Demander à Codi Gratuit

AskCodi est un premier produit local d'équipe d'ingénierie de programmation d'IA. Le noyau est un agent CTO qui décompose les exigences en tâches et attribue des agents front-end, back-end, tests, sécurité et autres agents spécialisés à développer en parallèle dans un arbre de travail git isolé et à fusionner après examen mutuel. Prend en charge plus de 50 modèles (OpenAI, Anthropic, Google, xAI, Meta, DeepSeek, etc.) et propose trois entrées : chat Web de bureau et API compatible OpenAI.

Revue complète de #AskCodi

Paramètres et statistiques de base

Le positionnement officiel d'AskCodi n'est pas "un autre plug-in de complétion de code IA", mais une équipe d'ingénierie IA fonctionnant de manière native. Il utilise l'agent CTO pour décomposer les exigences, attribue des agents spécialisés (front-end, back-end, tests, sécurité, etc.) selon les types de tâches à développer en parallèle dans un arbre de travail git isolé. Une fois terminé, ils se révisent puis fusionnent – ​​l’ensemble du processus imite le modèle de collaboration d’une véritable équipe.

Projets	Informations publiques
Positionnement officiel	Une équipe d'ingénierie IA sur votre machine
Formulaire de base	Agent CTO + Agent d'expertise Swarm + Isolation git worktree
Méthode de déploiement	Bureau local (Mac/Windows/Linux), complété par Web Chat
Couverture du modèle	Plus de 50 modèles (OpenAI, Anthropic, Google, xAI, Meta, DeepSeek, etc.)
Échelle utilisateur	Plus de 400 000 utilisateurs actifs mensuels
Dernière version	0.0.83 (2026-06-28, ordinateur)
Visibilité du code	Exécution 100% locale, le code ne quitte jamais la machine
Formulaire d'inscription	Application de bureau, chat Web, API compatible OpenAI
Modèle économique	Application gratuite + abonnement payant basé sur l'utilisation du Token

Interprétation des paramètres : La principale différence entre AskCodi et Copilot ou Cursor est le "niveau d'orchestration" : il ne s'agit pas d'un seul agent générant du code dans un seul dossier, mais de plusieurs agents collaborant dans des branches parallèles. Son agent CTO non seulement démonte les exigences, mais sélectionne également automatiquement le modèle compétent le moins cher en fonction de la nature de la tâche (comme Haiku pour la reconstruction, Sonnet pour les nouvelles fonctionnalités et Opus uniquement lorsque cela est nécessaire) pour contrôler la consommation de jetons.

Reconnaissance des utilisateurs et du marché

Le site officiel d'AskCodi prétend avoir 400 000+ utilisateurs actifs mensuels, couvrant les développeurs individuels, les équipes entrepreneuriales et les entreprises de taille moyenne. Son entrepôt de versions GitHub (Assistiv-AI/askcodi-releases) héberge les journaux de distribution et de mise à jour du bureau, mais l'entrepôt lui-même n'est utilisé que pour les versions et n'est pas public en tant qu'entrepôt de développement principal, il n'y a donc pas de données publiques stars/forks comme indicateur de popularité de la communauté.

Positionnement sur le marché : AskCodi entre dans un segment unique dans la piste "AI coding assistant" - orchestration multi-agents + priorité locale. Différent de l'expérience intégrée de l'IDE de Cursor, de l'achèvement de l'éditeur de Copilot et des solutions open source à agent unique telles que Cline/Continue, AskCodi est plus proche de « diriger une équipe de développement d'IA sur votre machine ». Son blog public a mené de multiples analyses comparatives avec Sakana Fugu, Claude, etc., montrant qu'il se positionne dans une « orchestration multi-modèle transparente » plutôt que dans une API unifiée en boîte noire.

Signal tiers : le contenu du blog public est de haute qualité et implique des sujets approfondis tels que la référence de tendance des coûts des agents IA, les limites, l'écologie MCP, etc., indiquant que l'équipe dispose de fortes capacités de renforcement de l'influence technique. Cependant, aucune étude indépendante ou classement de référence tiers émanant des principaux médias technologiques n’a encore été observé.

