Raccoon ist ein von SenseTime gestarteter KI-Code-Assistent . Es bietet Codegenerierung, -vervollständigung, -interpretation und mehrsprachige Unterstützung basierend auf einem selbst entwickelten großen Modell, das gängige IDE-Plug-Ins und Webseiten abdeckt.

coderaccoon

Kodieren Sie die Kernparameter und Statistiken von Little Raccoon

Raccoon ist ein von SenseTime gestarteter KI-Code-Assistent. Es wird als „Werkzeug zur Verbesserung der Programmiereffizienz positioniert, das auf dem selbst entwickelten großen Modell von SenseTime basiert und für chinesische Entwickler geeignet ist“. Basierend auf den drei Grundfunktionen Code-Vervollständigung, Konversationsgenerierung und Code-Erklärung deckt es die gesamte Entwicklungsverbindung von der täglichen Codierung bis zur Codeüberprüfung über IDE-Plug-Ins und Webseiten ab. Im Vergleich zu ähnlichen Tools besteht der größte Unterschied darin, dass das selbstentwickelte Modell von SenseTime anstelle von GPT- oder Open-Source-Modellpaketen verwendet wird, was native Vorteile in Bezug auf chinesisches Verständnis, inländische Compliance und privatisierte Bereitstellung auf Unternehmensebene bietet.

Projekte	Öffentliche Informationen
Offizielle Positionierung	AI-Code-Assistent
Produzent	SenseTime
Zugrundeliegendes Modell	Das von SenseTime selbst entwickelte große Modell (Ririxin-Großmodellsystem)
Kernkompetenzen	Codegenerierung, Vervollständigung, Interpretation, mehrsprachiges, dateiübergreifendes Verständnis
Zugangsformular	VS Code-Plugin JetBrains-Plugin, Webseite
Support-Plattform	Web, Desktop
Unterstützte Sprachen	Chinesisch, Englisch
Neueste Version	Waschbär 2.0 (~2025-06)
Erste Veröffentlichung	Waschbär 1.0 (~2024-02)
Lizenzmodell	Kostenlos für Einzelpersonen + kostenpflichtig für Unternehmen

Selbst entwickelte Modellbasis: Die Funktionen von Code Raccoon basieren auf dem großen SenseNova-Modellsystem und sind keine einfache Kapselung von GPT oder LLaMA. Dies bedeutet, dass die Modellschicht im Hinblick auf das semantische Verständnis Chinas, die Anpassung inländischer Programmierstandards und die Konformitätsprüfung über kontrollierbaren Anpassungsraum verfügt und nicht auf externe API-Kanäle angewiesen ist.

IDE-Volllink-Abdeckung: Integrieren Sie KI-Funktionen in jeden Berührungspunkt des Codierens, Debuggens und Überprüfens über die beiden wichtigsten IDE-Plug-Ins, VS Code und JetBrains. Die Webseite dient als kompaktes Portal und eignet sich für vorübergehende Fragen und Antworten sowie für Situationen, in denen die Installation von Plug-Ins umständlich ist. Anders als die Strategie von Copilot, die sich auf das GitHub-Ökosystem konzentriert, legt Code Raccoon mehr Wert auf das Erlebnis der „immersiven Vervollständigung“ innerhalb der IDE.

Positionierungsunterschiede zu Mainstream-KI-Programmierassistenten: Die folgende Tabelle zeigt die Unterschiede in den Kerndimensionen zwischen Code Raccoon und vier Mainstream-Konkurrenzprodukten:

Dimension	Codeium-Copilot	GitHub-Copilot	Tongyi Lingma	Baidu Comate	Codeium/Windsurfen
Basismodell	SenseTime Selbstforschung	OpenAI-Codex/GPT-4o	Tongyi Qianwen	Wenxin großes Modell	Selbstforschung + Open-Source-Hybrid
Kernpunkte der Unterschiede	Inländische Selbstrecherche, Compliance-freundlich	Größte Ökologie, stärkste Mehrsprachigkeit	Alibaba-Systemintegration	Baidu-Systemintegration	Hohes kostenloses Kontingent
IDE-Abdeckung	VS-Code, JetBrains	VS Code, JetBrains, Xcode und mehr	VS-Code, JetBrains	VS Code, JetBrains, IntellJ	VS-Code, JetBrains
Chinesische Unterstützung	Native Optimierung	Abhängig vom zugrunde liegenden Modell	Native Optimierung	Native Optimierung	Allgemein
Unternehmensprivatisierung	Unterstützung	Nicht unterstützt	Unterstützung	Unterstützung	Nicht unterstützt
Kostenlos für Einzelpersonen	Ja	Begrenzt kostenlos	Ja	Ja	Ja

Positionierung in einem Satz: Code Little Raccoon ist kein „Ersatz des inländischen GitHub Copilot“, sondern ein unabhängiges KI-Programmiertool-Ökosystem, das auf den Modellfunktionen von SenseTime basiert – es hat einen unersetzlichen differenzierten Wert in Szenarien, in denen inländische Substitution und Compliance Priorität haben.

Benutzer- und Markterkennung von Code Little Raccoon

Die Marktbekanntheit von Code Little Raccoon weist eine dreistufige Struktur aus „SenseTime-Markenunterstützung + alternatives Lokalisierungsfenster + Reputationsaufbau des Entwicklers“ auf. Der Beamte hat die Gesamtzahl der Nutzer und die Zahl der zahlenden Kunden noch nicht bekannt gegeben, seine Marktposition lässt sich jedoch aus öffentlichen Informationen ableiten.

Markenunterstützung und Ressourcenausstattung von SenseTime: Als führendes inländisches KI-Unternehmen verfügt SenseTime über umfangreiche Erfahrungen in den Bereichen Computer Vision und große Modelle. Code Little Raccoon ist das erste Programmierprodukt, das SenseTime für Entwickler herausgebracht hat. Mit Hilfe der gesamten Technologiemarke von SenseTime AI sowie der Ressourcen von Regierungs- und Unternehmenskunden verfügt es über ein natürliches Vertrauenspotenzial in lokalisierten Alternativszenarien. Für Regierungs- und Unternehmenskunden, die bereits andere KI-Produkte von SenseTime (wie Smart Cities, Smart Cars usw.) genutzt haben, kann Code Raccoon als natürliche Erweiterung der Programmiertoolkette dienen.

