Sourcebot stellt eine selbst gehostete Anwendung bereit, mit der Entwicklerteams ihre eigenen Codebasen durchsuchen und verstehen können. Das Tool kombiniert eine Code-Suche mit KI-generierten Antworten und bietet IDE-ähnliche Navigation im Browser. Gerade bei Projekten mit mehreren Repositories wird der Nutzen schnell deutlich.
Sourcebot führt durch den Code. Ab dem ersten Start hast du eine Suchmaschine, die nicht nur exakte Begriffe findet, sondern auch natürliche Sprachfragen beantwortet. Die Entwickler haben klare Konzepte umgesetzt. Wir betrachten die wichtigsten Funktionen, die Installation per Docker Compose und die Anpassungsmöglichkeiten.
Code-Suche über alle Repositories und Branches
Die Suche ist das Herzstück von Sourcebot. Du durchsuchst alle deine Repositories und Branches, egal ob sie auf GitHub, GitLab oder einer anderen Plattform liegen. Die Suche ist schnell und unterstützt reguläre Ausdrücke. Damit findest du Muster wie Log-Nachrichten oder API-Endpunkte. Filter für Repository, Sprache oder Pfad grenzen die Trefferliste ein.
Sourcebot arbeitet mit boolescher Logik. Du kannst kombinierte Abfragen bauen, etwa „alle Stellen mit ‚auth‘, aber nicht in den Tests“. Wer ständig mit mehreren Codebasen arbeitet, muss nicht mehr zwischen Plattformen wechseln – eine einheitliche Suchoberfläche genügt.
Die Performance bleibt auch bei großen Repositories mit Zehntausenden Dateien stabil. Ergebnisse kommen in Millisekunden. Sourcebot baut einen lokalen Index auf dem Server auf. Externe APIs verursachen keine Latenz, alles läuft in deiner Infrastruktur.
Der integrierte Datei-Explorer ergänzt die Suche. Er bietet eine moderne Oberfläche mit Syntax-Highlighting, Dateibaum und Code-Navigation. Du kannst dich frei durch Dateien bewegen, ohne jedes Repository einzeln zu öffnen – wie bei einem digitalen Aktenschrank.
KI-Antworten auf natürliche Sprachfragen
Die Funktion „Ask Sourcebot“ erlaubt Fragen in Alltagssprache, zum Beispiel: „Wo wird die Authentifizierung für externe API-Aufrufe implementiert?“ Das Tool durchsucht relevante Dateien und nutzt Reasoning-Modelle, um eine zusammenhängende Antwort zu generieren. Die Antworten enthalten Zitate, die direkt auf Code-Stellen verweisen.
Du kannst jede Aussage anhand des verlinkten Codes überprüfen. Das erleichtert das Onboarding neuer Teammitglieder und die Arbeit an fremden Codebasen. Die KI greift auf die gleichen Such- und Navigationswerkzeuge zu wie Menschen – im Grunde trainiert sich das System auf deinem eigenen Code.
Im Vergleich zu generischen Chatbots sind die Antworten immer an den tatsächlichen Code gebunden, nicht an allgemeine Muster. Halluzinationen sind seltener, du erhältst kontextgenaue Ergebnisse. Folgefragen führen tiefer in bestimmte Aspekte – ein Dialog entsteht, der dich zur gewünschten Code-Stelle bringt oder eine Architekturentscheidung erklärt.
Dafür musst du eine LLM-Anbindung konfigurieren. Sourcebot unterstützt OpenAI, Anthropic oder lokale Server. Die Daten bleiben bei dir, die Anfragen gehen an den von dir gewählten Dienst. Datenschutz ergibt sich aus dem Selbsthosting.
Code-Navigation auf IDE-Niveau im Browser
In riesigen Codebasen verliert man schnell den Überblick. Sourcebot bietet Navigation, die an lokale IDEs erinnert: Gehe zur Definition und Referenzen finden funktionieren im Browser. Ein Klick auf eine Funktion springt zur ursprünglichen Definition, egal in welchem Repository oder Branch sie liegt – auch über mehrere Repositories hinweg.
