Synapse MCP from Myelix Labs
官方你的AI代理正在浪費Token,搜尋它本應已知的答案。
你可以用 Synapse From Myelix Labs MCP 做什麼?
- AST 感知的程式碼搜尋 — 輸入符號、正規表達式或自然語言查詢,即可取得壓縮的結構化簽名,而非原始檔案傾印。
- 安全的模擬寫入 — 讓 AI 在記憶體中透過
write_safely驗證編輯,再實際寫入磁碟,並拒絕會破壞呼叫端的變更。 - 堆疊追蹤解析 — 貼上當機資訊,讓
resolve_stack將堆疊框架對應至已索引的 AST 區塊,即可即時進行根本原因分析。 - 測試缺口鎖定 — 使用
find_tests找出未覆蓋的分支,並產生能填補實際結構缺口的行为測試。 - 影響分析 — 詢問「如果我變更這個會破壞什麼?」,即可在 500 毫秒內取得儲存庫中所有受影響的呼叫端與依賴項。
文件
⚡ 目前為預覽版 — 我們想聽聽你的意見
透過開放式 Model Context Protocol (MCP),可相容於所有主流 IDE 與代理工具。
CursorClaude CodeWindsurfGitHub CopilotDevinAiderClineVS CodeJetBrains AICursorClaude CodeWindsurfGitHub CopilotDevinAiderClineVS CodeJetBrains AI
語言支援
50 種語言。一張圖譜。
Synapse 可立即為所有主流程式語言建立索引、切分區塊,並擷取依賴關係邊緣——無需外掛、無需設定、無需雲端。
函數式系統 / 低階物件導向 / 通用目的 教育 / 腳本 / IoT 資料 / 標記語言
Elixir Erlang Haskell F# OCaml Clojure Scala Python JavaScript TypeScript Go Ruby Rust Java C / C++ C# Kotlin Swift PHP Dart Perl R Zig Objective-C Groovy Julia SQL HTML CSS JSON Markdown YAML XML TOML HCL Dockerfile Protocol Buffers GraphQL Solidity PowerShell Pascal Lisp VBA Smalltalk Prolog Lua Assembly Shell Tcl Arduino
01 / 問題所在
為什麼標準的上下文引擎會讓你的代理工具失敗
無論你使用的是免費的開源腳本,還是昂貴的企業級雲端引擎,你的代理工具仍然在盲目飛行。以下是在你的 AI 嘗試理解程式碼時,背後實際發生的事情。
01 失敗
開源陷阱:「上下文膨脹器」
免費的 MCP 工具和 WASM 索引器只是自動化終端指令,或將圖形資料庫查詢直接傾倒給 LLM。如果你的代理工具要求查看一個 10 行的函式,該工具會將整個 3,000 行的檔案傾倒進你的提示詞中。你會耗盡上下文視窗,用無關的背景雜訊混淆 AI,並為了閱讀括號語法而支付天文數字的 API 帳單。
02 失敗
企業雲端陷阱:「IP 外洩」
昂貴的企業級上下文引擎會將你的專有程式碼庫上傳到他們的雲端,以執行模糊的語意搜尋。他們匹配字串,但缺乏主動的寫入驗證。你會引發嚴重的資安與合規問題。更糟的是,因為他們不會在本地模擬編輯,他們會樂意讓 AI 寫出破壞你下游架構的程式碼。
03 優勢
Synapse 的優勢:AST 感知的本地智慧
Synapse-MCP 是一個編譯過的、零依賴的二進位檔,100% 在本地執行。它為你的程式碼建立一個數學化的抽象語法樹(AST)圖譜。當代理工具要求上下文時,Synapse 會去除雜訊,只回傳壓縮過的結構化簽名。在代理工具寫入檔案之前,Synapse 會模擬編輯,以數學方式證明它不會破壞建置。
02 / 基準測試
證明:在 50 萬行單體倉庫上進行自主安全稽核