Avantage de coût

La structure de coûts d'AskCodi est divisée en trois niveaux, couvrant les développeurs d'API individuels et les scénarios de collaboration en équipe.

Client C/utilisateurs individuels :

• Chat sur ordinateur et Web Téléchargement et utilisation gratuits .
• Forfait gratuit : 0 $/mois, utilisation illimitée des modèles gratuits + 100 000 jetons de modèle Premium uniques.
• Plan de démarrage : 20 $/mois, 16 millions de jetons/mois, couvrant tous les modèles + agent personnalisé + capacités d'orchestration.
• Plan Pro : 100 $/mois, 80 millions de jetons/mois, support prioritaire + plusieurs espaces de travail.
• Forfait Max : 200 $/mois, 160 millions de jetons/mois, limite de débit maximale + routage prioritaire.
• 17% de réduction en cas de paiement annuel.

API/Développeur :

• Les API compatibles OpenAI sont facturées par modèle, et le prix par million de jetons varie selon le modèle (vous devez vérifier les taux d'entrée/sortie exacts dans le répertoire /models).
• Prend en charge BYOK (Bring Your Own Key), vous pouvez connecter votre propre abonnement Claude ou OpenAI, et cela ne sera pas pris en compte dans la consommation du quota AskCodi.
• Le niveau gratuit offre un petit bonus mensuel de jetons pour l'expérimentation.

Entreprise/Équipe :

• Les prix d'entreprise ne sont pas divulgués, veuillez contacter le propriétaire de l'entreprise pour confirmation.
• Prend en charge plusieurs espaces de travail (Pro et supérieurs), l'invitation de membres et la configuration de modèles personnalisés.
• Les termes détaillés des fonctions liées à l'audit et à la conformité n'ont pas été divulgués.

Coût caché : les 100 000 jetons uniques du plan gratuit ne sont disponibles que lorsqu'ils sont épuisés. L'utilisation ultérieure du modèle Premium nécessite des frais de mise à niveau ; le modèle gratuit est limité (sous réserve de la liste officielle). Bien que BYOK soit pris en charge au niveau de l'API, il doit être transmis via la passerelle AskCodi, ce qui entraîne une surcharge de latence supplémentaire. De plus, le côté bureau fournit actuellement principalement la version macOS ARM, et il faut vérifier si les versions Windows et Linux sont fonctionnellement équivalentes.

Fonctions principales

• CTO Agent Orchestration : principales capacités de différenciation. Les utilisateurs décrivent leurs besoins en langage naturel et l'agent CTO les décompose automatiquement en tâches exécutables et les affecte à des agents spécialisés en fonction du type de tâche (front-end, back-end, tests, sécurité, documentation). Le CTO a le contrôle exclusif des autorisations effectuées et il est interdit à l'agent ingénieur d'auto-approuver les fusions au niveau MCP.

• Développement parallèle Git Worktree isolé : chaque agent spécialisé fonctionne dans un arbre de travail Git indépendant sans interférer les uns avec les autres. Créez automatiquement un lien symbolique entre node_modules et autres dépendances entre les arbres de travail pour éviter des installations répétées. Prend en charge la planification tenant compte des dépendances (blockedByIssueIds) et les agents bloqués sont automatiquement ignorés.

• Gating de test de pré-fusion : Déclenchez automatiquement l'exécution du test (détectez automatiquement bun/pnpm/yarn/npm) avant la fusion du code et fusionnez uniquement une fois le test réussi. L'agent de révision est automatiquement généré et automatiquement réveillé lorsque le code entre dans l'état in_review.

• Entrée unifiée pour plus de 50 modèles : Appelez plus de 50 modèles tels que OpenAI (séries GPT-5, o3, GPT-4o), Anthropic (Claude 4.5 Sonnet/Opus/Haiku), Google (Gemini 2.5 Pro/Flash), xAI (Grok 4), Meta (Llama 4), DeepSeek (V3/R1), etc. via une clé API. Prend en charge le routage automatique vers le modèle compétent le moins cher par tâche.

