Chatten Sie mit jedem GitHub Repo

Es ist ein Code-aware-Chat, der eine ganze Codebase lädt und Sie Fragen darüber in englischer Sprache stellen kann. Fügen Sie eine öffentliche GitHub repo URL ein (oder laden Sie Ihre Dateien hoch) und die KI liest das Projekt, dann antwortet Dinge wie "wo wird Auth behandelt?", "erklären Sie diese Funktion", "warum scheitert dieser Test?", oder "was ruft diese API?" — mit Verweisen auf die tatsächlichen Dateien. Betrachten Sie es als Paarprogrammierung mit jemandem, der bereits Ihren gesamten Repo gelesen hat.

(1) Fügen Sie eine repo URL ein (z.B. https://github.com/owner/project) und klicken Sie auf Laden — wir klonen sie und indexieren die Quelle. (2) Ziehen Sie Ihre eigenen Dateien oder einen gezippten Ordner, wenn der Code privat oder lokal ist. Sobald er indexiert ist, starten Sie einfach mit dem Chat. Wechseln Sie zwischen geladenen Repos, ohne die Konversation zu verlieren.

Öffentliche GitHub-Repositories funktionieren heute über URL, sowie direkte Datei/Ordner/Zip-Upload für alles, was nicht auf GitHub. GitLab und Bitbucket URL-Import sind auf der Roadmap. Bis dahin, für ein GitLab oder Bitbucket-Projekt nur laden Sie die repo als zip und upload it — der Chat behandelt hochgeladenen Code identisch zu einem geklonten repo.

Ja. Es läuft auf unserem selbst gehosteten Qwen 3 Coder-Modell auf dem täglichen kostenlosen Token-Pool — 2.500 Token/Tag anonym, 10.000/Tag mit einem kostenlosen Konto. Eine typische Frage-und-Antwort-Drehung kostet ~100-300 Token. Die Indexierung einer Repo ist billig; Sie geben nur Token aus, wenn Sie Fragen stellen. Premium-Modelle (Claude Sonnet / GPT-5) sind pro Anruf für sehr große oder knifflige Überlegungen über die Codebase verfügbar.

Kein Training, nie. Hochgeladene Dateien und geklonte Repos werden nur für die Dauer Ihrer Sitzung gehalten, so dass die KI Fragen beantworten kann, dann gelöscht. Öffentliche Repos, auf die Sie zeigen, sind bereits öffentlich. Privater Code, den Sie hochladen, wird nie freigegeben, nie verwendet, um Modelle zu trainieren, und wird automatisch gelöscht.

Einzelne Dateien bis zu 10MB und gezippt Projekte bis zu etwa 100MB / ein paar tausend Quelldateien Index zuverlässig. Sehr große Monorepos werden durch die Indexierung der wichtigsten Dateien zuerst unterstützt — die KI holt die Brocken gebunden an Ihre Frage, anstatt stopft den ganzen Baum in eine prompt. Binäre Assets, node_modules, bauen Artefakte, und Lockfiles werden automatisch übersprungen, so dass der Index bleibt auf reale Quelle konzentriert.

Es indexiert den gesamten Repo und ruft dann die wichtigsten Brocken für jede Frage (retrieval-augmented) ab. Das hält die Antworten geerdet in den richtigen Dateien, ohne das Kontextfenster des Modells zu überschreiten. Wenn Sie nach einer bestimmten Funktion oder Datei fragen, zieht es diesen Code und seine Anrufer/Anrufe; wenn Sie eine breite Architekturfrage stellen, zieht es die strukturelle Übersicht. Sie können auch @-mention einen Pfad, um ihn dort zu fokussieren.

Alle populären – Python, JavaScript/TypeScript, Java, C/C++, C#, Go, Rust, Ruby, PHP, Swift, Kotlin, plus config (YAML, JSON, TOML), SQL, Shell, Dockerfiles und Framework-Konventionen (Django, Flask, React, Vue, Spring, Rails, Express, und mehr). Weil es die gleiche Qwen 3 Coder-Engine hinter unseren /code/ Generatoren ist, erkennt es Idiome und Projektlayout, nicht nur Syntax.

Ja — bitten Sie ihn, einen Fehler zu beheben, eine Funktion zu refaktorieren, Fehlerbehandlung hinzuzufügen oder eine Funktion zu implementieren, und er gibt den geänderten Code mit einer Erklärung der Änderung zurück. Er ist schreibgeschützt gegen Ihr Repo (es schiebt nie Commits), also kopieren Sie den vorgeschlagenen Diff und wenden ihn selbst an. Für einen dedizierten Fix-and-Debug-Flow verwenden Sie /code/debug/ und /code/refaktor/ für größere Umstrukturierungen.

Ja. Zeigen Sie es auf ein Modul und fragen Sie nach Unit-Tests (Pytest, Jest, JUnit, etc.) und es schreibt sie gegen die realen Signaturen, die es gelesen. Fragen Sie nach einem README, Docstrings oder API-docs und es generiert sie aus dem aktuellen Code. Für one-shot-Versionen außerhalb eines repo chat, /code/test/ und /code/documentation/ und /code/readme/ sind die dedizierten Tools.

Klare /chat/Antworten aus dem allgemeinen Wissen und was immer Sie in die Nachricht einfügen. Chatten Sie mit Repo begründet jede Antwort in Ihrer eigentlichen indizierten Codebase — es zitiert reale Dateien, folgt Importen über Module und bleibt mit Ihren Projektkonventionen übereinstimmend. Verwenden Sie /chat/ für allgemeine Codierungshilfe; verwenden Sie dies, wenn die Antwort davon abhängt, wie Ihr spezifisches Projekt miteinander verdrahtet wird.

Ja — der zugrunde liegende Code-Chat ist über POST zu /v1/chat/ auf api.free.ai mit Bearer auth mit einem Entwickler-API-Schlüssel erreichbar. Senden Sie Ihren Repo-Kontext oder Dateiinhalt als Teil der Anfrage und streamen Sie die Antwort zurück, OpenAI-kompatibel. Nützlich für das Erstellen von Code-Review-Bots oder CI-Assistenten. Python / Node / cURL snippets bei /api/.