专为 VS Code 设计的AI代码补全插件
Twinny 4.2 正式推出，核心突破在于将代码审查（Code Review）功能迁移至本地 Gateway 侧，利用团队闲置的 GPU 算力自动处理 GitHub、GitLab 等平台的 Pull Request。新功能支持在开发者输入间隙自动运行审查，生成包含问题摘要与建议的本地报告，并支持将结果回贴至代码仓库。该更新显著降低了云端审查成本，提升了本地模型在代码质量把控中的实用性。
Twinny 正式推出 Devices 功能，允许笔记本电脑通过加密点对点（P2P）协议直接连接至同一网络下的桌面模型服务器。该功能摒弃了传统中继服务器，利用分布式哈希表（DHT）和 NAT 穿透技术，实现零信任、无中间人验证的 GPU 算力共享。开发者可借此将本地大模型部署在高性能桌面，而代码编写与交互在便携笔记本上进行，显著降低硬件门槛并提升隐私安全性。
Twinny 推出 twinny-server 网关架构，解决小型团队缺乏独立 GPU 服务器的痛点。该方案允许开发者通过 VS Code 插件安全共享个人电脑上的本地模型，无需开放端口或配置防火墙。核心特性包括基于密钥的细粒度权限控制、智能请求队列机制以应对并发限制，以及透明的使用计量。对于拥有 5 人以下团队的开发者而言，这是一套低成本、高安全的私有模型协作基础设施。
Twinny 官方博客深度解析了 7B 参数量级模型在代码补全场景下的运作机制。文章指出，代码补全的成功关键在于精细的上下文构建（Prefix/Suffix/Context）和精准的 Prompt 模板，而非单纯堆砌模型参数。通过拆解从触发到输出的六个步骤，揭示了为何小模型在特定约束下能产生高质量建议，并提供了针对开发者优化模型表现的具体配置指南。
Twinny 是一款专注于隐私安全的开源 VS Code 编程助手，自 2023 年公开开发以来已获数十万次安装。其核心突破在于彻底摒弃了云端账号、遥测数据及自动更新机制，所有功能（补全、聊天、代码审查）均运行在用户本地或自建的模型服务器上。官方强调其“永不外联”的设计哲学，通过团队网关实现 GPU 资源池化，为开发者提供了一种完全自主、无数据泄露风险的 AI 编程解决方案。
Twinny 团队宣布其网关（Gateway）采用创新的离线许可验证机制，彻底摒弃传统的云端激活服务器与“电话回家”行为。该机制利用 Ed25519 数字签名技术，在本地完成身份与权限校验，确保代码完全驻留于用户网络内。更新明确了座位（Seat）管理、过期后的优雅降级策略及严格的隐私边界，为追求极致安全与数据隐私的开发者提供了全新的 AI 协作方案。