Zeitraum für den Austausch der Lokalisierung: Da die Richtlinien zur Informationsinnovation und die Anforderungen an die Datenkonformität immer strenger werden, müssen immer mehr Forschungs- und Entwicklungsteams in Regierungen und Unternehmen nach Programmierassistenten suchen, die privat eingesetzt werden können, Daten außerhalb der Domäne halten und über unabhängige und kontrollierbare Modelle verfügen. Die Positionierung von Code Raccoon „selbst entwickeltes Modell + Unterstützung für Privatisierung“ füllt perfekt das Marktsegment der staatlichen Unternehmen aus, in das Copilot und Codeium aufgrund von Datenexportproblemen nur schwer eindringen können. Die natürlichen Mängel internationaler Konkurrenzprodukte in den Bereichen Datensouveränität und Compliance-Prüfung bilden das Kernmarktfenster von Code Raccoon.

Reputation der Entwickler und Community-Ökologie: Gemessen an den Rückmeldungen inländischer technischer Communities (wie CSDN, Nuggets und Zhihu Bilibili) hat Code Raccoon eine gewisse Anerkennung in Bezug auf die Vervollständigungsgenauigkeit der chinesischen Benennung und die Leistung inländischer Frameworks (wie die Generierung chinesischer Annotationen mit Spring Boot und das Schreiben von MyBatis-Zuordnungsdateien) erlangt. Im Vergleich zu den weltweit führenden Codierungsmodellen besteht jedoch immer noch eine Lücke in der Intelligenz von Front-End-Frameworks wie React/TypeScript und der Tiefe des Python-Ökosystems. Zu den häufigen Rückmeldungen in Community-Diskussionen gehören: „Chinesische Annotationsgenerierung ist natürlicher als bei Copilot“, „Spring Boot gut verstehen“, „Aber die Ratschläge beim Umgang mit komplexen Refactorings sind nicht so genau wie bei Copilot“.

Voraussetzungen: Die Wirksamkeit des Code-Assistenten hängt stark von der Kontextqualität und dem Aufgabentyp ab. In Abschlussszenarien (Inline-Vorschläge) sind die Reaktionsgeschwindigkeit und Genauigkeit von Code Raccoon stabil; In komplexen Szenarien, die ein globales Verständnis erfordern, wie z. B. dateiübergreifende Generierung und groß angelegte Rekonstruktionen, hängt der Effekt jedoch davon ab, wie tief das Modell den Projektkontext versteht. Bei der Bewertung sollte das Team einen Probelauf auf der Grundlage seines eigenen Projekttyps und seiner eigenen Programmiersprache durchführen und keine Urteile ausschließlich auf der Grundlage der Öffentlichkeitsarbeit fällen.

Der Kostenvorteil von Code Raccoon

Der Kostenvorteil ist ein entscheidender Wettbewerbsfaktor für Code Little Raccoon im heimischen Bereich der KI-Programmierung. Auf der C-Seite verfolgt es eine radikal freie Strategie und senkt auf der B-Seite die Beschaffungshürden für Regierung und Unternehmen durch flexible Privatisierungspläne.

C-Seite/Individuell: völlig kostenlos, keine Funktionskastration

Einzelne Entwickler können das IDE-Plug-in von der offiziellen Website herunterladen oder die Webseite direkt nutzen. Die Kernfunktionen zur Codevervollständigung, -generierung und -interpretation sind alle kostenlos und offen, und es gibt keine Begrenzung für die Anzahl der täglichen Verwendungen oder die Obergrenze für die Anzahl der generierten Zeilen. Dies steht in krassem Gegensatz zum 10-Dollar-Monat-Abonnement von Copilot und ist besser als die Strategie von Codeium, die Abschlusshäufigkeit in der kostenlosen Version zu begrenzen.

Die Wahrheit über die kostenlose Version: Die tatsächlichen Einschränkungen der persönlichen kostenlosen Version spiegeln sich hauptsächlich in zwei Aspekten wider: Erstens erfordern erweiterte Funktionen auf Unternehmensebene (z. B. Team-Collaboration-Management, privatisierte Bereitstellung) eine Zahlung; Zweitens beinhaltet der kostenlose Service keine SLA-Garantie und es kann während der Hauptverkehrszeiten zu Reaktionsverzögerungen kommen. In rein codierungsgestützten Szenarien deckt die kostenlose Version jedoch den Großteil des täglichen Bedarfs ab.

Entwickler/API: Nicht bekannt gegebene Preise für eigenständige APIs

Code Little Raccoon verwendet derzeit IDE-Plug-ins und Webseiten als Hauptbereitstellungsformen, und die offiziellen Preise für unabhängige API-Aufrufe wurden nicht bekannt gegeben. Im Gegensatz zu Modellen, die APIs wie DeepSeek und Tongyi Qianwen bereitstellen, werden die Modellfunktionen von CodeXiaoXiong indirekt über Client-Plug-ins bereitgestellt, und Entwickler können das Modell nicht direkt über die API aufrufen, um ihre eigenen Toolketten einzubetten.

Versteckte Kosten: Wenn Teams Modellfunktionen über APIs in CI/CD-Pipelines oder interne Toolplattformen integrieren möchten, stellt Code Raccoon derzeit keine Standard-API-Schnittstelle bereit. Das bedeutet, dass Sie die Plug-in-Automatisierungslogik selbst kapseln oder das zugrunde liegende Modell durch einen anderen Dienst ersetzen müssen, der eine API bereitstellt. Dies ist eine wichtige Leistungslücke zwischen Code Little Raccoon und Copilot (Bereitstellung der GitHub-API) und Tongyi Lingma (Bereitstellung der Alibaba Cloud-API).

