前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
原理篇
面经篇
AI 面试
自检篇
每日一题
  • 综合
    • 综合题型
    • 其他问题
    • 设计模式
    • 思维导图
    • 学习路线
  • 前端基础
    • HTTP
    • 浏览器
    • 计算机基础
  • 进阶学习
    • NPM工作流
    • Docker
    • Canvas
    • Node学习指南
    • 前端综合文章
  • 其他
    • Handbook
    • 职场话题
    • CSS可视化
小程序题库
公众号动态
博客动态
AI 热点
开发者导航
基础篇
进阶篇
高频篇
精选篇
手写篇
原理篇
面经篇
AI 面试
自检篇
每日一题
  • 综合
    • 综合题型
    • 其他问题
    • 设计模式
    • 思维导图
    • 学习路线
  • 前端基础
    • HTTP
    • 浏览器
    • 计算机基础
  • 进阶学习
    • NPM工作流
    • Docker
    • Canvas
    • Node学习指南
    • 前端综合文章
  • 其他
    • Handbook
    • 职场话题
    • CSS可视化
小程序题库
公众号动态
博客动态
AI 热点
开发者导航
返回 AI 情报前线
All News · 全部资讯3542
  • Loop Engineering 真的适合前端开发吗
  • Claude Science功能发布
  • 让 Agent 技能可训练的新方法
  • 选择合适的模型比盲目追新更关键
  • Google发布Gemini轻量级和高性能模型
  • Claude Code请求被发现暗中标记 引发隐私担忧
  • 重新定义 Agent:核心是日志而非模型
  • AI 发展的本地化与开源化趋势
  • AI模型走向专业化分工的趋势分析
  • Copilot 原生集成 JetBrains IDE,开箱即用
  • 预测人类意图:为何需要超越Next Token预测
  • Sourcegraph 智能批量代码迁移 Agent 公测上线
  • 从 Core Dump 分析发现 18 年遗留的基础设施 Bug
  • HuggingFace模型卡整合全量评估基准结果
  • Cursor 团队市场升级:支持 MCP 和组织管理
  • GeneBench-Pro:生物信息学领域的 AI 基准测试
  • Memora:分层记忆设计让 AI Agent 上下文不丢失
  • DiScoFormer:跨分布的密度和评分一体化Transformer
  • Ornith-1.0:自我改进的 Agent 编码开源模型
  • 解读AI全栈:从硬件到应用的完整理解
  • JetBrains Air IDE 正式支持 Windows 平台
  • API 限制困扰开发者,本地 LLM 生成 Git 提交信息
  • LLM 不需要记忆,设计情境才是关键
  • LLM API 调用全链路解析:从请求到流式响应
  • AI 行业走向的反思:从实践看未来
  • Cursor iOS 版上线:随处管理 AI Agent 编程
  • Semgrep基准测试:GLM 5.2超越Claude的场景启示
  • Codex 无法排除敏感文件:AI 编程工具的安全隐患
  • Wayfinder Router:本地/远程 LLM 智能路由
  • TrueType 字体内嵌二维码渲染器
  • Adrafinil:Agent 工作流 Mac 自动化工具
  • 统一 AI API 网关避免重复包装
  • 本地开源模型打造编程Agent:Claude Code的平价替代方案
  • DSpark推测解码:LLM推理速度翻倍的实现方案
  • Playwright 自动化浏览器抽奖示例
  • GPT-5.6 Sol 模型首次亮相
  • Claude/Codex/Cursor 内的智能模型路由
  • GPT-5.6 Sol 发布:编码能力迎接新台阶
  • LLM 运营成本可持续性警告
  • 一行命令在 HF Jobs 上启动 vLLM
  • 拥有和维护大型代码库为什么这么难
  • GitHub Copilot Agent 多模型性能评测
  • OpenKnowledge:AI 原生笔记应用
  • JetBrains IDE 推荐 AI Agent 升级到 GPT 5.6
  • Rider 用实时 Profiler 数据让 AI 精准诊断瓶颈
  • 思维工程师工具包正式上线
  • AI Agent 时代的生产故障根本原因分析
  • OpenAI 论文:AI Agent 如何重塑工作流
  • 圣经数据构建 RAG 系统的开源实现
  • OpenAI 发布首款自研 AI 推理芯片
  • Gemini 3.5 Flash 获得计算机控制能力
  • 已加载 51 / 3542
7.0
热点
AI SCORE
工具产品2026-06-29 23:22

JetBrains Air IDE 正式支持 Windows 平台

JetBrains AI Blog#JetBrains#IDE 工具#AI 助手
Editor brief · 编辑速览

JetBrains AI 编程助手 Air 现已推出 Windows x64 与 ARM64 版本,满足 Windows 开发者长期需求。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

一个 Agent 驱动的开发环境

我们很高兴迎接 Windows 开发者使用 JetBrains Air!

