AI 分析
痛点：在处理大型代码仓库的 issue 时，开发者需要花费大量时间从 bug 描述定位到具体文件和函数；代码又不能随意上传到云端 LLM。
目标用户：开源仓库维护者；需要处理 issue 的中小研发团队；对代码隐私敏感的开发者或企业
证据："it puts the correct file in the top 10 results 93.0% of the time, and the exact function 79.4% of the time" / "cutting the cost per issue to a fraction of a cent" / "I would really appreciate it if you would give it a try (it would help me with the benchmarks as well)"
变现：为私有仓库提供 GitHub App 按月订阅或按席位收费；开源仓库免费以获取流量；企业版支持本地私有化部署；在 CI 中按 issue 调用次数计费
MVP：在两周内只做一个 GitHub App：当 issue 新建时，用 tree-sitter 切分函数，用 embedding 检索和轻量重排模型排序，自动在 issue 下评论推荐最可能需修改的 top 5 函数及文件路径；先调用现成的小模型 API，不做 WebGPU 本地推理和自研模型
竞品：Cursor、Claude Code / Devin、GitHub Copilot 与代码搜索、Sourcegraph Cody、Aider、Sweep AI
摘要：作者发布 Odin：粘贴公开仓库和 issue 后，它可定位需修改的文件与函数；在 SWE-bench Lite 的 300 个真实 issue 上，文件命中 top10 的比例为 93.0%，函数精确命中率为 79.4%，并且用不到 1B 参数的小模型把单 issue 成本降到几美分以下。产品主打浏览器端运行、用 Tree-sitter(WebAssembly) 和本地小模型保护代码隐私，并提供 GitHub Action 自动评论。但帖子只是求试用帮跑 benchmark，没有任何定价、收入或付费意愿表述，热度数据为空。