Unternehmen/Privatisierung: Geschäftsbestätigungssystem, geeignet für Regierungs- und Unternehmensszenarien

Der Kernwert von Lösungen auf Unternehmensebene liegt in der Datensouveränität – Codedaten werden innerhalb des Unternehmensnetzwerks verarbeitet und verlassen nicht die Domäne oder passieren Clouds von Drittanbietern. Das Preismodell ist ein typisches Geschäftsbestätigungssystem, und die Kosten hängen von der Anzahl der Sitze, dem Umfang der Bereitstellung und zusätzlichen Diensten (z. B. privatisierter Kontextanpassung, Modellanpassung und Feinabstimmung) ab. Im Vergleich zu Copilot Enterprise (39 USD/Benutzer/Monat) sind die Gesamtbetriebskosten von Copilot Enterprise bei gleicher Anzahl von Benutzern konkurrenzfähig, die tatsächlichen Implementierungskosten müssen jedoch die GPU-Computing-Infrastruktur sowie Betriebs- und Wartungspersonal in das Hauptbuch einbeziehen:

Kostendimension	Kostenlose Personal Edition	Unternehmensprivatisierungsplan (Abzugsschätzung)
Lizenzgebühr	0	Unternehmensbestätigung nach Sitz-/Einsatzgröße
GPU-Infrastruktur	Keine Notwendigkeit	Bringen Sie Ihren eigenen GPU-Server mit oder mieten Sie einen
Betriebs- und Wartungspersonal	Keine Notwendigkeit	Teamwartung und -einsatz erforderlich
Modellanpassung	Nicht unterstützt	Verhandelbare Feinabstimmung
SLA-Garantie	Keine	Vertragsvereinbarung

Implizite Kosten: Die tatsächlichen Gesamtbetriebskosten der Bereitstellung auf Unternehmensebene umfassen Kauf-/Leasinggebühren für GPU-Rechenleistung, Personal für Betrieb und Wartung sowie Upgrade- und Testkosten für Modellversionsiterationen. Basierend auf einem Forschungs- und Entwicklungsteam von 50 bis 100 Mitarbeitern können die Gesamtkosten für den privatisierten Einsatz im ersten Jahr zwischen 100.000 und 300.000 liegen (einschließlich Servern und Arbeitskräften), was höher ist als die jährliche Gebühr für den direkten Kauf der kommerziellen Version von Copilot in derselben Größenordnung (etwa 40.000 bis 80.000 US-Dollar). Der Wert, Daten aus der Domäne fernzuhalten, kann jedoch den Preisunterschied selbst für Branchen wie Finanzen, Regierungsangelegenheiten und Militärindustrie weit übersteigen.

Die Hauptfunktionen von Code Little Raccoon

Das Funktionssystem von Code Raccoon dreht sich um die drei Ebenen „Completion-Generation-Understanding“. Es bettet nicht einfach die Chat-Schnittstelle des großen Modells in die IDE ein, sondern entwirft differenzierte Interaktionsmodi für den Codierungsworkflow.

• Intelligente Code-Vervollständigung: Bietet Inline-Vervollständigungsvorschläge in Echtzeit basierend auf dem aktuellen Dateikontext, der Cursorposition und nahegelegenen Codestrukturen. Der Vervollständigungsmechanismus ähnelt dem von Copilot, aber Code Raccoon verhält sich bei der chinesischen Benennung natürlicher (z. B. chinesische Camel-Case-Variablen, chinesische Kommentarvervollständigung). Synergieeffekt: Die Vervollständigung ist nicht nur ein einzeiliger Vorschlag – wenn eine Funktionssignatur geändert wird, verknüpft der Vervollständigungsmechanismus automatisch alle aufgerufenen Referenzpunkte und schlägt gemeinsame Änderungsvorschläge vor, um Auslassungen nach dem Refactoring zu reduzieren.

• Generierung von Konversationscode (Inline-Chat): Rufen Sie das Dialogfenster über die Seitenleiste oder Tastenkombinationen in der IDE auf und generieren Sie Funktionen, Module oder Testfälle, nachdem Sie die Anforderungen in natürlicher Sprache beschrieben haben. Expertenmeinung: Der eigentliche Effizienzgewinn dieser Funktion liegt nicht darin, „den vollständigen Code auf einmal zu generieren“, sondern in „mehreren Iterationsrunden“ – zunächst die Beschreibung der allgemeinen Logik, die es dem Modell ermöglicht, ein Grundgerüst zu generieren, und dann die schrittweise Verfeinerung der Anforderungen, um die Details anzupassen. Diese Interaktionsmethode ist viel schneller als die reine manuelle Codierung + Suchschleife, setzt jedoch voraus, dass der Entwickler die Anforderungen klar beschreiben und die Ausgabe aus der Code-Perspektive überprüfen kann.

• Interpretation und Verständnis des Codes: Nach der Auswahl eines Codeabschnitts generiert das Modell eine Erklärung in natürlicher Sprache, um das Lesen komplexer Logik, veralteter Systemcodes oder unbekannter Sprachsyntax zu erleichtern. Expertenansicht: Der Wert dieser Funktion in Codeüberprüfungsszenarien wird oft unterschätzt – Prüfer können potenzielle Problembereiche schnell lokalisieren, ohne alle Details zu verstehen, und dann entscheiden, ob eine eingehende Überprüfung erforderlich ist. Bei Onboarding-Legacy-Projekten mit neuen Teammitgliedern kann die Code-Erklärungsfunktion die durchschnittliche Code-Verstehenszeit reduzieren (geschätzt von 15–30 Minuten auf 3–5 Minuten/Segment).

• Dateiübergreifendes Kontextverständnis (neu in 2.0): Raccoon 2.0 bietet die Möglichkeit, die Codebasis auf Projektebene tiefgreifend zu verstehen. Vervollständigung und Generierung beschränken sich nicht mehr auf die aktuell geöffnete Datei, sondern beziehen sich auf abhängige Dateien, Typdefinitionen und Projektstrukturen. Synergie: Beim Generieren einer neuen Funktion, die eine vorhandene API aufruft, liest das Modell automatisch die Typdefinition und Anmerkungen der API, um den erwarteten Aufrufcode zu generieren, wodurch der manuelle Wechselaufwand für das „Erraten der API-Signatur“ reduziert wird.

• Mehrsprachige Abdeckung: Unterstützt gängige Programmiersprachen wie Python, JavaScript/TypeScript, Java, Go, C/C++, Rust und SQL. Wenn man sich auf die Java- (Spring Boot, MyBatis) und Python-Ökosysteme konzentriert, die häufig von chinesischen Entwicklern als Optimierungsschwerpunkt verwendet werden, variiert die Leistung neuer Technologie-Stacks (wie Rust, Go) je nach Abdeckung der Modelltrainingsdaten.

• Generierung von Unit-Tests: Nach Auswahl einer Klasse oder Funktion werden automatisch Unit-Testfälle generiert, die zum Framework (JUnit, Pytest, Jest usw.) passen. Expertenmeinung: Das bedeutendste Effizienzsteigerungsszenario besteht darin, einzelne Tests zu vorhandenen Funktionen hinzuzufügen, was normalerweise eine sich stark wiederholende Arbeit darstellt. Bei der generierten Testabdeckung handelt es sich jedoch eher um eine „Syntax- und logische Pfadabdeckung“ als um eine „Geschäftssemantikabdeckung“ und sie sollte als Ausgangspunkt für das Testschreiben und nicht als endgültiger Entwurf verwendet werden.