• API compatible OpenAI + agent personnalisé : fournit un point de terminaison « api.askcodi.com », compatible avec le format OpenAI SDK, prend en charge le flux, les appels d'outils, la vision, l'audio/TTS. Les agents personnalisés (mots d'invite regroupés + compétences + outils MCP) peuvent être créés et réutilisés dans Chat, IDE et API.

• Écosystème intégré IDE : prend en charge les IDE traditionnels tels que Cursor (Override Base URL), VS Code (Continue/Cline/Roo Code), JetBrains, Neovim, Zed, Windsurf, etc., et est accessible en configurant les points de terminaison de l'API.

Vue d'expert : ces six fonctions ne sont pas répertoriées indépendamment : la capacité de désassemblage de l'agent CTO est l'entrée, l'isolation de l'arbre de travail git est la garantie technique et le contrôle de test est le contrôle de qualité. Les trois forment une relation « démontage → construction → acceptation ». L'entrée unifiée du modèle et l'intégration de l'IDE permettent d'intégrer cette fermeture dans n'importe quel flux de développement existant sans obliger les utilisateurs à migrer les IDE. Ce qui est réellement résolu est le problème de « qui est responsable du résultat final lorsque plusieurs agents IA collaborent » : le CTO est le seul point de fusion des autorisations humaines.

Evolution du modèle et de la version

L'évolution de la version d'AskCodi est divisée en deux lignes : Ligne de version de bureau (0.0.x) et Ligne de version de plateforme (1.0.x). La version de bureau est la principale gamme de produits actuelle, avec des itérations extrêmement rapides (plus de 10 versions depuis sa sortie fin mai 2026).

Ligne principale du bureau (0.0.x)

Version	Dates	Changements fondamentaux
0.0.83	2026-06-28	Télémétrie de routage en option pour collecter les données décisionnelles du CTO
0.0.82	2026-06-26	Affichage honnête du modèle, suivi des coûts, optimisation multi-espaces de travail
0.0.79	2026-06-04	Récupération du chemin du dossier du projet
0.0.78	2026-06-04	Reconstruction majeure du pipeline orchestrateur : arbre de travail par problème, planification des dépendances, contrôle des tests, agent de révision
0.0.77	2026-05-27	Correctifs incrémentiels
0.0.76	2026-05-27	Correctifs incrémentiels
0.0.75	2026-05-26	Correctifs incrémentiels
0.0.74	2026-05-26	Apple a passé la légalisation pour corriger le premier avertissement de sécurité au démarrage

Ligne de vérification de la plateforme (1.0.x)

Version	Dates	Changements fondamentaux
1.0.15	2026-05-30	AskCodi Desktop est officiellement publié
1.0.14	2026-05-15	Mise à jour majeure du chat Web : modèle/clé par chat, vocabulaire d'invite Compétence/montage MCP, comparaison sur écran partagé
1.0.13	2026-03-21	Agent Builder + Marché en ligne
1.0.12	2026-03-20	Intégration de modèles d'inférence à haute efficacité
1.0.11	2026-03-06	Mise à jour du modèle Frontier 2026
1.0.10	2026-01-07	Intégration MiniMax M2.1
1.0.9	2026-01-07	Intégration GLM-4.7
1.0.8	2025-11-26	Prise en charge Claude Opus 4.5
1.0.6	2025-11-17	Modèle gratuit en ligne
1.0.0	2025-09-08	Reconstruction majeure de la plateforme : architecture API-first, zéro majoration et tarification transparente

Contexte évolutif : AskCodi a commencé avec la reconstruction de la plateforme en septembre 2025, en créant d'abord une couche d'agrégation de modèles (1.0.0~1.0.6), puis en ajoutant des capacités de construction d'agents (1.0.13), et enfin en fournissant une expérience complète d'orchestration multi-agents sous forme de bureau fin mai 2026. La reconstruction du pipeline d'orchestrateur dans la version de bureau 0.0.78 marque un changement qualitatif du « chat mono-agent » au « multi-agent collaboration".

