文件匹配
60+ 内置 glob，覆盖 .env、*.pem、*.key、kubeconfig、terraform 变量等敏感文件。
安全优先 · 本地运行 · 零遥测
安全优先，代码留在本地。
注重安全，代码不会自动上传。
OwnCoder 是一个安全优先的 AI 编程工具。文件在发送给大模型前自动脱敏密码与密钥， 代码分析与索引全部在本地完成——不上传源码，没有云端索引。
- 密码 / 密钥自动脱敏
- 不上传代码
- 索引仅存本地
- 零遥测
安全第一
敏感信息，发往模型前就被挡住
数据库口令、API Key、SSH 私钥不会因为一次 Agent 读文件就离开你的机器。
OwnCoder 在请求发出前自动检测并替换为 ***。
格式识别
25+ 种密钥格式正则：OpenAI、AWS、GCP、GitHub Token、数据库连接串、JWT、PEM 私钥块等。
关键词兜底
识别 password、secret、token 以及 *_PASSWORD 等环境变量后缀，减少漏网。
两种脱敏粒度
- 值级脱敏：仅掩码敏感字段，其余结构仍可读，Agent 能理解配置形态。
- 全文件脱敏：私钥、证书等整文件掩码，Agent 只知道“这是敏感文件”。
- 可自定义规则：在设置中追加 glob 与正则，并支持本地预览验证。
DB_HOST=localhost
DB_USER=app
DB_PASSWORD=***
OPENAI_API_KEY=***
SSH_PRIVATE_KEY=***本地优先 · 无云端索引
代码不上传，索引也不上云
分析、检索、嵌入与经验记忆都在你的电脑上完成。没有把仓库同步到第三方服务器的“云端知识库”。
完全本地的索引体系
基于 SQLite + FTS5 的统一索引：符号搜索、全文检索、经验索引，增量扫描并遵循 .gitignore。
- 35+ 语言符号索引（tree-sitter）
- 本地 RAG 嵌入，可离线使用
- 数据只落在本机，不经过 OwnCoder 云
隐私承诺写进产品默认值
- 不上传代码：源码不会被同步到 OwnCoder 服务器
- 无云端索引：没有远程向量库 / 远程代码仓镜像
- 零遥测：不搜集使用数据，不上报崩溃，不埋分析点
- 自主可控：密钥与工作区数据始终在你的机器上
核心能力
安全之外，更省token
三大省 Token 优化：双模型分阶段使用、缓存命中率最大化、让 LLM 多做事少说话。
双模型省 Token
原理：任务分解阶段消耗 Token 较少但需要强规划能力；执行阶段包含大量工具调用和迭代但对推理要求相对较低。
配置：Plan 阶段使用高能力的强模型，Agent 执行阶段切换至成本更低的轻量模型；两类模型可按预算与效果自由搭配，不绑定具体厂商或型号。
收益：执行阶段通常占总 Token 消耗的 70-80%。将其交给成本更低的模型可显著降低总费用，同时让高能力模型专注于关键决策。
提示词结构优化：最大化缓存命中率
原理：许多模型服务商支持提示缓存（Prompt Cache），对重复出现的输入 Token 按更低价格计费。OwnCoder 的提示词拼接策略专门针对缓存优化设计。
实现：不变内容前置（系统提示词 + 工具定义、平台信息、项目规则），变动内容后置（用户输入、任务分解结果）；固定部分拼接顺序与格式严格一致，确保跨轮次缓存前缀完全匹配。
效果：系统提示词和工具定义自动享受缓存；重复的项目上下文命中率可达 60-80%。实测缓存命中率可达 95%（按 缓存 Token ÷（输入 Token + 输出 Token）计算，分母包含输出 Token），让高频使用场景更经济。
让 LLM 多做事，少说话
原理：输出 Token 通常是输入的 2-3 倍价格。让 LLM 多做工作（通过工具调用）、少说话（减少解释性文字），可大幅降低输出成本。
纪律：关键规则是零叙事工具调用——默认直接调用工具完成任务，除工具调用外不输出任何文字。禁止过渡语、计划叙述、进度评论、寒暄、解释；禁止"让我先…""现在开始…""接下来…""我来搜索…""首先需要…"；禁止工具调用之间的任何说明文字。