• Unterstützung bei der Codeüberprüfung (Vorschläge): Fordern Sie eine Problemanalyse, potenzielle Fehlererkennung und Optimierungsvorschläge für ausgewählte Codeausschnitte an. Synergie: In Kombination mit der Code-Interpretationsfunktion entsteht ein dreistufiger Prozess „Verstehen → Analyse → Optimierung“, wodurch die Kosten für den Kontextwechsel zwischen Editor, Suchmaschine und Dokument reduziert werden.

Modell- und Versionsentwicklung von Code Raccoon

Die Versionsentwicklung von Code Raccoon spiegelt direkt den Iterationsrhythmus der selbst entwickelten großen Modelle von SenseTime wider. Von der ersten Veröffentlichung von 1.0 bis zum 2.0-Upgrade sind derzeit zwei Kernversionsknoten öffentlich verfügbar, und die Zwischenversionen und Protokolle zur Modellfeinabstimmung wurden nicht vollständig offengelegt.

Hauptversion

Version	Veröffentlichungszeit	Kernänderungen	Technische Basis
Waschbär 2.0	~2025-06	Aktualisieren Sie das zugrunde liegende große Modell, verbessern Sie das Verständnis auf Codebasisebene und die dateiübergreifenden Generierungsfunktionen und erweitern Sie IDE-Plug-Ins und Webseitenfunktionen	Das täglich neue aktualisierte Modell von SenseTime
Waschbär 1.0	~2024-02	Erste Version, die Code-Vervollständigung, Konversationsgenerierung, Code-Erklärung und Zugriff auf Mainstream-IDE-Plug-Ins bietet	SenseTime täglich neues großes Modell

Raccoon 2.0 (~2025-06): Dies ist das wichtigste Upgrade seit der Veröffentlichung des Produkts. Die Kernänderung liegt in der Modellebene – von der Basisversion des täglich neuen großen SenseTime-Modells bis zur erweiterten Version wurden Verbesserungen beim Verständnis auf Codebasisebene (dateiübergreifendes Kontextbewusstsein), bei der Rekonstruktionsunterstützung auf Projektebene und bei der semantischen Konsistenz chinesischer Szenen vorgenommen. Das IDE-Plug-in verfügt über umfassendere Editor-Integrationsfunktionen, um die Häufigkeit zu reduzieren, mit der Benutzer zwischen verschiedenen Tools wechseln müssen.

Raccoon 1.0 (~2024-02): Die erste Version legte die drei Kernfunktionen Vervollständigung, Generierung und Interpretation fest und deckte die beiden wichtigsten IDE-Plattformen VS Code und JetBrains ab. Die technischen Fähigkeiten der Version 1.0 basieren auf der ersten codeoptimierten Version des täglich neuen großen Modells von SenseTime, das differenzierte Vorteile in chinesischen Codeszenarien zeigt (insbesondere Projekte mit chinesischen Variablennamen und Methodenanmerkungen). Während des 1.0-Lebenszyklus führte SenseTime weiterhin iterative Optimierungen der clientseitigen Inferenzgeschwindigkeit und Abschlussgenauigkeit durch, diese wurden jedoch nicht mit unabhängigen Versionsnummern veröffentlicht.

Rhythmus der Versionsiteration: Die Versionsiteration von Code Raccoon ist mit dem Versionsupgrade der täglich neuen großen Modelle von SenseTime verknüpft und nicht mit einem unabhängigen Produktentwicklungszyklus. Das bedeutet, dass die Häufigkeit und der Rhythmus der Modellaktualisierungen durch den gesamten Modellentwicklungsplan von SenseTime bestimmt werden – normalerweise ein großer Aktualisierungszyklus von 12 bis 18 Monaten, unterbrochen von Modellfeinabstimmung und serverseitiger Leistungsoptimierung. Im Vergleich zu Copilot (kontinuierliche Optimierung auf wöchentlicher/monatlicher Basis) hat Code Raccoon einen langsameren Versionsrhythmus, aber einen größeren Sprung in der Modellfähigkeit mit jedem Upgrade.

Versionshinweise: Der Beamte hat nicht alle Zwischenversionen und Feinabstimmungsdatensätze zwischen 1.0 und 2.0 vollständig offengelegt. Bei den oben genannten Veröffentlichungsterminen handelt es sich um ungefähre Werte, „einen offiziellen genauen Termin gibt es noch nicht“. Es wird empfohlen, sich als aktuelle Grundlage auf die offizielle Website und die offiziellen Ankündigungen zu beziehen.

Technische Vorteile von Code Raccoon

Der technische Vorteil von Code Raccoon ist nicht einfach ein „größeres Modell“, sondern spiegelt sich in den Systemfunktionen auf drei Ebenen wider: „autonomes und kontrollierbares Modell“, „native Anpassung an chinesische Szenarien“ und „flexible und konforme Bereitstellung privater Domänen“.

Steuerbarkeit und Anpassungsraum selbst entwickelter Modelle: Im Gegensatz zu Programmierassistenten, die APIs von Drittanbietern verwenden, wird die Modellebene von Code Raccoon vollständig von SenseTime selbst entwickelt. SenseTime kann das Trainingsdatenverhältnis, die Feinabstimmungsrichtung und die Bereitstellungsmethode des Modells steuern. Das heißt, wenn Unternehmenskunden Optimierungsbedarf für eine bestimmte Programmiersprache oder ein bestimmtes Framework haben, kann eine Feinabstimmung des Modells ausgehandelt werden, ohne durch die Leistungsgrenzen des zugrunde liegenden API-Anbieters eingeschränkt zu werden. Der Preis besteht darin, dass die Basisfähigkeiten selbst entwickelter Modelle weiterhin mit internationalen Modellen mithalten müssen – SenseTime hat viele Forschungs- und Entwicklungsressourcen in universelle Code-Benchmarks investiert, aber es besteht immer noch eine Lücke zu GPT-4o und Claude in Bezug auf die Tiefe des Python-Ökosystems und die Abdeckung der neuesten Frameworks (wie AI/ML-Toolketten).

