JetBrains近日宣布推出JetBrains AI for Teams and Organizations,这一举措旨在为软件团队提供一套完整的AI能力体系,将开发者已在使用的各类AI工具与共享上下文、可复用的智能体工作流,以及覆盖全组织的治理机制和成本管控手段整合在一起,助力软件开发从碎片化的AI使用模式迈向协同化的开发方式。
该平台于7月7日正式发布,JetBrains将其定位为面向智能体软件开发的统一系统。在设计理念上,该平台强调厂商无关性,通过模型上下文协议(MCP)接入外部工具,通过智能体客户端协议(ACP)对接外部智能体,使组织能够在不牺牲治理能力或开发者自由选择权的前提下持续演进其AI技术栈。
在商业模式方面,JetBrains也同步进行了调整。面向企业客户,AI许可证将转变为灵活的按需AI积分制度。这一机制让组织能够在不同开发者之间灵活调配AI资源投入,且积分有效期更长,便于长期管理。
JetBrains计划在未来数周内陆续推出以下新功能:
团队自动化与云端智能体
开发者可在托管云环境中运行智能体,使长周期工程任务能够独立执行,同时在团队成员之间保持可见性与共享。团队还可创建自动化流程,根据代码仓库事件、定时任务或其他工程工作流触发云端智能体。
JetBrains Context
该功能为智能体提供代码仓库级别的智能理解能力,帮助其更高效地分析复杂代码库。通过快速访问跨仓库知识、代码示例与引用信息,可有效减少智能体交互轮次、降低执行成本并提升代码质量。
JetBrains Central
作为面向全组织的AI采用管理工具,JetBrains Central为工程负责人提供集中化视图,涵盖团队所使用的AI工具概览,以及治理、访问管理、模型与智能体控制、策略配置、数据分析和跨团队成本归因等功能。
JetBrains Central CLI
该命令行工具将Claude Code、Codex、Gemini CLI等不同AI工具的使用纳入统一的组织管理环境,提供治理、可见性与分析能力,同时允许开发者继续使用自己偏好的工具。
Q&A
Q1:JetBrains AI for Teams and Organizations是什么?能解决什么问题?
A:JetBrains AI for Teams and Organizations是JetBrains于2025年7月7日发布的一套面向软件团队的AI统一管理平台。它的核心目标是解决企业内AI工具碎片化的问题,将开发者已在使用的各类AI工具整合到统一环境中,提供共享上下文、可复用的智能体工作流,以及组织级的治理与成本管控能力,帮助团队从分散的AI使用模式转向协同化的软件开发方式。
Q2:JetBrains AI for Teams的积分制商业模式是怎么运作的?
A:JetBrains将面向企业客户的AI许可证调整为灵活的按需AI积分制度。组织可以根据实际需求,在不同开发者之间自由分配和调整AI资源投入,不再受固定许可证绑定的限制。此外,积分的有效期相比传统许可证更长,方便组织进行长期规划和管理,降低资源浪费。
Q3:JetBrains Central CLI支持哪些AI工具?
A:JetBrains Central CLI支持将多种主流AI开发工具纳入统一的组织管理环境,目前明确提及的包括Claude Code、Codex以及Gemini CLI。开发者无需放弃自己习惯使用的工具,仍可按原有方式工作,同时组织可通过Central CLI获得跨工具的统一治理、可见性监控和使用数据分析能力。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。