Avantages techniques

Mécanisme -> Effet -> Scénarios applicables Chaîne de causes et d'effets :

1. Démantèlement de l'agent CTO + routage du modèle : après avoir reçu les exigences, l'agent CTO utilise les capacités de planification du grand modèle pour diviser les tâches et les achemine automatiquement vers le modèle compétent le moins coûteux en fonction de la nature de chaque sous-tâche (refactorisation, nouvelles fonctionnalités, tests, examen de sécurité). L'effet est d'économiser 30 à 70 % de consommation de jetons par rapport à un seul modèle d'appel (affirmation officielle, test réel à vérifier). Le scénario applicable est un développement quotidien qui nécessite des itérations fréquentes, en particulier pour les individus/petites équipes sensibles au budget.

2. Architecture Git Worktree isolée : chaque agent dispose d'un arbre de travail Git indépendant et coopère avec le lien symbolique node_modules cross-worktree pour réaliser un véritable développement parallèle sans conflits de fichiers. L'effet est que plusieurs agents peuvent travailler en même temps sans se bloquer mutuellement. Les scénarios applicables sont des projets de taille moyenne et grande impliquant un débogage conjoint front-end et back-end et une modification parallèle de plusieurs modules.

3. Planification sensible aux dépendances + contrôle de porte de révision : les agents expriment les dépendances via blockedByIssueIds / linkIssues, et le planificateur les distribue dans l'ordre topologique ; une fois terminé, le test est automatiquement déclenché, l'agent de révision l'examine et le fusionne avec le CTO. L'effet est de résoudre les problèmes de « qui attend qui » et de « qui est responsable de la qualité » dans la collaboration multi-agents. Le scénario applicable concerne les projets de collaboration en équipe qui ont un seuil de qualité de code.

4. Exécution locale complète : tout le traitement du code est effectué sur la machine de l'utilisateur sans quitter la machine. L'effet est d'éliminer le risque de fuite de code et de répondre aux exigences de conformité des données de l'entreprise. Les scénarios applicables sont ceux de la finance, de la médecine, du gouvernement et d’autres secteurs qui ont des exigences strictes en matière de souveraineté des données.

Avantages de comparaison : Par rapport au mode Onglet/Agent du curseur, l'isolation de l'arbre de travail d'AskCodi lui permet de gérer une plus large gamme de modifications parallèles ; par rapport aux outils mono-agent tels que Claude Code / Cline, AskCodi a une division claire du travail et un mécanisme d'acceptation ; par rapport aux couches d'agrégation d'API pures telles qu'OpenRouter, AskCodi fournit des capacités complètes d'orchestration d'ingénierie dans la couche supérieure.

Comment utiliser

Trois entrées

Entrée	Scénarios applicables	Comment obtenir
Application de bureau	Développement quotidien, orchestration multi-agents, expérience complète en ingénierie	Téléchargement des versions GitHub (principalement Mac ARM)
Chat Web	Questions et réponses rapides, comparaison de modèles, utilisation de la lumière	Accès au navigateur chat.askcodi.com
API compatible OpenAI	Intégration IDE, pipeline automatisé, application personnalisée	Configurer les points de terminaison après avoir généré la clé API

Démarrez rapidement sur ordinateur

1. Téléchargez et installez AskCodi Desktop à partir des versions GitHub (actuellement disponibles dans la version macOS ARM).
2. Démarrez l'application et connectez-vous avec votre compte GitHub/Google.
3. Ajoutez une clé de fournisseur modèle (telle que la clé API Claude ou la clé API OpenAI) dans les paramètres, ou utilisez directement la clé API unifiée fournie par AskCodi.
4. Ouvrez un dossier de projet local.
5. Décrivez les exigences dans CTO Chat, telles que « Ajouter un module d'authentification utilisateur, y compris la connexion JWT et le middleware de rôle, à cette application Express. »
6. L'agent CTO désassemble automatiquement les tâches et attribue des agents d'expertise pour commencer à travailler dans l'arbre de travail isolé.
7. Suivez les progrès, examinez les différences et approuvez les fusions via CTO Chat.

