JetBrains 博客

时间已来到 2026 年，我们想借此机会回顾过去一年的工作，并分享未来的规划。YouTrack 在持续发展壮大 – 我们看到越来越多的团队选择切换到 YouTrack，对于您给予我们的信任，我们深表感激。去年，我们与咨询合作伙伴共同启动了多个财富 500 强客户的迁移项目，还有更多项目已排期到 2026 年。您的反馈一直是我们做出各项决策的驱动力，并将继续塑造我们的路线图。 今年，我们的侧重点是让 YouTrack 为不断扩缩的大型团队提供更强大的支持 – 以下是我们的工作重点。 我们对 YouTrack Server 和 Cloud 的承诺 一直以来，我们的首要任务都是为您…

Rust 与 JavaScript 和 TypeScript 对比：性能、WebAssembly 和开发者体验 摘要 Rust 与 JavaScript/TypeScript 并非竞争对手，它们擅长的领域不同，两者联合使用的情况也越来越多。 JS/TS 可以提供无与伦比的生态系统深度和快速迭代能力，而 Rust 则能够提供卓越的性能、内存安全性和可靠性。 WebAssembly 将两者联系起来，让 Rust 为 JS/TS 应用内的性能关键型逻辑提供支持。 现在，Rust + JS/TS 的混合架构在大型公司和开源项目中很常见。 Rust 的采用率正在加速攀升，尤其在后端、基础架构和 Wa…

AI 编码智能体正在迅速增多。一些最常见的 AI 编码智能体包括 Gemini CLI、Claude Code、Auggie、OpenCode 和 Copilot，而且每天都有新的智能体发布。 每个智能体都有其独特优势、特定设置，以及对编辑器不同程度的支持。想要弄清市面上有哪些智能体就已经很不容易了，更不用说在 IDE 中运行这些智能体了。 不过，从现在开始，情况将有所改观。 我们与 Zed（Zed 公告）联合推出了官方 ACP 智能体注册表：一个直接集成到 JetBrains IDE 和 Zed 中的 AI 编码智能体目录。浏览可用智能体、点击 Install（安装），即可立即开始使用。这次…

Qodana 是一款静态代码分析工具，将 JetBrains IDE 中的代码检查和快速修复功能引入持续集成领域。它可以在云端运行、通过 Docker 容器执行、集成到 CI/CD 管道中，也可以通过 JetBrains IDE 调用。 Qodana 已提供一套完善的检查，但它并不局限于内置检查。您可以添加自定义检查，以强制实施项目特定规范和约定。 例如，假设一个项目采用特定的代码约定： service 软件包中的每个 Kotlin 类都必须有 Service 后缀。 在这种情况下，com.jetbrains.service.JetComponent 不符合此约定，…

将 Qodana 集成到 TeamCity 中 有诸多令人信服的理由让您使用 TeamCity 作为 CI 服务器。得益于其开箱即用的功能、智能测试管理能力，以及面向企业的出色可扩缩性，TeamCity 提供了强大且可靠的 CI 解决方案。但如果您真正希望提升合规性、改善代码质量和安全性，可以将它与 Qodana 配合使用。  集成 Qodana 的静态代码分析功能可以显著提升代码库质量，并帮助您在 CI/CD 管道中实施更好的标准。借助专用 Qodana 构建运行程序提供的内置支持，将代码质量检查直接嵌入开发工作流正变得越来越简单。 在这篇博文中，我们将探讨 Qodana 与 TeamCi…

Qodana 公共 API 现已上线，并提供了完整的文档、示例和 OpenAPI 规范。在此版本中，所有 Qodana Cloud 用户都可以将 Qodana 直接集成到自有系统中、自动执行关键工作流，并以编程方式访问核心功能。 查看文档 最新变化? 在此之前，某些 API 端点仅对所选帐户开放。在此版本中，我们扩展、细化并记录了这些端点，使所有人都可以使用它们。 使用公共 API，您现在可以： 直接通过 API 创建和管理团队和项目 要创建新团队（如适用）和项目，并获得项目令牌，请向 https://{qodana_cloud_url}/api/…

