Zum Inhalt springen
Reality Graph

Vergleich

Greptile vs. lokale Verifikation

Zuletzt aktualisiert: 2026-11-03Lesezeit ca. 8 Min.

Quellen geprüft am 2026-11-038 belegte Zahlen

Ein Codebasis-Index ist eine vom Tool gepflegte Repräsentation eures ganzen Repositorys, aus Embeddings oder einem Graphen gebaut, die einen Reviewer Beziehungen jenseits der geänderten Zeilen sehen lässt. Greptile prüft Pull Requests aus einem solchen Index; lokale Verifikation prüft eine Änderung gegen ihren schriftlichen Auftrag. Der Index beantwortet Strukturfragen: Was ruft diese Funktion auf, welche Module berührt eine Änderung. Ob die Änderung getan hat, was der Auftrag sagte, kann er nicht beantworten, denn der Auftrag steht nicht im Repository. Für diese zweite Frage gibt es die lokale Verifikation, und der Index weitet zugleich die Datenfrage vom Diff auf alles aus.

„Tests laufen durch“vom Agenten gemeldetexit code 0von Reality Graph gestartetBelegnur die Ausführung zählt
Inhalt

Was ein Codebasis-Index beantwortet und was nicht

Die Definition oben ist die eigene der Site, aus dem Glossar. Sie nennt zwei Eigenschaften auf einmal. Die erste ist Reichweite: Ein Diff zeigt die Zeilen, die sich geändert haben, ein Index zeigt, womit diese Zeilen verbunden sind. Ein Reviewer mit Index kann also bemerken, dass ein umbenanntes Feld in einem Modul gelesen wird, das der Pull Request nie geöffnet hat. Die zweite ist der Umfang: Um diese Reichweite zu bieten, muss das Tool eine Repräsentation des ganzen Repositorys halten, nicht nur der Änderung.

Struktur ist die Klasse von Fragen, in der ein Index gut ist. Welche Funktionen rufen die geänderte auf. Welche Tests decken den geänderten Pfad ab. Ob eine ähnliche Funktion an anderer Stelle ihre Eingaben validiert und diese hier nicht. Diese Fragen haben ihre Antwort im Repository, und ein Graph des Repositorys kann sie finden.

Die Frage, die ein Index nicht beantworten kann, ist, ob die Änderung getan hat, was der Auftrag sagte. Ein Pull Request, der ein Feld sauber über alle Aufrufstellen umbenennt, kann trotzdem die falsche Änderung sein, wenn der Auftrag eine Migration verlangte und keine Umbenennung. Die Referenz für dieses Urteil, der schriftliche Auftrag mit Scope und Akzeptanzkriterien, steht nicht im Repository; keine Repräsentation des Repositorys enthält sie. Code gegen Code zu lesen findet Strukturfehler; die Änderung gegen den Auftrag zu lesen ist ein anderer Check mit einer anderen Referenz, die Unterscheidung aus Code-Review versus Verifikation.

Das ist der Rahmen für diesen Vergleich: zwei Fragen, zwei Referenzen, zwei Ausgaben. Ein Reviewer mit Codebasis-Index und ein lokaler Auftragscheck sind nicht zwei Antworten auf eine Frage, sondern je eine Antwort auf zwei Fragen. Die Abschnitte unten setzen Greptile mit seinen eigenen dokumentierten Fakten in diesen Rahmen und verfolgen dann, was der Index mit der Datenfrage macht, dem Teil, den eine Beschaffungsprüfung gern unterschätzt.

Wo Greptile in diesem Rahmen steht

Greptiles Dokumentation beschreibt einen KI-Code-Review-Agenten, der jede Datei des verbundenen Repositorys in Funktionen, Klassen und Variablen zerlegt, ihre Aufrufe, Importe und Abhängigkeiten abbildet und diesen Graphen bei jedem Pull Request abfragt; Funde kommen als Kommentare mit Korrekturvorschlägen (Greptile-Doku, geprüft am 3. November 2026). Die Preisseite (geprüft am 3. November 2026) nennt Starter kostenlos für eine Entwicklerin oder einen Entwickler mit 50 Credits pro Monat, Pro für 1 US-Dollar pro Credit ohne Seat-Gebühr und Enterprise mit individuellem Preis, wo das Self-Hosting angesiedelt ist; ein Base-Review kostet 1 Credit, ein Plus-Review 3, ein Apex-Review 10. Der Seat-Preis von 30 US-Dollar, den diese Seite im Juli 2026 zitiert hat, wird nicht mehr angeboten.

