2021年12月 6 日,上海——近日,JetBrains 对外发布两项重要产品更新:专为云端和其他服务器打造的远程开发解决方案,以及轻量级编辑器Fleet。
为IntelliJ 平台引入远程开发支持
在近期陆续发布的2021.3 版本的各 IDE 中,JetBrains 向 IntelliJ 平台添加了远程开发支持,在云端或私有服务器上,IntelliJ IDEA 和其他 IDE 的用户能够远程访问功能齐全且即时可用的开发环境。
新功能提供了基于桌面的流畅 IDE 体验,并将繁重的负载全部转移到远程服务器。 这些远程实例经过预热(提前初始化),可让开发者立即开始编码,无需花费时间配置环境、处理版本控制系统等,让开发人员可以更高效地工作、节省时间并为项目做出更多贡献。 该功能基于混合技术,能够确保快速的异步体验,同时提供与本地 IDE 相同的完整功能,包括第三方插件和扩展程序。 此远程开发功能适用于基于 IntelliJ 的 IDE。
(JetBrains远程开发解决方案)
JetBrains Space 通过一套旨在简化软件开发团队工作的功能,有力地补充了远程开发功能。 Space 一体化平台支持 Git 托管、CI/CD、软件包仓库、聊天、文档和项目管理。 Space 能够大幅减少干扰和上下文切换操作,让开发者更加专注于处理任务。 来自不同行业的超过 53,000 家公司已经加入 Space。 早些时候,JetBrains 推出了 Space 与基于 IntelliJ 的 IDE 之间的原生集成,使开发者能够直接从其 IDE 审查代码和接受变更。
现在,Space 的用户只需点击一下即可启动开发环境,由 Space 完全管理编排。 该模型让团队能够维护代码中描述的可重现开发环境,并从 Space 集中管理和运行这些环境。 JetBrains 也致力于打通第三方供应商渠道。
(JetBrains远程开发解决方案)
“有了我们的远程开发解决方案,开发者可以直接从自己的代码仓库中获得一个现成环境,”JetBrains 远程开发主管 Kirill Skrygan 说, “我们的目标是提供不受设备和地域限制的无缝且统一的编码体验。 设置本地环境和等待项目初始化等工作都将成为过去,而最重要的是,让开发者摆脱计算机能力的束缚。”
适用于多语言的轻量级编辑器Fleet
(轻量级编辑器Fleet)
JetBrains新推出的Fleet 不仅具有语法高亮显示、简单的代码补全以及您对一个编辑器期待的所有功能,还是一个功能齐全的 IDE,具有智能补全、重构、导航、调试以及 IDE 中一直存在的所有功能。 更重要的是,点击一键即可使用所有这些功能。
(JetBrains Fleet适用的语言)
Fleet支持多种不同语言,开发者不再需要打开不同的 IDE 来获得特定技术所需的功能,Fleet将一切都集中一个应用程序中。
不仅如此,Fleet 是从头开始构建的,以满足那些不在本地项目上工作的开发者的需求。 因为 Fleet 采用分布式架构以及虚拟文件系统,无论项目是在本地、在容器中,还是在千里之外的国家,开发者可以在不同的场景下,以相同的方式处理项目。
Fleet还是协作性的,无论是本地还是远程,开发者可以轻松进行项目协作,能够同时处理相同或不同的文件、运行测试、访问终端以及执行协作 IDE 所期望的其他功能。
JetBrains首席布道师Hadi Hariri表示, “Fleet 的目标是为了满足那些可能只需要一个编辑器,但也同时需要 IDE 中的强大功能的场景,想要使用单一工具而非多个专用工具的用户提供不同的体验。当然,Fleet 也可以针对现有的 IDE 在分布式开发时可能无法满足的特定场景。 此外,非常重要的一点是 Fleet 不会替换现有工具,而是添加了更多选项。 与往常一样,JetBrains 将继续投资于我们所有的 IDE,而 Fleet 也会继续利用这些进展。”
好文章,需要你的鼓励
在迪拜Gitex 2025大会上,阿联酋成为全球AI领导者的雄心备受关注。微软正帮助该地区组织从AI实验阶段转向实际应用,通过三重方法提供AI助手、协同AI代理和AI战略顾问。微软已在阿联酋大举投资数据中心,去年培训了10万名政府员工,计划到2027年培训100万学习者。阿联酋任命了全球首位AI部长,各部门都配备了首席AI官。微软与政府机构和企业合作,在公民服务和金融流程等领域实现AI的实际应用,构建全面的AI生态系统。
查尔斯大学和意大利布鲁诺·凯斯勒基金会的研究团队首次系统性解决了同声传译AI系统延迟评估的准确性问题。他们发现现有评估方法存在严重偏差,常给出相互矛盾的结果,并提出了YAAL新指标和SOFTSEGMENTER对齐工具。YAAL准确性达96%,比传统方法提升20多个百分点。研究还开发了专门的长音频评估工具LongYAAL,为AI翻译技术发展提供了可靠的测量标准。
苹果与俄亥俄州立大学研究人员发布名为FS-DFM的新模型,采用少步离散流匹配技术,仅需8轮快速优化即可生成完整长文本,效果媲美需要上千步骤的扩散模型。该模型通过三步训练法:处理不同优化预算、使用教师模型指导、调整迭代机制来实现突破。测试显示,参数量仅1.7亿至17亿的FS-DFM变体在困惑度和熵值指标上均优于70-80亿参数的大型扩散模型。
印度理工学院团队构建了史上最大规模印度文化AI测试基准DRISHTIKON,包含64288道多语言多模态题目,覆盖15种语言和36个地区。研究评估了13个主流AI模型的文化理解能力,发现即使最先进的AI也存在显著文化盲区,特别是在低资源语言和复杂推理任务上表现不佳,为构建文化感知AI提供了重要指导。