相同的前沿模型。相同的任務。發現相同的漏洞。唯一的差異是上下文引擎。
我們讓一個 AI 代理工具稽核一個生產環境程式碼庫。基準代理工具使用標準的 shell 和 grep 工具。第二個代理工具則完全使用 Synapse-MCP。
−60% 成本與 Token
2.2× 更快
100% 準確度
Elixir 程式碼庫 · 相同前沿模型 · 自主安全稽核
總 Token 數
Shell
6,218,045
Synapse
2,487,914
-60%
API 成本
Shell
$12.63
Synapse
$5.05
-60%
實際耗時
Shell
16m 56s
Synapse
7m 36s
2.2× 更快
代理工具動作
Shell
68 次 bash 呼叫
Synapse
36 次 MCP 呼叫
-47%
發現的漏洞
Shell
3 個重大
Synapse
3 個重大
相同 03 / SYNAPSE
部署 Synapse-MCP
一個完全合規的 MCP 伺服器。在 60 秒內將它插入任何相容的用戶端,並在你的團隊工作的任何地方獲得持續的結構化程式碼智慧。
■ 100% 本地 🔒 端對端加密 ⚡ 次秒級查詢
免費
免費版 — 「黃金圖譜」
- 即時本地索引:在數秒內映射橫跨 50 種語言的 10,000+ 個檔案,零雲端依賴。
- AST 感知精簡:在將檔案酬載傳送給 LLM 之前縮小檔案,阻止上下文耗盡。
- 三種搜尋模式:用純英文提問、依符號查詢,或依 regex 模式搜尋。
- 程式碼庫洞察:自動偵測語言分佈、公開 API 表面,以及重構機會。
- 零設定安裝:在 cursor_settings.json 中加入 5 行,立即開始使用。
最受歡迎
Pro 版 — 「影子圖譜」(每月 $19)
- 模擬安全寫入:在觸及磁碟之前,於記憶體中驗證編輯。如果編輯破壞了呼叫者的簽名,會自動回滾。
- 影響與呼叫者分析:在 500 毫秒內顯示整個儲存庫中受影響的每個呼叫者與依賴項。
- 即時崩潰解析:將堆疊追蹤直接映射到你的 AST 圖譜,進行即時的根本原因分析。
- 測試智慧:在不執行測試套件的情況下,找出確切的覆蓋率缺口,並推薦精確的測試目標。
- 持久化代理工具記憶:AI 學習到的洞察與摘要會儲存到圖譜中,讓你的程式碼庫在多次工作階段中變得更聰明。
04 / 平台
13 個精密工具。一個上下文引擎。
將你的 Token 帳單減少 60%
如果你的代理工具詢問 PaymentService 如何運作,標準工具會傳送一個 3,000 行的 JSON 酬載。Synapse 會解析 AST,去除內部函式主體,並傳送一個僅包含公開介面與對外邊緣、經過精準壓縮的 150 個 token 大綱。你的代理工具能以一小部分成本獲得 10 倍的儲存庫結構。
傳統代理工具:傾倒整個檔案。為每個空白字元與樣板 token 付費。
了解你的變更如何產生漣漪效應
詢問你的代理工具:「如果我變更這個 User struct 會發生什麼事?」標準代理工具會 grep 並猜測。Synapse 會映射確切的影響——整個程式碼庫中的每個入站呼叫者、下游被呼叫者,以及介面契約。在 AI 寫下任何一行之前,你就能看到什麼會被破壞。
傳統代理工具:先寫,後發現破壞。
在儲存前就已驗證的編輯
當標準代理工具撰寫程式碼時,你只能祈禱它能編譯。當 Synapse 驅動的代理工具撰寫程式碼時,Synapse 會在記憶體中建立一個模擬的影子圖譜。如果 AI 的編輯破壞了專案另一端的函式簽名,Synapse 會在編輯寫入磁碟之前拒絕它。
傳統代理工具:直接寫入磁碟,留下損壞的程式碼讓你除錯。
即時崩潰解析
將堆疊追蹤貼給你的 AI。標準代理工具會進行緩慢且不準確的文字搜尋。Synapse 會解析執行時期崩潰,將確切的框架匹配到本地程式碼庫中已索引的區塊,並追蹤執行路徑以找出根本原因——你甚至不需要啟動應用程式。
傳統代理工具:對追蹤進行字串搜尋,手動開啟檔案,猜測根本原因。