Was Greptile darüber dokumentiert, wohin der Code geht

Die Security-Seite (Stand 18. Oktober 2026, geprüft am 3. November 2026) gibt an, dass Greptile Cloud auf AWS läuft, Kundencode auf einem verschlüsselten Dateisystem hält, bis der Repository-Zugriff im Code-Host entzogen wird, die Inferenz an externe LLM-Anbieter mit Zero-Data-Retention-Zusage schickt, de-identifizierte Daten fürs KI-Training nutzen darf, solange ein Organisations-Admin das nicht abschaltet, und Produktionsdaten binnen 24 Stunden nach einer Admin-Anfrage löscht, Backups binnen 30 Tagen. Für das Self-Hosting beschreibt die Deployment-Dokumentation (geprüft am 3. November 2026) Docker Compose oder Helm auf Kubernetes mit eurem eigenen Modellanbieter und nennt ausgehendes HTTPS zu Modell- und Code-Host-Anbietern als Voraussetzung; die Security-Seite ergänzt, dass eine Self-Hosting-Installation keine Daten fürs maschinelle Lernen erhebt, sofern ihr es nicht konfiguriert.

Warum der Index die Datenfrage größer macht

Bei einem Diff-Reviewer steht die Änderung auf dem Spiel. Bei einem Reviewer mit Index ist es das ganze Repository, gehalten in einer Repräsentation, die so lange lebt wie der Index. Das verschiebt die Datenfrage von „welche Zeilen verlassen die Umgebung“ zu drei anderen: Wo liegt die Repräsentation, wie lange wird sie aufbewahrt, und wer darf daraus lernen.

Die dokumentierten Fakten oben lassen sich auf diese drei Fragen abbilden, ohne sie zu klären. Wo: in der Cloud ein Anbieter-Dateisystem und anbieterseitige Modellanbieter, in der Self-Hosting-Variante eure eigenen Hosts. Wie lange: so lange der Repository-Zugriff besteht, plus ein Backup-Fenster. Wer lernt: eine Trainingseinstellung, die ein Admin abschalten muss, und ein anderer Standard, wenn ihr selbst hostet. Jede Zeile ist eine Anbieterangabe über einen Standardwert; Vertrag, Region, die konfigurierten Modellendpunkte sowie Aufbewahrungs- und Zugriffseinstellungen eurer Installation entscheiden, was für euch gilt.

Self-Hosting verengt die erste Frage und schließt die anderen beiden nicht von sich aus. Ausgehendes HTTPS zu einem Modellanbieter ist als Voraussetzung genannt; ein air-gapped Betrieb bedeutet also einen Modellendpunkt innerhalb der Grenze, und der Index existiert weiterhin als zweite Kopie des Repositorys auf Hosts, die ihr nun betreibt. Die allgemeine Methode, diese Linie zu ziehen, welche Daten welche Grenze überschreiten dürfen, steht im Guide zur lokalen KI-Code-Prüfung; die Vergleichstabelle unten wendet sie auf drei Setups an.

Vier Fragen klären die Datenseite jedes Reviewers mit Index, Cloud oder Self-Hosting, bevor ein Test beginnt:

  • Wo die Repräsentation liegt: welches Dateisystem, welche Region, und welche Modellendpunkte welchen Teil davon erhalten.
  • Wie lange sie lebt: was der Entzug des Zugriffs löscht, was ein Löschantrag löscht, und wie lange Backups beides überdauern.
  • Wer daraus lernen darf: welche Einstellung das Training mit euren Daten regelt, wie ihr Standardwert lautet, und wer in eurer Organisation sie ändern kann.
  • Womit die Installation spricht: jede ausgehende Verbindung, die eine Self-Hosting-Instanz braucht, und welche davon ein air-gapped Setup ersetzen müsste.

Schreibt die Antworten neben die Anbieterangaben, die sie prüfen. Eine Beschaffungsprüfung, die beide Spalten hält, kann sagen, welche Angaben sie verifiziert und welche sie übernommen hat; eine, die nur die Spalte des Anbieters hält, kann den Unterschied nicht erkennen.

