微软Visual Studio Code(VS Code)团队发布了1.103版本,引入了包括GitHub Copilot聊天检查点在内的新功能。
当开发者意识到最近几次AI聊天交互的结果出现问题时,"恢复检查点"选项将把聊天和工作区都回退到创建检查点时的状态。还提供了"重做"选项以应对进一步的想法变更。该功能目前处于预览状态。
文档显示,检查点会在"聊天交互的关键时刻"自动创建,这些时刻似乎与聊天请求保持一致。相关功能还会显示每个聊天请求结束时修改了哪些文件。
聊天检查点只是众多AI相关更新中的一项,其他功能包括为MCP(模型上下文协议)服务器重新设计的工具选择器、支持OpenAI GPT-5,以及移除单次聊天请求中128个MCP工具限制的解决方案。智能体模式还新增了实验性任务列表功能,Copilot可以自主执行高级指令。任务列表现在出现在聊天面板中,并随着每个任务完成而更新。
另一个预览版聊天增强功能是使用KaTeX渲染数学表达式的能力。该功能默认关闭,但可以在设置中启用。
VS Code现在内置AI统计功能(预览版),记录AI插入字符与手动输入字符的百分比。虽然这是一个粗略的衡量标准,但能够提供开发者AI使用程度的某些指示。
仔细阅读发布说明的用户还会发现一些非AI更改,最值得注意的是对Git工作树的支持,这是一个从2019年2月就被请求的功能。Git工作树允许开发者同时检出多个分支。
此版本支持新的TypeScript 5.9版本。TypeScript和JavaScript开发者还获得了新的用户界面,通过IntelliSense在鼠标悬停在符号上时显示类型信息。基本信息默认显示,但可以通过加号符号展开以显示复杂类型的更多详细信息。
VS Code的1.0版本于2016年4月发布,其初衷是构建"感觉像原生应用的基于浏览器的代码编辑器",结合Electron工具包后成为跨平台桌面编辑器和轻量级IDE。
由于良好的设计、易于扩展性和免费提供,VS Code从一开始就很受欢迎。尽管微软开源了产品核心(Code-OSS形式),但仍保留了VS Code发行版和扩展市场的所有权。公司利用它来推广GitHub Copilot,在产品中构建了许多Copilot专用功能,并在月度更新中重点关注这些功能,这可能让不使用Copilot或完全避免AI辅助的开发者感到被忽视。
微软/GitHub Copilot在VS Code中的专注是否降低了其受欢迎程度?根据最新的StackOverflow调查,76.2%的专业开发者使用VS Code,比2024年的74%有所上升,这一数字是排名第二的Visual Studio(29.7%)的两倍多,仅略高于排名第三的IntelliJ IDEA(28.4%)。因此答案似乎是:目前还没有。
不过,StackOverflow调查虽然基于大样本,但只显示了有多少开发者有时使用VS Code,而不是他们主要使用的编辑器。考虑到VS Code很难避免使用,值得注意的是,快速小巧的Rust驱动的Zed首次出现在调查中,占有7.5%的份额,显示了对其他选择的至少一些兴趣。
Q&A
Q1:VS Code聊天检查点功能是什么?
A:VS Code聊天检查点是GitHub Copilot的新功能,当开发者意识到AI聊天交互结果出现问题时,可以使用"恢复检查点"选项将聊天和工作区回退到创建检查点时的状态,还提供重做选项以应对进一步的想法变更。
Q2:VS Code 1.103版本还有哪些AI相关更新?
A:除了聊天检查点,还包括为MCP服务器重新设计的工具选择器、支持OpenAI GPT-5、移除单次聊天请求中128个MCP工具限制的解决方案、智能体模式的实验性任务列表功能,以及使用KaTeX渲染数学表达式的能力。
Q3:VS Code的市场占有率如何?
A:根据最新StackOverflow调查,VS Code被76.2%的专业开发者使用,比2024年的74%有所上升,这一数字是排名第二的Visual Studio(29.7%)的两倍多,显示其在开发者中仍然非常受欢迎。
好文章,需要你的鼓励
Allen AI研究所联合多家顶尖机构推出SAGE智能视频分析系统,首次实现类人化的"任意时长推理"能力。该系统能根据问题复杂程度灵活调整分析策略,配备六种智能工具进行协同分析,在处理10分钟以上视频时准确率提升8.2%。研究团队创建了包含1744个真实娱乐视频问题的SAGE-Bench评估平台,并采用创新的AI生成训练数据方法,为视频AI技术的实际应用开辟了新路径。
联想推出新一代NVMe存储解决方案DE6600系列,包含全闪存DE6600F和混合存储DE6600H两款型号。该系列产品延迟低于100微秒,支持多种连接协议,2U机架可容纳24块NVMe驱动器。容量可从367TB扩展至1.798PiB全闪存或7.741PiB混合配置,适用于AI、高性能计算、实时分析等场景,并配备双活控制器和XClarity统一管理平台。
中科院团队首次系统评估了AI视觉模型在文本压缩环境下的理解能力,发现虽然AI能准确识别压缩图像中的文字,但在理解深层含义、建立关联推理方面表现不佳。研究通过VTCBench测试系统揭示了AI存在"位置偏差"等问题,为视觉文本压缩技术的改进指明方向。