Das hilft bei Microservices, wenn du Zusammenhänge zwischen Diensten verstehen musst. Statt manuell in jedem Repository zu suchen, visualisiert Sourcebot die Verbindungen. Der Datei-Explorer unterstützt die Navigation: Verzeichnisstruktur, Syntax-Highlighting, und Dateiwechsel ohne Kontextverlust.
Die Performance bleibt spürbar. Der Index ist für große Monorepos optimiert. Du bemerkst keinen Unterschied zu einem lokalen Editor – nur dass du keine Checkouts mehr brauchst, um etwas nachzuschlagen. Remote-Teams profitieren davon, wenn nicht alle Codebasen lokal vorhanden sind.
Der Index wird persistent aktualisiert. Wenn ein Teammitglied einen Branch pusht, wird dieser indexiert, sofern du es konfigurierst. Der aktuelle Stand ist immer verfügbar, ohne manuelle Updates.
Deployment und Konfiguration mit Docker Compose
Die Installation ist simpel. Du lädst die `docker-compose.yml` herunter, erstellst eine `config.json` für die Konfiguration und startest mit `docker compose up`. Danach öffnest du `http://localhost:3000`. Die Einrichtung dauert keine fünf Minuten, wenn Docker bekannt ist.
Die Konfigurationsdatei definiert, welche Repositories indexiert werden, welche LLM-Anbieter angeschlossen sind und ob Authentifizierung aktiviert ist. Das Format ist JSON und unterstützt Kommentare. Ein Beispiel zeigt, wie du eine GitHub-Verbindung anlegst und ein Repository angibst. Mehrere Connections für verschiedene Code-Hosts oder private Git-Server sind möglich.
Standardmäßig sammelt Sourcebot anonyme Nutzungsdaten zur Produktverbesserung. Die Umgebungsvariable `SOURCEBOT_TELEMETRY_DISABLED` mit Wert `true` deaktiviert das. Sensible Inhalte werden laut Hersteller nicht gesammelt, aber die Option ist vorhanden.
Der Quellcode ist öffentlich auf GitHub. Wer beitragen will, findet eine `CONTRIBUTING.md`. Für normale Nutzer sind die fertigen Docker-Images die bequemste Option.
Bei der LLM-Anbindung solltest du einen Provider wählen, der Reasoning unterstützt – also Modelle, die komplexe Abfragen über mehrere Code-Stellen verarbeiten. Die Doku enthält genaue Beispiele. Mehrere LLMs lassen sich ausprobieren, indem du die Konfiguration änderst und den Container neu startest.
Fazit: Ein Werkzeug für Menschen und KI-Agenten
Sourcebot verändert den Umgang mit Codebasen. Es verbindet klassische Suche mit KI und macht Navigation über mehrere Repositories so einfach wie in einer IDE. Für Teams, die auf Selbsthosting setzen, ist das eine Alternative zu kommerziellen Lösungen – wegen der Kosten und des Datenschutzes.
Bemerkenswert ist der Fokus auf Kernaufgaben: Suchen, Verstehen, Navigieren. Die KI-Antworten sind keine Spielerei, sondern helfen konkret bei der täglichen Arbeit. In fremden Code einzuarbeiten wird einfacher.
Sourcebot erfordert einen laufenden Server und etwas Aufwand für die Indexpflege. Die Einrichtung per Docker Compose senkt die Hürde. Teams, die Container nutzen, starten schnell. Das Projekt ist open-source und wird aktiv weiterentwickelt.
Für Menschen und KI-Agenten gleichermaßen konzipiert, bietet Sourcebot eine gemeinsame Grundlage: Du kannst selbst suchen oder einen Agenten beauftragen, der auf denselben Index zugreift. Wenn du eine selbst gehostete Lösung für deine Codebasen suchst, wirf einen Blick auf das öffentliche Demo, bevor du es deployst.
Quelle: github.com