Native Optimierung chinesischer Programmierszenarien: Dies ist der am leichtesten erkennbare differenzierte Vorteil von Code Raccoon. In den gängigen Mustern chinesischer benannter Variablen (wie „Benutzername“ und „Benutzername gemischt“), gemischter chinesischer und englischer Kommentare und inländischer Frameworks (Spring Boot, MyBatis, Vue.js, Element UI) ist die Verständnisgenauigkeit des Modells deutlich höher als die von Modellen, die hauptsächlich auf Englisch trainiert wurden, da die Trainingsdaten eine große Anzahl hochwertiger Beispiele aus inländischen Technologieblogs und Open-Source-Projekten enthalten. Der tatsächliche Effekt ist wie folgt: Die automatische Vervollständigung vorgeschlagener chinesischer Kommentare ist natürlicher, das semantische Verständnis chinesischer technischer Fragen und Antworten ist genauer und die Generierung von Codefragmenten im inländischen API-Dokumentstil ist standardisierter.

Private Domain-Bereitstellung und Datensouveränitätsgarantie: Die technische Kernarchitektur von Code Little Raccoon unterstützt eine rein private Bereitstellung – Modelle, Inferenz-Engines und Plug-in-Backends werden alle im Unternehmensintranet ausgeführt, und Codedaten werden nicht über ein externes Netzwerk übertragen. Dies ist eine unersetzliche Kernanforderung in High-Compliance-Branchen wie Finanzen, Regierungsangelegenheiten, Militärindustrie und Energie. Im Gegensatz dazu werden die Codedaten von Copilot über die Cloud-Dienste GitHub/Microsoft übertragen. Obwohl es nicht für Schulungen verwendet wird, besteht beim Datenexport ein Problem bei der Compliance-Überprüfung.

Iterative Fähigkeiten der großen Ririxin-Modelle: Die große Modellreihe von SenseTime Ririxin deckt mehrere Spezifikationen von 10 Milliarden bis Hunderten von Milliarden Parametern ab. Code Raccoon wählt die Modellspezifikationen aus, die für Codierungsszenarien in verschiedenen Versionen am besten geeignet sind – und sorgt dabei für ein ausgewogenes Verhältnis von Reaktionsgeschwindigkeit und Codequalität. Die anhaltende Führung des RiRiXin-Modells beim chinesischen NLP-Benchmark bietet die zugrunde liegende Garantie für die chinesische Programmiererfahrung von Code Little Raccoon. Es sollte jedoch darauf hingewiesen werden, dass die Codefähigkeit nur eine vertikale Anwendungsrichtung der Ririxin-Modellfähigkeiten ist. Es konzentriert sich nicht wie Codex/Copilot auf den Code von Anfang an. Im Hinblick auf die Qualität der reinen Codegenerierung wird der Code-Waschbär durch den Codeanteil in den Modelltrainingsdaten eingeschränkt.

Herausforderungen bei der technischen Implementierung: Code-Vervollständigungsszenarien reagieren äußerst empfindlich auf Latenz – der Benutzer erwartet, Vorschläge zu sehen, „bevor er das nächste Zeichen eingibt“. Code Raccoon hat viele technische Optimierungen in Bezug auf die Latenz der clientseitigen Inferenz und die Reaktionsgeschwindigkeit des Plug-ins vorgenommen. Bei instabiler Netzwerkqualität (private Bereitstellung) oder in Szenarien mit hoher Parallelität kann sich die Abschlusserfahrung jedoch erheblich verschlechtern. Es wird empfohlen, dass Unternehmensbenutzer vor der Privatisierungsbereitstellung Latenz- und Durchsatzstresstests basierend auf der tatsächlichen Projektlast durchführen, um die Lücke zwischen „vollständiger Konfigurationsbeschaffung und halber Geschwindigkeitsimplementierung“ zu vermeiden.

So verwenden Sie den Waschbärencode

Code Little Raccoon bietet drei Zugriffsformen, die unterschiedliche Bedarfsebenen abdecken, von persönlichen Erstanwendern bis hin zur Bereitstellung auf Unternehmensebene.

So verwenden Sie	Geeignet für die Menge	Kernkompetenzen	Kosten
IDE-Plugin (VS Code / JetBrains)	Tägliche Entwickler	Code-Vervollständigung, Dialoggenerierung, Erklärung, Testgenerierung	Kostenlos für Einzelpersonen
Web	Temporäre Codierung, Fragen und Antworten	Konversationscodegenerierung, Codeerklärung	Kostenlos für Einzelpersonen
Plan zur Unternehmensprivatisierung	Regierung und Unternehmen/Compliance-Team	Voller Funktionsumfang + privater Einsatz + Teammanagement	Geschäftsbestätigung

Schneller Einstieg mit dem IDE-Plug-in: Suchen Sie im VS Code-Erweiterungsmarkt oder im JetBrains Marketplace nach „code raccoon“ oder „Raccoon“ und installieren Sie es. Schließen Sie nach der Installation die Kontoregistrierung in den Einstellungen ab (unterstützt die Anmeldung per Mobiltelefonnummer/E-Mail) und Sie können es direkt im Editor verwenden. Standard-Tastenkombination: „Tab“ akzeptiert Vervollständigungsvorschläge, „Strg+Umschalt+K“ (VS-Code) / „Strg+Umschalt+R“ (JetBrains) ruft das Dialogfenster auf.

Schnelle Verwendung auf der Webseite: Besuchen Sie die offizielle Website https://www.xiaohuanxiong.com/. Sie können die Funktionen zur Konversationscodegenerierung und Codeerklärung im Browser verwenden, ohne Software installieren zu müssen. Geeignet für gelegentliche Fragen und Antworten zum Codieren oder in Umgebungen ohne IDE-Plug-Ins.

Enterprise Privatization Deployment: Wenden Sie sich an das Geschäftsteam von SenseTime, um das Bereitstellungspaket zu erhalten. Die typische Bereitstellungsarchitektur ist „Unternehmens-Intranet-GPU-Server + Modellinferenzdienst + Plug-in-Backend-Gateway“. Die für die Bereitstellung erforderliche Hardwarekonfiguration, Netzwerkanforderungen sowie Betriebs- und Wartungsrichtlinien unterliegen den offiziellen Bereitstellungsdokumenten von SenseTime. Es wird empfohlen, dass Unternehmensbenutzer zunächst die IDE-Plug-in-Version (über den SenseTime-Cloud-Dienst) für Teamtests verwenden und dann entscheiden, ob sie in eine privatisierte Bereitstellung investieren möchten, nachdem sie die Abschlussqualität und die Teamakzeptanz überprüft haben.