Der Vergleich, ehrlich gezogen

Drei Setups, drei prüfbare Grenzen

Cloud, Self-Hosting und lokaler Auftragscheck beantworten überlappende, aber nicht identische Fragen.
Greptile CloudGreptile mit Self-HostingLokaler Auftragscheck
PrüfreferenzPull Request plus Codebasis-IndexRedaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.Pull Request plus Codebasis-IndexRedaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.Schriftlicher Auftrag, Scope, Kriterien, lokale ChecksRedaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.
Dokumentierter DatenpfadCode auf dem verschlüsselten Anbieter-Dateisystem auf AWS bis zum Entzug des Code-Host-Zugriffs; externe ModellanbieterGreptile-Security-Erklärung (englisch) · 2026-11-03Anbieterangabe; Vertrag und Konfiguration prüfen.Code auf euren Hosts; euer Modellanbieter; ausgehendes HTTPS zu Modell und Code-HostGreptile-Deployment-Dokumentation (englisch) · 2026-11-03Anbieterangabe; Abhängigkeiten je Konfiguration.Nur die lokal gewählten Befehle und Artefakte; ausgehende Dienste separat bewertetRedaktionelle Entscheidungszuordnung · 2026-11-03Produktneutrale Zuordnung; kein Vollständigkeitsversprechen.
AusgabePull-Request-Kommentare mit KorrekturvorschlägenRedaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.Pull-Request-Kommentare mit KorrekturvorschlägenRedaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.Beobachtete Check-Ergebnisse, begrenzte AuftragsentscheidungRedaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.
Offene EntscheidungPassen Cloud-Datenfluss, Tarif und Review-Qualität?Redaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.Passen Betrieb, Modellanbieter, Netzwerk und Lizenz?Redaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.Sind Auftrag und Checks angemessen und vollständig genug?Redaktionelle Entscheidungszuordnung · 2026-11-03Zuordnung der Site; die Anbieterseiten sind die Quelle der Fakten.
Cloud, Self-Hosting und lokaler Auftragscheck beantworten überlappende, aber nicht identische Fragen.

Wann Greptile die richtige Wahl ist und wann der lokale Check gewinnt

Wählt einen Reviewer mit Index, wenn Effekte über Dateigrenzen hinweg in euren Repositories eine echte Fehlerquelle sind und der dokumentierte Datenpfad, Cloud oder Self-Hosting, zu euren Vorgaben passt. Entscheidet anhand einer Stichprobe: repräsentative Pull Requests, ein vor dem Test geschriebenes Raster und eine Zählung von nützlichen Funden, False Positives und Übersehenem. Architektur, Zertifizierung und aggregierte Marketingwerte sagen über diese Zählung nichts.

Ergänzt einen lokalen Auftragscheck, wenn die offene Frage die Auftragstreue ist: Hat die KI gebaut, was wir beauftragt haben? Code-Review und Auftragsabgleich nutzen verschiedene Referenzen, und ein sauberes Struktur-Review der falschen Änderung bleibt die falsche Änderung. Ob ein Check genügt, hängt vom schriftlichen Auftrag, den gewählten Befehlen, der beobachteten Ausgabe und der menschlichen Entscheidung am Ende ab.

Die beiden sind im strengen Sinn keine Alternativen. Teams, die beides fahren, halten pro Änderung zwei Einträge: wie die Struktur um sie herum aussieht und ob sie getan hat, was verlangt war. Teams, die nur eines fahren, sollten wissen, welche Frage sie offen lassen.

Wo Reality Graph ansetzt

Reality Graph übernimmt in der Tabelle die Rolle des lokalen Auftragschecks. Es vergleicht einen gesteuerten Run mit seinem schriftlichen Auftrag und hält beobachtete Ergebnisse in einem Prüfbericht fest. Seine lokale Grenze umfasst die für den Run gewählten Befehle und Artefakte; konfigurierte externe Dienste sind separat zu prüfen. Es beurteilt weder Greptiles Qualität, Security noch Compliance und ersetzt kein PR-Review. Was diese Rolle heute abdeckt und wo sie noch Lücken hat, steht in der Funktionsübersicht, die auch die Lücken benennt.