Accès rapide à l'API

boucle https://api.askcodi.com/v1/chat/completions \
  -H "Autorisation : Porteur $ASKCODI_API_KEY" \
  -H "Type de contenu : application/json" \
  -d '{
    "model": "claude-4.5-sonnet",
    "stream": vrai,
    "messages": [{"role": "user", "content": "Refactoriser ce flux d'authentification"}]
  }'

Pointez simplement « base_url » vers « https://api.askcodi.com » et remplacez la clé API pour l'utiliser dans n'importe quel outil compatible avec le SDK OpenAI.

Lien vers l'architecture technique

Utilisateur (description de l'exigence)
    ↓
Agent CTO (LLM : Démontage + Routage)
    ├── Agent front-end (arbre de travail A) ──→ Code + Test
    ├── Agent backend (arbre de travail B) ──→ Code + Test
    ├── Agent de test (arbre de travail C) ──→ Test d'intégration
    └── Agent de sécurité (arbre de travail D) ──→ Examen de la sécurité
            ↓
    Agent de révision (révision automatique du code)
            ↓
    Le CTO approuve la fusion (uniquement l'autorité compétente)
            ↓
    Fusion des succursales principales terminée

Guide des pièges d'ingénierie

1. Boucle sans issue et explosion de jetons : dans un scénario multi-agents, le modèle peut tomber dans une boucle infinie de « réparer → découvrir de nouveaux problèmes → réparer à nouveau ». La solution est que l'agent CTO dispose d'un contrôle max_steps/timeout intégré et qu'il est interdit à l'agent ingénieur de s'auto-approuver au niveau de la couche MCP. Il est recommandé aux utilisateurs de surveiller manuellement le nombre d'étapes dans CTO Chat pour les exigences complexes et d'intervenir de manière proactive lorsque le nombre d'étapes attendu est dépassé.

2. Extension de la quantité d'arbres de travail : un arbre de travail est créé pour chaque problème, et un grand nombre d'arbres de travail résiduels peuvent s'accumuler après des itérations à long terme du projet. La version 0.0.78 inclut le garbage collection (GC) des arbres de travail orphelins au démarrage, mais un nettoyage manuel périodique est toujours recommandé. Vous pouvez exécuter git worktree prune dans le répertoire racine du projet pour faciliter le nettoyage.

3. Boîte noire de routage de modèles : la logique de sélection de modèle de l'agent CTO est partiellement transparente pour les utilisateurs. Ce n'est que dans la version 0.0.82 que l'allocation réelle du modèle et la consommation des jetons ont commencé à être affichées sur le tableau de bord. Il est recommandé aux utilisateurs Pro et supérieurs d'activer des journaux de routage détaillés dans les projets clés, de vérifier régulièrement si l'allocation de modèle est conforme aux attentes et d'éviter d'utiliser des modèles à faible coût pour des tâches nécessitant une profondeur d'inférence élevée.

Prix des produits

AskCodi met en œuvre un modèle « application gratuite + abonnement payant » et ne verrouille pas les fournisseurs modèles.

Planifier	Frais mensuels	Quota de jetons	Différences fondamentales
Gratuit	0 $	Modèles gratuits illimités + 100 000 jetons Premium uniques	Premiers pas, support communautaire
Démarreur	20 $	16 millions de jetons/mois	Tous les modèles + Agent personnalisé + Orchestration
Pro	100 $	80 millions de jetons/mois	Support prioritaire + espaces de travail multiples
Max	200 $	160 millions de jetons/mois	Limite de débit maximale + routage prioritaire

• Économisez environ 17 % en payant annuellement.
• L'API est facturée par modèle et fonctionne indépendamment des plans d'abonnement.
• BYOK (bring your own Key) ne consomme pas de crédits d'abonnement et convient aux utilisateurs disposant déjà d'un abonnement Claude/OpenAI.
• Pour les solutions personnalisées d'entreprise, veuillez contacter le propriétaire de l'entreprise pour obtenir un devis.