撰寫真正重要的測試
告訴你的代理工具「為這個模組撰寫測試」。標準工具會執行整個測試套件並猜測輸入。Synapse 會精確標示目前未受保護的程式碼行。AI 會撰寫能修補真實結構缺口的行為測試。
傳統代理工具:執行完整測試套件並猜測覆蓋範圍。
100% 本地。零 IP 外洩。
企業 CISO 不希望將專有程式碼上傳到第三方資料庫。Synapse 是一個編譯過、高度最佳化的二進位檔,完全在你的本地機器上執行。你的程式碼庫永遠不會離開你的筆電。無雲端。無合規問題。
傳統代理工具:將你的程式碼庫上傳到第三方雲端搜尋引擎。 05 / 操作方式
工程團隊實際如何使用 Synapse
標準的 AI 聊天視窗非常適合撰寫樣板程式碼,但在處理複雜的多檔案軟體工程時卻力不從心。以下是加入 Synapse 如何改變真實工程任務的工作流程。
01
複雜的架構重構
情境: 你要求你的 AI 解耦一個舊版的 Auth 模組。
❌ 標準 AI
對「auth」執行盲目文字搜尋,更新找到的檔案,卻遺漏了巢狀背景工作者中的數十個參照,並留下損壞的匯入讓你的專案必須手動尋找。
✅ Synapse-MCP
你的代理工具在 500 毫秒內查詢圖譜,映射橫跨 4 個子服務的每個呼叫者。它系統性地重寫呼叫者,並在記憶體中針對 AST 驗證新的函式簽名——提供結構上安全的重構,不會有損壞的執行時期匯入。
02
深入除錯
情境: 一個生產環境的 webhook 丟棄了酬載並回傳 500 錯誤。
❌ 標準 AI
要求你手動尋找並貼上五個不同的檔案,以便它嘗試猜測它們如何連接,並在此過程中失去上下文。
✅ Synapse-MCP
你將原始堆疊追蹤貼到聊天中。Synapse 解析框架並直接將它們映射到你已索引的本地圖譜。代理工具不是猜測,而是向後追蹤執行路徑,找出可能的根本原因,為你節省一小時的手動檔案跳轉時間。
03
語意化程式碼審查
情境: 一位初階開發者開啟了一個內容密集、500 行的 Pull Request。
❌ 標準 AI
閱讀純文字差異,並標記缺少的型別提示或命名不佳的變數。它完全不知道變更的檔案如何影響應用程式的其餘部分。
✅ Synapse-MCP
代理工具將 PR 差異疊加到你的程式碼庫 AST 圖譜上。因為它理解更廣泛的架構,它可以標記實際的下游回歸:「這個 PR 在語法上看起來沒問題,但它移除了 EmailService 依賴的事件發射。」你獲得的是結構影響審查,而不僅僅是淺層的語法檢查器。
04
精準測試與覆蓋率
情境: 你接手一個測試覆蓋率為 30% 的舊模組,並要求 AI 改進它。
❌ 標準 AI
產生無用的「快樂路徑」樣板測試,大量模擬依賴項,卻抓不到任何真實錯誤,只是為了膨脹覆蓋率指標。
✅ Synapse-MCP
代理工具遍歷本地圖譜,找出缺乏覆蓋率的確切邏輯分支。它不是猜測輸入,而是確切看到哪些邊緣案例暴露在外(「validate_checkout() 中的失敗狀態完全沒有被測試到」),並撰寫有針對性的行為測試,真正驗證系統。
常見問題
常見問題
你需要知道的有關 Synapse MCP、設定說明,以及最佳化 AI 編碼代理工具的一切。
什麼是 Synapse MCP,它是如何運作的?
Synapse MCP 是一個持久化的本地程式碼知識圖譜伺服器,透過 Model Context Protocol (MCP) 運作。它不是強迫你的 AI 代理工具依賴字串匹配 grep 或未壓縮的檔案讀取,而是將你的整個程式碼庫索引成 AST 區塊、呼叫邊緣和語意嵌入。它能在單一工具呼叫中提供 100% 準確的呼叫者/被呼叫者圖譜和壓縮的程式碼上下文。
Synapse MCP 的圖譜查詢速度有多快?
Synapse 圖譜查詢在本地記憶體中以微秒到奈秒的等級執行。索引一個 10,000 檔案的儲存庫只需數秒,而在 Git worktrees 中執行平行子代理工具時,虛擬工作樹覆蓋層(VWO)可套用低於 50 毫秒的差異索引。
免費版和 Pro 版之間有什麼區別?
