开发工具公司JetBrains预览了用于智能体AI软件开发的Central平台,但将停止Code With Me人工配对编程功能。
智能体平台负责人Oleg Koverznev表示,Central是一个智能体软件开发系统,包含治理、运行智能体的云基础设施,以及跨存储库和项目的共享上下文。
Central的一些部分已经在预览中,包括Air IDE和JetBrains Console,后者为使用AI的团队提供Token管理和使用分析。
JetBrains Central承诺为开发团队管理AI智能体
Central将在今年第二季度开放早期访问。Koverznev还表示,面向组织的更新定价即将推出,这可能意味着新系统用户将面临溢价。
据Koverznev说,"代码生成成本低廉,不再是瓶颈"。他表示,现在的挑战是管理"智能体驱动工作日益增长的运营和经济复杂性"。
JetBrains对11,000名开发者的调查显示,90%的开发者已经使用AI,22%已经使用AI编码智能体,66%计划在12个月内采用智能体。
AI浪潮让该公司处于艰难境地,传统IDE业务受到威胁,而许多大大小小的供应商提供帮助编排智能体的服务,形成新的竞争。其挑战是跟上AI发展步伐,同时不疏远核心客户——使用其广泛且普遍受欢迎的IDE来编程Java、Python、C#和Rust等语言的开发者。
JetBrains可能会因为放弃IDE中的Code With Me协作编码功能而面临这种风险。该功能允许与另一个远程开发者共享项目,以便共同编写代码或与同事一起调试。
营销负责人Ekaterina Ryabukha说:"2026.1将是最后一个正式支持Code With Me的IDE版本。"该功能将从IDE中移除,但将作为独立插件提供,直到2027年第一季度公共中继基础设施关闭。
Ryabukha表示,自疫情期间达到峰值以来,对该功能的需求有所下降,但除了通常的声明称这将使公司能够"将精力集中"在其他地方外,并未进一步解释停止该功能的原因,尽管一些开发者对此功能很喜爱。
"我们是一家两人公司,在家工作,我们一直在进行配对编程,"一位用户回应道。"如果这个功能消失,对我们的工作流程将是毁灭性的。"
其他人表示,虽然他们不经常使用这个工具,但在使用时具有很高的价值,无论是为新开发者提供入职培训、与学生合作还是分布式团队工作。"工具的重要性不是由使用频率决定的,而是由它解决问题的规模和难度决定的,"有人说。
虽然没有直接关联,但将资源转向开发AI功能而不是传统IDE改进确实可能影响此类决定——不过有人调侃说:"AI现在不应该已经在编写大部分代码了吗?如果是这样,为什么要移除小功能而不是让AI智能体来维护它们?"
Q&A
Q1:JetBrains Central是什么?它的主要功能有哪些?
A:Central是JetBrains开发的智能体AI软件开发平台,包含治理、运行智能体的云基础设施,以及跨存储库和项目的共享上下文。它还包括Air IDE和JetBrains Console,为团队提供Token管理和使用分析功能。
Q2:为什么JetBrains要停止Code With Me配对编程功能?
A:JetBrains表示自疫情期间达到峰值以来,对该功能的需求有所下降。该功能将在2026.1版本后从IDE中移除,作为独立插件提供到2027年第一季度,之后完全停止支持。
Q3:开发者对AI编程工具的采用情况如何?
A:根据JetBrains对11,000名开发者的调查,90%的开发者已经使用AI,22%已经使用AI编码智能体,66%计划在12个月内采用智能体技术。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。