Dieser Vergleich liefert

  • Datierte Anbieterangaben
  • Drei getrennte Datenpfade
  • Prüfbare Beschaffungsfragen
  • Explizite Restentscheidungen

Er liefert nicht

  • Ein Produkt-Ranking
  • Ein Compliance- oder Security-Urteil
  • Eine garantierte Trefferquote
  • Die Aussage, ein Setup ersetze das andere
Vergleicht die konkrete Konfiguration mit eurer Richtlinie und eurem Auftrag; bewertet nicht das Produktetikett allein.

FAQ

Was sind die Unterschiede zwischen Greptile und lokaler Verifikation?
Beide lesen eine Änderung gegen eine andere Referenz. Greptile liest sie gegen einen Codebasis-Index, einen Graphen des Repositorys, und meldet, was die Änderung mit der Struktur um sie herum macht. Lokale Verifikation liest sie gegen den schriftlichen Auftrag und die Checks, die ihr ausgewählt habt, und hält fest, ob die Änderung getan hat, was verlangt war. Das eine erzeugt Review-Kommentare am Pull Request, das andere ein beobachtetes Ergebnis pro Run. Keines beantwortet die Frage des anderen.
Speichert Greptile meinen Code?
In der Cloud-Variante ist der Index der gespeicherte Code: Das Repository liegt auf dem verschlüsselten Dateisystem des Anbieters, so lange der Repository-Zugriff besteht, und die Inferenz läuft über externe Modellanbieter (Security-Seite, geprüft am 3. November 2026). Die nützliche Frage ist nicht, ob der Code gespeichert wird, sondern wo, wie lange und wer daraus lernen darf. Der Abschnitt zur Datenfrage oben geht die drei durch; die Self-Hosting-Variante ändert die erste Antwort und überlässt die beiden anderen eurer Konfiguration.
Kann Greptile on-premises laufen?
Ja, im Enterprise-Tarif, als Docker Compose oder Kubernetes mit eurem eigenen Modellanbieter (Deployment-Dokumentation, geprüft am 3. November 2026). On-premises heißt nicht offline: Ausgehendes HTTPS zum Modellanbieter ist eine dokumentierte Voraussetzung, ein air-gapped Betrieb braucht also das Modell innerhalb eurer Grenze, und der Index bleibt eine zweite Kopie des Repositorys auf Hosts, die ihr nun betreibt. Prüft Modell, Netzwerk, Speicher und operative Kontrollen statt des Etiketts.
Was bedeutet Greptiles Credit-Preismodell für KI-intensive Teams?
Ihr zahlt pro Review und nach Tiefe, nicht pro Person: Starter ist kostenlos mit 50 Credits pro Monat, Pro kostet 1 US-Dollar pro Credit, und ein Base-, Plus- oder Apex-Review kostet 1, 3 oder 10 Credits (Preisseite, geprüft am 3. November 2026). Für ein Team, das viele kleine KI-gestützte Pull Requests öffnet, folgt die Rechnung der Review-Zahl und der Stufe. Modelliert also euer eigenes Volumen statt einer Seat-Zahl und prüft vor der Beschaffung erneut; zwischen Juli und November 2026 hat sich das Modell geändert.
Lohnt sich der Kontext über die ganze Codebasis?
Er lohnt sich zu messen, nicht anzunehmen. Ein Index kann Beziehungen außerhalb des Diffs sichtbar machen; ob daraus in euren Repositories nützliche Funde werden, ist eine empirische Frage. Lasst repräsentative Pull Requests laufen und zählt nützliche Funde, False Positives und Übersehenes, bevor ihr entscheidet. Die Architektur belegt keine Trefferquote; das tut nur eure eigene Stichprobe.
Können wir Greptile mit einer lokalen Verifikationsschicht kombinieren?
Ja, als zwei getrennte Checks mit zwei getrennten Referenzen. Der Pull-Request-Reviewer liest die Struktur um die Änderung; der lokale Auftragscheck hält fest, wie die Änderung zum schriftlichen Auftrag und zu den Befehlen passt, die ihr ausgeführt habt. Haltet die ausgehenden Dienste beider sichtbar und lasst kein grünes Ergebnis des einen für das andere stehen: Keiner der Checks belegt, dass der andere vollständig oder unnötig ist.

Weiterlesen

Quellen

Wollt ihr sehen, wie euer letzter Agenten-Run ausgesehen hätte?

Zugang anfragen