SmartDigest.ai Tworzone przez AI, żeby nadążyć za AI
Zapisz się

Zapisz się do newslettera

Co tydzień najważniejsze newsy AI prosto na Twój e-mail. Wybierz tematy, które Cię interesują.

Premiera / Narzędzie

JetBrains otwiera KotlinLLM: model dopisuje kod, który zostaje w repo jak każdy inny

JetBrains Research udostępnił na licencji Apache 2.0 KotlinLLM, wtyczkę do IntelliJ IDEA, która odwraca podejście do modeli w gotowej aplikacji: wywołanie asLlm model uzupełnia kodem Kotlina dopiero przy nieobsłużonej sytuacji, a poprawkę podmienia w locie przez JDI. Gotowy kod ląduje w repozytorium jak każdy inny plik, więc na produkcji modelu już nie ma, a wywołanie LLM staje się jednorazowym kosztem z etapu pisania. W testach 24 scenariusze przeszły po dopracowaniu, ale sam JetBrains studzi zapał: to prototyp badawczy, nie środowisko produkcyjne.

Napisała AI, żeby oszczędzić Ci czytania setek źródeł.  ·  Jak to działa

Premiera / Narzędzie  ·  3 min  · 

JetBrains otwiera KotlinLLM: model dopisuje kod, który zostaje w repo jak każdy inny
Ilustrację przygotowała AI.

Pomysł, który JetBrains Research pokazał pod koniec lipca, brzmi znajomo tylko przez pierwszą sekundę. W kodzie piszesz zwykłe wywołanie funkcji, na przykład asLlm(response, hint = "zwróć wszystkie zgłoszenia dobre dla początkujących"), a ciało tej funkcji dopisuje model, prawdziwym kodem Kotlina. Do tego momentu nie ma w tym nic nowego, tak działa dziś połowa edytorów. Właściwa różnica jest w tym, co dzieje się potem: wygenerowany kod trafia do repozytorium jako zwykły plik Kotlina, a samo wywołanie modelu z działającej aplikacji znika. I to, a nie generowanie kodu, jest tu naprawdę interesujące. Całość nazywa się KotlinLLM, to wtyczka do IntelliJ IDEA dla projektów Kotlin/JVM, otwarta na licencji Apache 2.0.

Dlaczego to w ogóle problem? Bo użycie modelu w trakcie działania gotowej aplikacji, a nie podczas jej pisania, do tej pory wyglądało kiepsko na każdy z trzech sposobów, które wylicza JetBrains. Można odpytywać model wprost przy każdym żądaniu, ale to wolne, nieprzewidywalne, kosztowne i na zawsze uzależnia aplikację od zewnętrznej usługi. Można wypchnąć logikę do osobnego agenta, tyle że wtedy ląduje ona poza kodem, gdzie trudniej ją przejrzeć, przetestować i wydać. Można wreszcie generować potrzebny kod w locie, tak jak robiły wcześniejsze prace badawcze, tyle że te celowały w języki interpretowane w rodzaju Pythona i nie radziły sobie ze skompilowanym, statycznie typowanym Kotlinem.

Sztuczka KotlinLLM polega na tym, że model dopisuje kod dopiero wtedy, gdy naprawdę jest potrzebny, i robi to jednorazowo. Gdy uruchamiasz projekt przez konfigurację wtyczki, skanuje ona kod w poszukiwaniu wywołań asLlm i odpala aplikację pod JDI, mechanizmem debugowania JVM, który pozwala podmienić kod załadowanej klasy bez restartu. Dopóki wygenerowana logika radzi sobie z tym, co przychodzi, nic się nie dzieje. Kiedy trafia na sytuację, której nie obsługuje, wykonanie zatrzymuje się na wcześniej ustawionym breakpoincie. Wtyczka odczytuje wtedy z zamrożonej ramki rzeczywiste wartości i ich typy, agent proponuje na tej podstawie poprawkę, a wtyczka kompiluje ją i podmienia klasę w locie, zanim ponowi pierwotne wywołanie. Kotlin/JVM nie jest tu przypadkiem, bo cała ta pętla stoi na podmianie załadowanych klas przez JDI.

Czytaj dalej za darmo

Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.

Powiązane

Netflix dał agentom Claude Code i Codex indeks kodu z IntelliJ IDEA i zmierzył zysk
Premiera / Narzędzie

Netflix dał agentom Claude Code i Codex indeks kodu z IntelliJ IDEA i zmierzył zysk

5 min

Netflix podłączył Claude Code i Codex do silnika analizy kodu z IntelliJ IDEA przez własnego demona, który trzyma indeks projektu w pamięci, i zmierzył, że przy pełnych zadaniach agenci zużywają od 10 do 30% mniej tokenów i czasu, a przy pytaniach o strukturę kodu w jednym ustawieniu nawet około 65%. Oszczędność bierze się stąd, że agent nie musi zgadywać, które pliki JAR rozpakować i przeszukać grepem. W ten zysk wierzę, ale do liczb podchodzę ostrożnie, bo test opisały Netflix i JetBrains, który ten silnik sprzedaje, a pełnych wyników nikt z zewnątrz nie zobaczy.

JetBrains Air da się już zainstalować. Liczb o tańszych agentach wciąż brak.
Premiera / Narzędzie

JetBrains Air da się już zainstalować. Liczb o tańszych agentach wciąż brak.

4 min

JetBrains otworzył 1 października wczesny dostęp do Air, wtyczki do IntelliJ IDEA, PyCharma i innych swoich IDE, która nie ma własnego agenta, tylko wykrywa te już zainstalowane, jak Codex czy Claude Agent, i zbiera ich sesje w jednym miejscu. Przy każdej sesji widać zmienione pliki, commity i bieżący koszt, a agenci pracują na osobnych kopiach repozytorium, więc nie nadpisują sobie plików. Agenci w chmurze są tylko dla firm z subskrypcją JetBrains AI, a obietnica tańszej pracy dzięki narzędziom IDE wciąż nie ma za sobą żadnego pomiaru.

JetBrains Air: trafna diagnoza, cienka oferta
Premiera / Narzędzie

JetBrains Air: trafna diagnoza, cienka oferta

4 min

JetBrains 22 września ogłosił Air, zestaw produktów, który ma objąć pracę agentów AI w całej firmie, a nie tylko w IDE. Diagnoza jest trafna: kod tanieje, a drożeje jego sprawdzanie, za które wciąż odpowiadają ludzie, więc lepszy model nie ustali zasad ani nie policzy kosztów. Oferta jest jednak cienka, bo Air Governance to marcowy Central pod nową nazwą, wpis nie mówi, co działa już dziś, a obietnica tańszych i dokładniejszych agentów dzięki analizie kodu w IDE nie ma za sobą ani jednej liczby.