- 免費版(「黃金圖譜」— $0): 完整的 AST 索引、3 種搜尋模式(符號、regex、語意)、上下文檢索(尋找、解釋、入門)、檔案檢查、標準寫入,以及無限儲存庫。
- Pro 版(「影子圖譜」— 每月 $19): 包含免費版的所有功能,加上深度圖譜探索(呼叫者/被呼叫者/循環)、編輯前安全包、帶有 linter 驗證的模擬安全寫入(
write_safely搭配 dry-run)、崩潰堆疊追蹤解析(resolve_stack)、測試品質分析(find_tests)、持久化加密知識快取,以及無限儲存庫。
Synapse Pro 如何為自己付費?
前沿模型的 API 成本範圍為每 1M tokens $3 到 $15。透過 SmartCrusher 精簡將提示詞 token 消耗減少 30-60%,並用單回合的微秒級圖譜查詢取代 5-10 次的 grep+read 回合,Synapse 每次工作階段在原始 API 花費上可節省約 $0.25 到 $0.50,在 48 小時的活躍開發內即可支付其每月 $19 的訂閱費用。
Synapse 與簡單的 Vector RAG 或 RepoMix 文字傾倒有何不同? Vector RAG 引擎會依行數切割檔案,導致函式被從中切斷,並遺漏匯入的函式別名。RepoMix 會將未壓縮、多達 30,000 行的純文字檔直接丟進提示詞,摧毀你的上下文視窗。Synapse 則會解析精確的編譯器 AST 節點、建立傳遞性呼叫者樹狀結構,並在傳送給 LLM 前將酬載壓縮 30-60%。
Synapse MCP 為我的 AI 代理程式提供哪些能力?
Synapse 提供 13 個整合的 MCP 工具,涵蓋:
- 探索與搜尋: 語意搜尋、符號查詢、正規表示式搜尋,以及單回合的傳遞性呼叫者/被呼叫者圖形遍歷。
- 脈絡策展: 編輯前安全套件、程式碼區塊說明、入門順序,以及大綱簽章掃描。
- 安全修改: 記憶體中的模擬檔案寫入,並自動進行 lint 驗證與預先檢查(dry-run)。
- 影響與診斷: 低於 500ms 的呼叫者/被呼叫者影響對應(在編輯觸及磁碟前,向你的代理程式顯示程式碼庫中所有受影響的呼叫者)、將崩潰堆疊追蹤解析為 AST 區塊、測試覆蓋率對應,以及循環偵測。
我該如何安裝與設定 Synapse MCP?
前往 下載 並安裝適用於你平台的二進位檔——macOS 上的 .dmg、Windows 上的 .msi,或 Linux 上的 .deb。它會自動設定你的 IDE 或代理程式(Claude Code、Cursor、Antigravity、Windsurf、Cline、Zed、VS Code)。
「無法連線」/ ECONNREFUSED 127.0.0.1:8585 是什麼意思?
這表示你的編輯器嘗試連線到本機的 Synapse MCP 伺服器,但連接埠 8585 上沒有任何服務在監聽。Synapse 是一項本機 HTTP 服務;編輯器會連線到它,但不會替你啟動它。Cursor 通常會將此記錄為 SSE error: fetch failed: connect ECONNREFUSED 127.0.0.1:8585。
使用 synapse-mcp start 啟動它,然後在未來重新開機後使用 synapse-mcp enable 讓它持續執行。在編輯器中重新載入 MCP 伺服器(或重新啟動編輯器)。使用 synapse-mcp status 檢查狀態。端點為 http://127.0.0.1:8585/mcp。
升級後該如何啟用 Pro?
結帳成功後,重新整理本機安裝所快取的授權,即可立即解鎖 Pro。你可以選擇以下任一方式:
- 按下 開啟 Synapse。
- 或開啟本機 Synapse 儀表板,並在 使用者 分頁中按下 重新整理。
- 或在終端機中執行
synapse-mcp auth refresh。
為什麼設定 AGENTS.md 或 SKILL.md 規則是強制性的?
前沿 LLM(Claude Sonnet 5、GPT-5.6 Sol、Gemini 3.6 Flash、Grok 4.5)大量以 Unix 指令範例進行預訓練,因而對 grep 和原始檔案讀取產生強烈的預設「肌肉記憶」。若未在代理程式的系統提示詞中加入明確規則(例如 .agents/skills/synapse-mcp/SKILL.md 或 AGENTS.md),代理程式將預設使用標準 shell 指令,並忽略 MCP 伺服器。
執行 synapse-mcp install 會自動在偵測到的代理程式設定路徑(~/.gemini/config/AGENTS.md、~/.claude/CLAUDE.md、.cursorrules 等)中註冊 MCP 優先探索政策,以強制使用工具。
Synapse MCP 會將我的程式碼庫傳送到雲端嗎?