下载 x64 版本 / 下载 ARM64 版本

自 JetBrains Air 发布以来,支持 Windows 一直是开发者社区呼声最高的更新之一。我们听到了这些反馈,并努力将 Air 带到了 Windows。

Air 专为不绑定特定 Agent 的开发方式而打造——你可以使用主流 AI 编程 Agent 来实现功能、修复 bug、研究代码、生成变更并审查结果,所有这些工作都可以在一个专用的、以 Agent 为先的开发环境中完成。随着 Windows 版本发布,现在会有更多开发者能够将 Air 融入日常工作流。

可以在 Air 中尝试的开发工作流

Air 桌面应用填补了在终端中运行 Agent 与使用完整 IDE 之间的空白。它为 Agent 驱动的开发提供了一个专用环境,你可以在其中运行任务、审查结果,同时让自己的主要编码工作流保持专注。

下面介绍几个简单的工作流,帮助你开始使用 Air。

从计划和精确的任务上下文开始

首先进入 Plan 模式,描述你想要实现的内容。在开始实现之前,Air 会将执行计划保存到一个 markdown 文件中,因此你可以不断迭代计划、留下评论,引用类、文件夹、文件、文档、符号或具体代码行,还可以从电脑上传文件作为额外上下文。

然后,选择由哪个 Agent 执行任务,以及任务在哪里运行:本地环境,或者 Git worktree。

让 Agent 完成修改,然后审查 diff,再决定保留哪些内容。上下文越充分,输出结果就越好。

让并行运行的 Agent 实现多个功能

在相互独立的 Git worktree 中同时运行多个 Agent。每个 Agent 都有自己的工作目录和分支,因此各自的修改彼此独立,不会发生冲突。

审查结果,应用你需要的修改,并在准备就绪后将它们提交到 main。

使用另一个 Agent 审查某个 Agent 编写的代码

使用一个 Agent 实现任务,再由另一个 Agent 审查结果。例如,你可以让 Claude 负责实现,再让 Codex 审查修改。

负责审查的 Agent 会直接在代码中留下评论。你可以选择哪些地方值得改进、添加自己的评论,然后将任务发回给原来的 Agent。在 Air 中,无须采用额外的变通方案,就能构建这种多 Agent 工作流。

过去几个月里,我们在应用稳定性方面投入了大量精力。目标很简单:确保 Windows 开发者无须借助变通方案,就能开始使用 Air。自首个版本发布以来,我们积累了许多经验,也希望 Windows 开发者从第一天起就能获得可靠的使用体验。

试试 Windows 版 JetBrains Air,并告诉我们你希望接下来改进哪些方面。

试用 x64 版本 / 试用 ARM64 版本

谢谢,我们已经收到你的反馈!

Air 现在支持 GitHub Copilot、OpenCode、Pi、Cline 及其他 ACP Agent,新增了 Java 和 Kotlin IDE 智能能力,并可在 Docker 中运行 Windows 任务。

亲眼看看一位开发者如何从偶尔使用 AI,转向以 Air 为基础、以 Agent 为先的工作流。

下载 Air——macOS 版本免费提供。Windows 和 Linux 版本即将推出。我们对 Agent 驱动的软件开发抱有一种坚持原则的乐观态度,同时也秉持务实的乐观主义。经过 26 年的开发者工具打造经验,我们清楚地知道需要构建什么,也坚信 Agent 将从根本上……

Original source

本文由 AI 翻译整理自 JetBrains AI Blog,原文版权归原作者所有。

阅读英文原文
上一篇
解读AI全栈:从硬件到应用的完整理解
下一篇
API 限制困扰开发者,本地 LLM 生成 Git 提交信息