户的批量请求占满资源。
注意事项与安全边界
使用 AI 编程工具时，不要把密钥、客户资料、未脱敏日志或敏感配置直接粘贴到聊天窗口。即便模型部署在本地，也应把 Cody 当作团队研发系统的一部分进行管理，配置日志留存周期、访问审计和备份策略。离职账号、外包账号和临时测试账号应及时停用。
模型生成的代码不能直接视为可上线结果。它可能引用不存在的接口、误解业务规则，或生成不符合项目规范的实现。建议建立“AI 生成内容必须经过人工审查、测试覆盖和代码评审”的流程。对于开源依赖和许可证，也应由研发人员确认来源与合规性。
常见问题处理
第一，插件无法登录。通常是 Sourcegraph 地址填写错误、证书不被本机信任、账号未启用或浏览器回调被拦截。可先用浏览器访问服务端确认账号可用，再在插件中重新授权。
第二，Cody 能聊天但不懂项目代码。优先检查仓库是否已接入、索引是否完成、当前 IDE 打开的目录是否对应已索引仓库。大型仓库首次索引需要时间，期间回答质量会波动。
第三，本地模型响应慢。可降低模型规模、缩短上下文长度、启用量化版本，或把推理服务迁移到显卡资源更充足的机器。补全类任务对延迟敏感，问答类任务对准确性要求更高，两者可配置不同模型。
第四，部分用户看到不该看到的仓库。应立即暂停相关用户访问，检查代码平台成员关系、Sourcegraph 权限同步状态和缓存刷新时间。修复后再进行抽样验证，确认搜索结果和 Cody 回答都符合预期。
实用建议
落地时不要追求一步到位。推荐先选一个中等规模仓库、三到五名开发者和一个 7B 或 14B 代码模型做试点，记录回答准确率、补全延迟、资源占用和开发者反馈。确认收益后，再扩展到更多仓库和团队。
同时，为团队准备一份 Cody 使用规范，例如适合提问的问题类型、禁止提交的信息类型、生成代码的审查要求、故障反馈入口和账号申请流程。Sourcegraph Cody 的价值不只是“让 AI 写代码”，而是把代码搜索、上下文理解和团队权限体系结合起来，形成可控、可审计、可持续改进的 AI 编程环境。