Verwendungsvorschläge: Für die tägliche Entwicklung sind IDE-Plug-Ins der Haupteingang. Es wird empfohlen, das Plug-in während des Codierens aktiviert zu lassen (die standardmäßige automatische Vervollständigung verursacht keine nennenswerten Verzögerungen) und das Dialogfenster nur dann aktiv aufzurufen, wenn eine komplexe Codegenerierung oder Codeüberprüfung erforderlich ist. Um neue Frameworks zu erlernen oder älteren Code schnell zu verstehen, ist die Interaktion mit der Konversationsoberfläche im Web natürlicher. Es wird nicht empfohlen, häufig den Kontext zwischen dem IDE-Plug-in und der Webseite zu wechseln. Es wird empfohlen, das Plug-in als Hauptarbeitsoberfläche und die Webseite als Ergänzung zu verwenden.

Code Raccoon Produktpreise

Die Preisstrategie von Code Little Raccoon ist eine zweigleisige Struktur aus „kostenloser C-End-Werbung und B-End-Geschäftsanpassung, um Regierungs- und Unternehmenskunden zu gewinnen“.

C-Client/Einzelbenutzer: völlig kostenlos, kein Tageskontingent oder Funktionseinschränkungen. Einzelne Entwickler können alle Kernfunktionen der Programmierung – Code-Vervollständigung, Dialoggenerierung, Code-Interpretation, Unit-Test-Generierung usw. – dauerhaft kostenlos nutzen. Der einzige Unterschied zwischen der kostenlosen und der kostenpflichtigen Version besteht im Zugriff auf Verwaltungs- und private Bereitstellungsfunktionen auf Unternehmensebene. Versteckte Vorteile: Der direkte Effekt der kostenlosen Strategie besteht darin, dass die Schwelle für Entwickler gesenkt wird, die Mundpropaganda und Gewohnheitsbildung des Produkts in der Entwicklergemeinschaft zu beschleunigen.

Unternehmens-/Teamplan: Die Abrechnungsmethode ist das Geschäftsbestätigungssystem, das normalerweise die folgenden Abrechnungsdimensionen umfasst:

• Platzlizenz: Jahres-/Mehrjahresabonnement basierend auf der Anzahl der Teamentwickler
• Private Bereitstellung: einmalige Bereitstellungsgebühr + jährliche Wartungsgebühr (einschließlich Modell-Upgrades und technischer Support)
• Maßgeschneiderte Dienste: Mehrwertdienste wie Modellfeinabstimmung, Domänenanpassung und Integration mit internen Toolketten sind zusätzlich.

Der konkrete Preis wurde nicht bekannt gegeben und das offizielle Angebot von SenseTime ist maßgebend. Kaufinteressierte Teams sollten das Unternehmen um Folgendes bitten:

1. Standard-Sitzplatzangebot und Mengenrabattstufen
2. Empfehlungen zur Hardwarekonfiguration und geschätzte Gesamtbetriebskosten für die private Bereitstellung
3. Releaseplan und Abwärtskompatibilitätsverpflichtung für Modellversions-Upgrades
4. SLA-Bedingungen: Serviceverfügbarkeit, Reaktionszeit, Support-Level

Kostenvergleich (Schätzung vs. Konkurrenzprodukte):

Planen	Code Waschbär	GitHub-Copilot	Tongyi Lingma Enterprise Edition
Persönliche kostenlose Version	Alle Funktionen sind kostenlos	Copilot kostenlos (begrenztes Limit)	Kostenlos
Business-Version/Sitz	Geschäftsbestätigung	10–39 $/Benutzer/Monat	Geschäftsbestätigung
Unternehmensprivatisierung	Unterstützt (Business)	Nicht unterstützt	Unterstützt (Business)
Datensouveränität	Vollständig zugänglich	Über Microsoft Cloud	Zugänglich

Zuerst zum Testen vor dem Kauf geeignet: Einzelne Entwickler können direkt mit der Nutzung der kostenlosen Version beginnen und die Qualität der Fertigstellung bewerten, bevor sie die Übernahme durch das Team fördern. Unternehmenskunden wird empfohlen, die IDE-Plug-in-Cloud-Version (kostenlos) zwei bis vier Wochen lang als Teampilot zu verwenden und dann nach Bestätigung der Effizienzverbesserungsdaten in den kommerziellen Beschaffungsprozess einzusteigen. Dadurch können die versunkenen Kosten für „Ergänzungsqualität, die den Erwartungen nicht entspricht“ nach der Einführung der Privatisierung vermieden werden.

Anwendungsszenarien des Code-Waschbären

Die Kernanwendungsszenarien von Code Little Raccoon konzentrieren sich auf drei Arten von Geschäftsumgebungen mit „starker Nachfrage nach Lokalisierungssubstitution, hohem Anteil chinesischer Programmierung und der Souveränität sensibler Daten“. Die folgenden vier Szenarien stammen aus gängigen Implementierungsmodellen inländischer F&E-Teams.

• Verbesserung der Programmiereffizienz im Kontext lokalisierter alternativer Entwicklung: Auf Xinchuang-Hardware und inländischen Betriebssystemen (wie Kirin, UOS) weisen internationale Tools wie Copilot und Codeium unsichere Kompatibilitäts- und Netzwerkzugänglichkeitsprobleme auf. Die privatisierte Bereitstellungslösung von Code Little Raccoon kann unabhängig in einer lokalisierten Umgebung ausgeführt werden, sodass Forschungs- und Entwicklungsteams Unterstützung bei der KI-Programmierung in einem eingeschränkten Technologie-Stack erhalten können. Quantitativer Abzug: Für ein 10-köpfiges Java-Team, das sich bereits im Lokalisierungsprozess befindet, kann nach der Verwendung von Code Raccoon die Zeit für das Schreiben von Boilerplate-Code (POJO-Klassen-Mapper-Schnittstelle, Unit-Tests) um etwa 40–60 % verkürzt werden, d. h. ein einzelner Entwickler kann etwa 1–1,5 Stunden pro Tag einsparen. Hinweis: Hierbei handelt es sich um eine grobe Schlussfolgerung, die auf Berichten über die Verwendung ähnlicher Tools in China basiert und inoffizielle Daten darstellt.