不會。Synapse MCP 完全在你的本機機器上以 stdio/HTTP 程序執行。所有 AST 索引、圖形儲存、SQLite 持久化,以及嵌入計算都在本機進行。你的原始碼不會在一般本機索引或搜尋過程中上傳至 Myelix Labs。免費的 Synapse 帳戶(電子郵件、使用 Google 登入,或使用 GitHub 登入)是存取儀表板、授權和裝置啟用所必需的——該帳戶與本機索引分開,且不會接收你的原始碼。
為什麼需要帳戶,以及為什麼要使用 Google 登入?
使用 Synapse MCP 需要免費的 Synapse 帳戶。該帳戶驅動網頁儀表板、授權和裝置啟用,讓你能授權本機 MCP 用戶端在你的機器上執行。你可以使用電子郵件和密碼建立該帳戶、使用 Google 登入,或使用 GitHub 登入。
使用 Google 登入 是建立或存取帳戶的方式之一。Synapse 僅要求你的 Google 電子郵件地址和基本身分,目的僅在於建立或讓你登入 Synapse 帳戶、確認你的電子郵件,並將裝置核准和訂閱連結到正確的使用者。我們不會要求存取 Gmail、Drive、聯絡人或其他 Google 服務,也不會使用 Google 登入來讀取或上傳你的程式碼庫。
詳細資訊請參閱我們的 隱私權政策。
為什麼需要帳戶,以及為什麼要使用 GitHub 登入?
使用 Synapse MCP 需要免費的 Synapse 帳戶。該帳戶驅動網頁儀表板、授權和裝置啟用,讓你能授權本機 MCP 用戶端在你的機器上執行。你可以使用電子郵件和密碼建立該帳戶、使用 Google 登入,或使用 GitHub 登入。
使用 GitHub 登入 是建立或存取帳戶的方式之一。Synapse 僅要求你的 GitHub 電子郵件地址和基本身分,目的僅在於建立或讓你登入 Synapse 帳戶、確認你的電子郵件,並將裝置核准和訂閱連結到正確的使用者。我們不會要求存取你的儲存庫、組織或其他 GitHub 資料,也不會使用 GitHub 登入來讀取或上傳你的程式碼庫。
詳細資訊請參閱我們的 隱私權政策。
Synapse MCP 是否相容於多應用程式傘狀儲存庫和 Git worktree?
是的。Synapse 會透明地偵測 Git worktree,並套用虛擬 worktree 覆蓋層(VWO),提供近乎即時的差異索引(<50ms),讓多個子代理程式能在平行 worktree 中運作,而不會重複圖形索引。
文章與研發
最新工程洞見
深入探討 LLM 脈絡最佳化、基於圖形的程式碼檢索,以及代理式工作流程。
研究與洞見
AI 代理程式如何花費你的金錢?(以及 Synapse MCP 如何節省)
一份研究論文顯示,代理式編碼任務消耗的 token 數量是標準程式碼推理的 1,000 倍。我們剖析原因——以及 Synapse MCP 的精確檢索、AST 大綱器和 SmartCrusher 如何逐一解決每個根本原因。
架構
為什麼 Synapse MCP 勝過原生 IDE 索引器(Cursor、Windsurf、Warp)
一篇架構深度探討,說明為什麼 Synapse MCP 的本機 AST 圖形和零延遲檔案事件,勝過 Cursor 和 Windsurf 所使用的雲端 RAG 與 Merkle 樹。
基準測試
2ms 對 12 秒:基準測試證明為何 AI 代理程式需要 AST 圖形,而非 Grep 鏈
一份實證的「展示,而非說明」基準測試,比較傳統 shell grep 迴圈與 Synapse MCP 的本機記憶體 AST 圖形引擎。2ms 延遲對 12 秒、節省 56.4% token、減少 85% 工具呼叫。
產業洞見
2026 年 AI 開發者工具版圖:為什麼 Synapse Pro 是 $19/月
針對 Cursor、Windsurf、Devin、Warp Terminal、Claude Pro 和 Synapse 的完整分析。為什麼 $20/月是普遍的價格錨點,以及 Synapse 如何自我回本。
技術研發