Logique de tarification : l'abonnement d'AskCodi achète essentiellement "Quota de jeton + priorité au taux", et non des droits d'accès au modèle - le forfait gratuit peut également utiliser le modèle Premium (consommant un jeton unique ou BYOK). Ceci est différent des autres outils de programmation d’IA qui facturent par siège et convient mieux aux équipes connaissant de grandes fluctuations dans l’utilisation des jetons.

Scénarios d'application

• Développement parallèle multi-modules : lorsqu'une exigence implique une interface utilisateur frontale, une API back-end, une migration de base de données et des cas de test, l'agent CTO affecte quatre agents spécialisés à développer en parallèle dans un arbre de travail indépendant, compressant les heures de tâches en série en minutes. Points clés à vérifier : si la définition de la dépendance est exacte et si la configuration blockBy couvre toutes les conditions préalables.

• Refactoring quotidien et nettoyage des dettes techniques : l'agent CTO identifie automatiquement les opportunités de refactoring dans le code, alloue des modèles de niveau Haiku ou Sonnet pour effectuer un refactoring à faible coût et déclenche automatiquement la vérification des tests une fois terminé. Points clés de vérification : comparaison de la couverture des tests avant et après la refactorisation, et si le CTO a identifié avec précision les chemins chauds qui ne doivent pas être refactorisés.

• Révision de code assistée par IA : l'agent de révision se réveille automatiquement lorsque le code entre dans l'état « in_review », examine les différences, exécute des tests et marque les problèmes potentiels. Objectif de vérification : examinez le taux de faux positifs de l'agent (code de marquage qui n'a en fait pas besoin d'être modifié) et le taux de faux négatifs (vrais bugs manquants).

• Passerelle de modèles inter-IDE : via l'API compatible OpenAI, utilisez AskCodi comme passerelle unifiée multimodèle pour vous connecter aux IDE tels que Cursor, VS Code (Continue/Cline), JetBrains, Neovim, Zed, etc. Points clés à vérifier : latence de réponse en streaming, compatibilité des appels d'outils et différences de comportement avec les API natives.

Personnes concernées

• Développeurs indépendants et petites équipes (2-10 personnes) : le modèle CTO Agent + multi-spécialité d'AskCodi équivaut à "l'embauche gratuite d'un chef d'équipe de développement d'IA" et convient aux équipes qui ne disposent pas de ressources de révision de code et de planification d'architecture à temps plein. Mais attention : la qualité du démontage de l'Agent CTO dépend de la clarté de la description initiale des exigences. Des exigences floues entraîneront l’inactivité de l’agent.

• Développeurs dans des secteurs sensibles à la souveraineté des données : dans des secteurs tels que la finance, les soins médicaux et le gouvernement, où les données ne peuvent pas être mises hors ligne, les services cloud tels que Codeium ne sont pas disponibles. La fonctionnalité d'exécution entièrement locale d'AskCodi est un incontournable. Condition préalable : Le matériel local doit répondre aux exigences de puissance de calcul pour le fonctionnement simultané de plusieurs modèles (une mémoire ≥ 16 Go est préférable).

• Ingénieur de comparaison et de sélection multi-modèles : Sélecteur technique qui doit comparer les performances de codage de différents modèles (tels que Claude Sonnet vs GPT-5 vs DeepSeek R1) dans des projets réels. Le modèle d'accès unifié et de sélection de modèle par chat d'AskCodi réduit les coûts de changement. Ne convient pas aux limites : la valeur d'AskCodi réside dans l'orchestration multi-agents. Si vous "changez simplement le modèle en chat", il est plus léger d'utiliser directement OpenRouter ou l'API native.

• Personnes inappropriées : développeurs qui ont besoin de la complétion de l'IA en temps réel (complétion par onglets) dans l'EDI - AskCodi ne fournit actuellement pas de complétion ligne par ligne de style Copilot ; Entreprises qui nécessitent une logique d'agent hautement personnalisée : les agents personnalisés ont actuellement des limites de capacités limitées et une logique métier complexe doit encore être codée en dur ; Consommateurs d'API qui recherchent la latence la plus faible : les passerelles multimodèles ont des délais de transfert supplémentaires.