• Codeüberprüfung und Compliance-Sicherung in Finanz-/Regierungsszenarien: Finanz- und Regierungssoftware stellt extrem hohe Anforderungen an die Codequalität und Compliance-Überprüfung. Die Code-Interpretations- und Überprüfungsunterstützungsfunktionen von Code Raccoon können Prüfern dabei helfen, komplexe Logik schnell zu verstehen, abnormale Muster zu identifizieren und bei der Codegenerierung automatisch Projektcodierungsstandards zu befolgen. Grenze der Zusammenarbeit zwischen Mensch und Maschine: In diesem Szenario muss die endgültige Entscheidungsbefugnis bei der Codeüberprüfung in den Händen des menschlichen Prüfers bleiben. Die Ausgabe der KI-„Überprüfungshilfe“ sollte als Erinnerung und Aufforderung dienen (potenzielle Probleme kennzeichnen) und nicht automatisch Änderungen genehmigen. Für unumkehrbare Genehmigungsaktionen (z. B. die Zusammenführung mit dem Hauptzweig und die Bereitstellung in der Produktionsumgebung) muss ein manueller Bestätigungspunkt eingerichtet werden.

• Wissensvererbung und Schulung neuer Mitarbeiter für chinesische Technologie-Stack-Projekte: In inländischen Forschungs- und Entwicklungsteams, in denen chinesische Kommentare und chinesische technische Dokumente die Norm sind, sind die Kosten für das Verständnis neuer Mitglieder für das Verständnis von Legacy-Code oft ein versteckter Kostenfaktor im Projektzyklus. Die Code-Erklärungsfunktion von Code Raccoon kann die Verständniszeit eines einzelnen komplexen Codes von 15 bis 30 Minuten auf 3 bis 5 Minuten komprimieren. Mit Konversationsfragen können Neueinsteiger die Logik des Moduls in kürzerer Zeit verstehen. Synergie: In Kombination mit der Codegenerierungsfunktion können Neulinge im Prozess „Verstehen → Modifizieren → Tests generieren“ schnell lieferbaren Code erstellen und so den Übergangszeitraum vom Einstieg bis zum unabhängigen Beitrag verkürzen (voraussichtlich von 4–6 Wochen auf 2–3 Wochen).

• Schnelle Prototypenentwicklung interner Unternehmenstools und interner Systeme: Technische Teams in traditionellen Branchen wie Finanzen, Logistik und Fertigung müssen täglich eine große Anzahl interner Managementsysteme und Datenverarbeitungstools entwickeln. Die Leistung von Code Raccoon im Spring Boot-Backend, im Vue.js-Frontend und bei der Generierung von SQL-Abfragen kann genutzt werden, um die Entwicklung dieser Tools zu beschleunigen, die „nicht für externe Benutzer, aber für die interne Effizienz empfindlich sind“. Implementierungstipps: Das Merkmal dieser Art von Szenario ist, dass „schnell und grob“ Vorrang vor „technischer Eleganz“ hat, was sich sehr gut für den Generierungsmodus des AI-Code-Assistenten eignet – zunächst schnell einen lauffähigen Prototyp generieren und ihn dann basierend auf dem tatsächlichen Nutzungsfeedback schrittweise verfeinern.

• Code-Unterstützung in Lern- und Lehrszenarien: In Programmier-Lern- und Ausbildungseinrichtungen können Studenten Code Raccoon verwenden, um Beispielcodes zu erklären, Übungsfragen zu generieren und Referenzimplementierungen zu erstellen. Aber bitte beachten Sie: Wenn Sie sich zu sehr auf die Generierung verlassen, werden die unabhängigen Programmierfähigkeiten und Debugging-Fähigkeiten der Schüler geschwächt. Es wird empfohlen, die KI-Unterstützung als zweite Unterstützungslinie für „Zuerst ausprobieren, später um Hilfe bitten“ zu positionieren – die Schüler sollten unabhängig denken und zuerst das Codieren ausprobieren und dann Tools verwenden, um Referenzimplementierungen anzuzeigen oder komplexe Konzepte zu verstehen.

Anwendbare Personen für Code Little Raccoon

Aufgrund der Preisstrategie und der Leistungsgrenzen von Code Little Raccoon ist es am besten für Entwickler und Teams geeignet, die ein starkes Bedürfnis nach „autonom, kontrollierbar und chinesischfreundlich“ haben. Die folgenden Hierarchien beschreiben die Anpassungsfähigkeit und Nutzungsvoraussetzungen für verschiedene Personengruppen.

• Entwickler aus inländischen Unternehmen und Teams (hauptsächlich Java/Spring-Ökosystem): Dies ist die Kernzielgruppe von Code Raccoon. Wenn Ihr Projekt Java, Spring Boot und MyBatis als Haupttechnologie-Stack verwendet, viele chinesische Codekommentare und Variablennamen verwendet und Datenschutz- oder Xinchuang-Compliance-Anforderungen hat, ist Code Raccoon derzeit die am besten geeignete Lösung auf dem Markt. Prämisse: Der Teamleiter sollte zunächst einen 1-2-wöchigen Test des Plug-ins in einer Gruppe von 3-5 Personen durchführen, um die Genauigkeit der Fertigstellung und die Übereinstimmung mit dem vorhandenen Codestil des Projekts zu überprüfen, und dann entscheiden, ob er es dem gesamten Team zugänglich macht.

• Forschungs- und Entwicklungsteams in Regierungen und Unternehmen konzentrieren sich auf Datensouveränität und Compliance: F&E-Teams in den Bereichen Finanzen, Regierungsangelegenheiten, Militärindustrie, Energie und anderen Branchen können aufgrund von Vorschriften und Prüfungsanforderungen keine Codedaten an Clouds im Ausland senden. Die privatisierte Bereitstellungslösung von Code Raccoon ist sein Kernwert. Ungeeignete Grenze: Wenn das Team extrem hohe Echtzeitanforderungen an die Codevervollständigung hat (z. B. eine Antwort auf Millisekundenebene), können Netzwerklatenz und GPU-Inferenz-Overhead nach der privatisierten Bereitstellung zu Engpässen führen. Es wird empfohlen, vor dem Kauf einen Stresstest durchzuführen.

• Xinchuang-Projektteam mit inländischem Ersatzbedarf: Ein Team, das Software im Kontext von Xinchuang-Hardware und inländischen Betriebssystemen entwickelt. Die private Bereitstellungslösung von Code Little Raccoon kann in diesen Kontexten die Kompatibilitäts- und Netzwerkbeschränkungen internationaler Tools umgehen. Voraussetzung: Bestätigen Sie die Kompatibilität der Inferenz-Engine und der abhängigen Bibliotheken im privaten Bereitstellungspaket von Code Raccoon mit dem inländischen Zielbetriebssystem (Kirin UOS usw.), vorbehaltlich des offiziellen Testberichts.