為什麼 LLM 搭配知識圖形編碼效果更好——AST 對 Grep 之於前沿 AI 代理程式
來自我們研發部門的真實數據:用 AST 支援的呼叫者/被呼叫者圖形取代盲目 grep/讀取迴圈,如何節省 30-60% 的脈絡 token、消除虛假信心,並解決多應用程式重構問題。
最佳實務
別再讓 AI 幻覺重構——Synapse 如何消除重複探索
為什麼標準 AI 代理程式浪費 70% 的工作階段時間重新讀取檔案,以及本機 AST 呼叫者圖形如何消除探索迴圈,實現零破壞重構。
架構與工程
本機程式碼知識圖形如何運作——深入微秒級 BEAM 引擎內部
Synapse MCP 如何使用 ETS、每個儲存庫的 GenServer 監督、純 Elixir BM25F 嵌入,以及記憶體中的 Shadow Graph 安全寫入,為 AI 代理程式在 BEAM 上提供微秒級的程式碼庫脈絡。
基準測試
我們執行了一項三臂基準測試。我們在每次查詢 token 數上輸了。以下是我們仍然獲勝的原因。
我們在同一台機器上安裝了 shell 工具、Synapse MCP 和 codebase-memory-mcp,索引了相同的程式碼庫,並執行了五個相同的查詢。我們在每次查詢 token 數上輸了。我們仍公布結果——以下是為什麼總工作階段成本才是關鍵。
基準測試
Synapse MCP 對 Graphify——一場即時正面對決基準測試
我們在同一台機器上安裝了兩個工具,索引了相同的程式碼庫(包括 Linux 核心),並執行了相同的查詢。Synapse 在每個面向都更快、更精簡、更安全。完整結果、原始計時、token 數量。
架構
Karpathy 的 LLM Wiki 對 Synapse MCP:為什麼程式碼需要圖形,而非散文
Andrej Karpathy 的 LLM Wiki gist 對散文而言非常出色——但程式碼不是散文。套用到程式碼庫時,wiki 模式會與一個即時、結構化的產物發生衝突。以下是為什麼持續的程式碼圖形——而非摘要資料夾——才是正確工具,以及每個取捨背後的誠實推理。
基準測試
圖形漂移問題是真實的。Graphify 仍然無法解決它。
一篇 Medium 文章描述了完全正確的情境——一個代理程式針對三週前的知識圖形進行重構——然後開出可觀測性掛鉤的處方,而非修正保證會漂移的架構。我們執行了基準測試。以下是為什麼沒有任何掛鉤能修復即時記憶體圖形所能預防的問題。
比較
Synapse 比較
相同硬體上的即時基準測試。不是行銷宣稱——是在 torvalds/linux 上、74,619 個檔案的真實測量。
| 功能 | Synapse MCP | Graphify | Sourcegraph | Greptile |
|---|---|---|---|---|
| 架構 | BEAM · ETS · 持久化常駐程式 | Python · NetworkX · 無常駐程式 | Go · Zoekt · SaaS | Vector RAG · 雲端 |
| 查詢速度 | 亞毫秒 · Linux 核心 148ms | 59.3 秒冷啟動(1.6 GB JSON) | ~100ms 搜尋 | ~500ms 向量 |
| 寫入安全 | ✓ Shadow Graph 在寫入磁碟前驗證 | ✗ 唯讀 | ✗ 僅搜尋 | ✗ 僅搜尋 |
| 死碼決策 | ✓ safe_to_delete + 信心度 | 列出零呼叫者函式 | ✗ | ✗ |
| 崩潰解析 | ✓ resolve_stack 對應至 AST | ✗ | ✗ | ✗ |
| Token 壓縮 | ✓ SmartCrusher 30-60% | ✗ | ✗ | ✗ |
| Linux 核心 RAM | 877 MB | 5.21 GB | — | — |
| 隱私 | ✓ 100% 本機 · 零雲端 | SaaS 雲端上傳 | SaaS/自架 | 僅雲端 |
| 定價 | 免費 · Pro $19/月 | 免費 · Pro $10/月 | 免費 · 企業版 | 免費 · Pro $24/月 |