跨项目代码分析 目录 目标用户 新增的“洞察”仪表板如何增强团队对自身代码的信心？ 新增的“洞察”仪表板包含的数据和功能 可用微件 项目 扫描 平均代码覆盖率 平均许可证审核率 按严重性分组的问题数 特定时间段内的问题数 项目排序 跨项目代码分析 – 问题排序 加入 Qodana 社区了解跨项目代码分析的更多信息 即便没有多个项目带来的复杂工作，管理代码质量本身也是一项挑战。得益于我们新增的洞察仪表板，您现在无需频繁在各个项目之间切换，即可根据需要随时快速获取所有项目的代码质量和性能概览。 获取 Qodana 目标用户 对于每位需要快速了解项…

本系列的前几篇文章： 使用 Kotlin 构建 AI 智能体 – 第 1 部分：极简编码智能体 使用 Kotlin 构建 AI 智能体 – 第 2 部分：深入探讨工具 使用 Kotlin 构建 AI 智能体 – 第 3 部分：受到密切观察 使用 Kotlin 构建 AI 智能体 – 第 4 部分：委托和子智能体 智能体最终会耗尽上下文。这种情况发生时，智能体会崩溃，你会在任务进行到一半时丢失所有数据。 从第 1 部分以来，我们运行的都是 GPT-5 Codex 。它在 SWE-bench Verified 上的得分为 0.58。接下来我们尝试了 Claude Sonnet 4.5，它的得分…

构建智能体很奇妙。你不是在编写执行任务的代码， 而是在编写让 LLM 有能力执行任务的代码，LLM 决定该做什么。 什么是智能体？ 智能体就是一个 LLM，它会循环调用你的函数，直至确定任务已完成。 这种转变需要一些时间来适应。你赋予智能体读取文件的能力，智能体决定要读取的文件和读取时间。你可能预计智能体会最先读取主文件， 但智能体却先读取三个测试文件，以了解相关模式。你没有告诉智能体这样做， 但它就是这样做了。 那么，你应该赋予智能体哪些能力呢？ 赋予智能体的能力过多，它将无法做出正确选择。赋予智能体的能力过少，它将无法完成任务。找到平衡点意味着不断尝试，观察哪里出了问题，然后再进行调整…

在上一篇文章中，我们了解了如何构建具有列表、读取、写入和编辑能力的基本编码智能体。今天，我们将深入探讨如何通过在 Koog 框架内创建附加工具来扩展智能体的能力。我们将以构建 ExecuteShellCommandTool 为例，教会智能体运行代码，并形成实际工程所依赖的反馈回路：运行代码、观察失败，并根据实际输出改进代码。 尽管 LLM 通常擅长避免语法错误，但在处理集成问题时仍存在困难。例如，它们有可能会调用不存在的方法、遗漏导入，或仅部分实现接口。编译和运行代码的传统方式会立即暴露这些问题。但有了少量的额外提示，我们可以促使 LLM 运行小规模测试来验证此类行为。 那么，我们如何构建这类…

本系列的前几篇文章： 使用 Kotlin 构建 AI 智能体 – 第 1 部分：极简编码智能体 使用 Kotlin 构建 AI 智能体 – 第 2 部分：深入探讨工具 读完两篇文章，我们知道，我们的编码智能体已经能做很多事情了。它可以探索项目、读写代码、执行 shell 命令和运行测试。我们在上一篇文章中添加了一个完成定义 (DoD)，使其拥有所需的反馈循环，现在，智能体会进行迭代，直至所有测试都通过，而不是由它自己决定何时完成。 我们应该庆祝一下，对吧？ 是，也不是。 随着智能体能力越来越强，调试变得更具挑战性。每个工具都会增加难度。DoD 循环增加了更多的调用和 token。可能需要…

本系列的前几篇文章： 使用 Kotlin 构建 AI 智能体 – 第 1 部分：极简编码智能体 使用 Kotlin 构建 AI 智能体 – 第 2 部分：深入探讨工具 使用 Kotlin 构建 AI 智能体 – 第 3 部分：密切观察 在上一篇文章中，我们了解了如何设置跟踪，这给我们提出了两个新问题：根据此工具提供的信息，我们应该进行哪些尝试？ 我们可以利用智能体的观察结果改进智能体的哪些部分？ 我们最初的想法是试验子智能体，或者更具体地说，使用 find 子智能体。这将让我们有机会了解，Koog 如何使实现子智能体等常见模式变得更加容易。我们的假设是，find 子智能体可以在保持甚至提升…