• Programmieren von Lernenden und Schulungseinrichtungen: Der Einsatz von KI zur Unterstützung des Codeverständnisses und zur Generierung von Praxisreferenzimplementierungen kann die Lerneffizienz verbessern. Nicht für die Grenze geeignet: Es ist nicht geeignet, Code Raccoon als „Ghostwriting-Hausaufgaben“-Tool zu verwenden – die Kernfähigkeit des Programmierlernens besteht darin, selbstständig Probleme zu lösen und zu debuggen. Eine übermäßige Abhängigkeit von der Codegenerierung führt zu einem Ungleichgewicht in der Fähigkeit, „KI zur Ausgabe von Code zu nutzen, ihn aber nicht selbst zu schreiben“.

• Ungeeignete Personen: Teams, die mit internationalen Teams zusammenarbeiten müssen, deren Code hauptsächlich auf Englisch ist und die die neuesten Front-End-Frameworks (wie Next.js App Router, Turbopack, Astro usw.) verwenden. Code Raccoon hat möglicherweise ein geringeres Verständnis dieser neuesten Technologien als Copilot und Codeium, die hauptsächlich auf englischen Daten trainieren. Benutzer, die das ultimative Code-Vervollständigungserlebnis anstreben (z. B. die Genauigkeit und Geschwindigkeit der Inline-Vervollständigung auf Copilot-Niveau), sollten nach dem Testen auch einen Vergleich und eine Bewertung durchführen, bevor sie eine Entscheidung treffen.

Zusammenfassung und Ausblick

Der Kernwert von Code Little Raccoon besteht darin, eine KI-Programmierlösung mit „autonomen und kontrollierbaren Modellen, nativer Optimierung der chinesischen Programmierung und flexiblem Privatisierungseinsatz auf Unternehmensebene“ bereitzustellen. Es handelt sich nicht um ein einfaches Toolprodukt, sondern um eine vertikale Implementierung der großen Modellfunktionen von SenseTime in Entwicklerszenarien – für das inländische Java/Spring-Ökosystem und Xinchuang Youjing ist der Übereinstimmungsgrad höher als bei jedem internationalen Tool.

Aktuelle Kernvorteile: Individuelle Steuerbarkeit durch selbst entwickelte Modelle, native Optimierung chinesischer Programmierszenarien und privatisierte Bereitstellung zur Erfüllung der Anforderungen an die Datensouveränität. Diese drei Vorteile bilden einen differenzierten Burggraben, der für internationale Wettbewerber nur schwer zu kopieren ist – Copilot kann nicht privatisiert werden und Codeium und Tabnine verfügen nicht über eine tiefgreifende Optimierung in der chinesischen Szene.

Aktuelle Haupteinschränkungen: Der Versionsiterationsrhythmus ist langsam (das Intervall zwischen 1.0 und 2.0 beträgt etwa 16 Monate) und der Funktionsumfang bleibt hinter dem von Copilot zurück (z. B. fehlende Erweiterungsmöglichkeiten von DevOps-Links wie CI/CD-integrierte Ausgabe der automatischen Verarbeitung); die Codefähigkeitsbasislinie des Modells (insbesondere in Python und die Tiefe des Front-End-Ökosystems) bleibt immer noch hinter GPT-4o und Claude zurück; Es wird keine unabhängige API bereitgestellt. Schnittstellen schränken die Möglichkeit ein, Modellfunktionen in Ihre eigene Toolkette einzubetten.

Folgebeobachtungspunkte: Ob nachfolgende Iterationen des täglich neuen großen Modells von SenseTime die Lücke in der Codequalität gegenüber internationalen Codierungsmodellen weiter verringern können; ob Code Raccoon APIs öffnet oder umfangreichere DevOps-Integrationen startet (z. B. die automatische Codeüberprüfung von GitLab/GitHub Actions); der Fortschritt bei der Anpassung privatisierter Bereitstellungslösungen an mehr Xinchuang-Hardwareplattformen; und ob das Produkt von IDE-Plug-Ins auf eine vollständigere Entwickler-Toolkette erweitert werden kann (einschließlich Projektmanagement CI/CD, Dokumentenerstellung usw.).

Bewertung des Kauf- und Einführungsrisikos: Für einzelne Entwickler besteht bei der kostenlosen Version kein Akzeptanzrisiko und es lohnt sich, sie zu installieren und auszuprobieren. Für Unternehmensteams wird empfohlen, einen dreistufigen Weg einzuschlagen: „kostenlose Testphase → Gruppenüberprüfung → Geschäftsbeschaffung“. Während des Testzeitraums wird der Schwerpunkt auf die folgenden Akzeptanzindikatoren gelegt: ① Die Abschlussgenauigkeit und das akzeptable Verhältnis des Kerntechnologie-Stacks (Java/Spring/Python); ② Ob die Verzögerung der privatisierten Bereitstellungsumgebung im akzeptablen Bereich liegt (<500 ms/Vorschlag); ③ Die Übereinstimmung des Modells mit den bestehenden Codierungsstandards des Projekts. Im privatisierten Bereitstellungsvertrag sollten der Release-Zyklus, die Versionskompatibilitätsbedingungen und der Datenlösch-/Migrationsmechanismus für Modell-Upgrades klar vereinbart werden. Wenn der Technologie-Stack des Teams hauptsächlich auf Python und den neuesten Frameworks im Backend-Bereich basiert oder eine hohe Nachfrage nach höchster Qualität der Codegenerierung besteht, empfiehlt es sich, nach dem Test einen Vergleichstest zwischen Code Raccoon und Copilot/Tongyi Lingma durchzuführen und die Lösung auszuwählen, die für Ihr Projekt am besten geeignet ist.

Verwandte Tools: , Cursor

Versionsinfo

• Code Waschbär 2.0 ：Aktualisieren Sie das zugrunde liegende große Modell, verbessern Sie das Verständnis der Codebasisebene, die dateiübergreifende Generierung und die Unterstützung mehrerer Sprachen und erweitern Sie die IDE-Plug-in- und Webseitenfunktionen. Es gibt noch kein offizielles genaues Datum, bitte informieren Sie sich auf der offiziellen Echtzeitseite. （~2025-06）
• Code Waschbär 1.0 ：Die erste Version bietet Funktionen zur Codevervollständigung, -generierung und -interpretation und unterstützt gängige Programmiersprachen und IDE-Plug-in-Zugriff. Einen offiziellen genauen Termin gibt es noch nicht. （~2024-02）