Résumé et Outlook

Le positionnement du produit AskCodi est unique et clair : il ne s'agit pas d'une « complétion de code plus intelligente », mais d'une « équipe de développement d'IA fonctionnant de manière native ». Sa combinaison d'agent CTO + arbre de travail d'isolation + test gating est supérieure à la plupart des solutions mono-agent actuelles en termes de fiabilité de la collaboration multi-agents. Le chiffre de plus de 400 000 utilisateurs actifs mensuels montre également qu’il existe une réelle demande dans ce sens.

Limites actuelles :

• La version de bureau est actuellement basée sur macOS ARM, et l'équivalence fonctionnelle de la version Windows/Linux reste à vérifier.
• La qualité du démontage de l'agent CTO dépend fortement de la clarté de la description des exigences. Les exigences métier complexes peuvent nécessiter plusieurs itérations pour obtenir une décomposition raisonnable des tâches.
• La logique de routage du modèle ne dispose pas d'un panneau d'audit transparent (le suivi des coûts n'a été ajouté que dans la version 0.0.82).
• L'écosystème communautaire (outils Compétences/MCP dans la Marketplace) en est encore à ses débuts, avec peu de contributions de tiers.
• Manque de données de référence tierces indépendantes, les allégations officielles de performance doivent être vérifiées de manière indépendante.

Évaluation des risques d'approvisionnement/d'adoption : les développeurs individuels peuvent en faire l'expérience sans frais grâce au plan gratuit et prêter attention à la précision du démontage de leurs propres types de projets par l'agent CTO. Pour les petites équipes, il est recommandé de commencer par Starter et de se concentrer sur la vérification de l'amélioration réelle de l'efficacité du développement parallèle des arbres de travail dans des projets comptant 3 à 5 personnes. Les utilisateurs d'entreprise doivent d'abord confirmer la compatibilité du bureau dans l'environnement d'entreprise (Windows, politique MDM, proxy réseau) et demander à l'entreprise de fournir des instructions détaillées pour le traitement des données - bien que l'affirmation officielle soit une exécution 100 % locale, la télémétrie de routage (nouveau dans la version 0.0.83) et les appels d'API de modèle impliquent des requêtes réseau, et il est nécessaire de confirmer quelles données sont hors ligne et lesquelles résident localement. Concentrez-vous sur le routage des modèles en boîte noire : la sélection actuelle du modèle CTO ne peut pas être entièrement couverte manuellement, et les recommandations critiques pour la mission sont combinées avec les versions de modèles fixes BYOK pour réduire l'incertitude.

Outils associés : github-copilot, cursor

Informations de version

• Demander à Codi Desktop 0.0.83 ：Ajout d'une télémétrie de routage facultative anonyme pour collecter les données de décision de routage du CTO afin de divulguer les chiffres d'économies réelles ; la région UE/Royaume-Uni est désactivée par défaut et nécessite le consentement de l'utilisateur pour l'activer. （2026-06-28）
• Demander à Codi Desktop 0.0.82 ：Affichage du modèle honnête : la tête de discussion du CTO affichait auparavant Opus lorsque les ingénieurs utilisaient Sonnet, ce qui est maintenant corrigé ; un suivi des coûts pour chaque cycle de conversation a été ajouté ; optimisation de l’expérience multi-espaces de travail. （2026-06-26）
• Demander à Codi Desktop 0.0.79 ：Prise en charge de la récupération des chemins à partir des dossiers de projet déplacés/renommés ; correction des erreurs ENOENT d'apparition causées par un cwd manquant. （2026-06-04）
• Demander à Codi Desktop 0.0.78 ：Mises à jour majeures du pipeline de l'orchestrateur : arbre de travail git par problème, partage de node_modules entre arbres de travail, planification tenant compte des dépendances, contrôle des tests avant la fusion, l'agent de révision génère automatiquement des autorisations d'exécution exclusives CTO. （2026-06-04）
• Lancement du bureau AskCodi ：AskCodi Desktop est officiellement publié - Planification des agents CTO, les agents spécialisés sont construits dans un arbre de travail git isolé et le code ne quitte pas la machine locale. （2026-05-30）