Sourcegraph推出的免费AI编程工具
Sourcegraph 安全团队分享其 SecBot 从基于 Slack 的初步自动化向程序化 SIEM 告警自动关闭的演进历程。通过引入 Go 表达式引擎（expr-lang），团队实现了基于元数据（如 GCP 资产详情、员工排班状态）的自动化告警处理逻辑，显著降低了人工排查成本，并展示了构建半自主安全代理的初步路径。
Amp 团队发布深度技术文章，揭示 npm/pnpm/Yarn 依赖前缀（如 ^, ~）在供应链攻击中的风险，并推出 Batch Changes 工具实现跨仓库批量修复。文章强调从“宽松范围”转向“精确锁定”的安全策略，提供具体的 CI/CD 配置指南与自动化脚本示例，帮助开发者在保持更新灵活性的同时，有效防御恶意包注入。
Sourcegraph 宣布利用 Slack 机器人与 Deep Search 构建自动化供应链安全响应流程，将漏洞检测与内容生成时间压缩至 3 分钟内。面对 AI 生成代码导致的代码量指数级增长及恶意包注入风险，该方案通过无编排脚本架构，实现从 GitHub 漏洞通告到自动化演示视频生成的全链路闭环，仅需人工进行最终真实性审核。
Sourcegraph 团队基于 CodeScaleBench 基准测试（覆盖 40+ 开源项目、1281 次运行）揭示了代码智能体在大型代码库中失效的五大模式。核心发现表明，单纯依靠本地文件读取和关键词搜索（如 grep）在代码量超过 40 万行时会导致智能体迷失或产生部分错误修复。通过引入结构化代码导航（如 find-references）和语义搜索等上下文增强工具，智能体的任务完成效率可从数小时提升至秒级，且准确率显著提升。
Sourcegraph 正式发布 Amp 企业级 Slack Agent，旨在解决开发者在 IDE、文档与 Slack 之间的上下文切换痛点。文章详细阐述了其多阶段状态反馈机制、基于 Block Kit 的富链接预览（Unfurling）技术、针对 Slack Enterprise Grid 的身份认证优化，以及利用 Redis 实现的高并发限流策略。该 Agent 通过消除手动登录摩擦和提供即时上下文感知，重新定义了企业级 AI 助手的交互标准。
随着 AI 工具在代码搜索领域的普及，开发者面临的核心挑战已从‘能否使用 AI'转变为‘如何精准选择工具’。Sourcegraph 官方发布新指南，详细对比了传统 Code Search、智能体驱动的 Deep Search 以及基于 MCP 的远程代码访问（Sourcegraph MCP）三种模式。文章明确了各自适用场景：Code Search 用于精准定位，Deep Search 用于理解复杂系统，MCP 则用于驱动多步骤的自动化修复与重构，帮助开发者在 AI 时代提升工程效率。
Sourcegraph 团队发布深度技术文章，剖析自建代码智能平台（如 Zoekt、SCIP 等）的真实工程复杂度。文章将平台拆解为搜索、代码理解、仓库同步、权限管理等 10 大类别的 90 项工程需求，并估算了三年运营成本。核心观点指出，代码搜索仅是冰山一角，构建能支撑 AI Agent 高效工作的统一图索引与多源 Git 同步系统才是关键，且维护成本远超预期。
Sourcegraph 推出 Amp 平台，旨在解决传统安全工具仅能进行单仓库（Single-Repo）检测的局限性。针对 AI 编程加速代码生成与依赖膨胀带来的新挑战，Amp 强调“代码库可见性”是预防、检测与响应的核心纽带。通过统一视角扫描全组织代码库，Amp 帮助企业在分钟级内定位跨仓库风险、评估影响范围并协同修复，将安全从孤立的扫描任务转变为整体架构能力。
