PyCharm 2026.2.1 重点强化 AI 开发体验：AI 智能体现在可在 Jupyter 笔记本中基于实时内核工作，并能使用项目配置的 Python 环境和工具，避免安装到错误环境；新增 marimo 笔记本插件支持。该版本还重新设计了 Python 包管理工具窗口，改进类型检查信息；同时剥离并弃用 Data Wrangler、Hugging Face、Google Colab 等低使用率插件，以保持 IDE 轻快。

核心结论 PyCharm新增的Agent Environment Coordinator技能，可让AI智能体获取项目真实的Python环境信息，避免装错解释器或污染系统环境。在28项Python编程任务测试中，6款AI模型的平均任务成功率从68%提升到98%，且未修改系统Python。该技能复用PyCharm现有配置机制，仅返回环境信息而不拦截命令，支持uv、Poetry、conda等工具，随PyCharm 2026.2.1内置，需JetBrains AI订阅。

核心内容 JetBrains在PyCharm中为AI代理引入了全新的Jupyter技能，使其可以直接在实时Jupyter内核中工作，而不是通过子进程执行任务。这一改动保证了变量、模型和数据状态在单元格间持续存在，避免.ipynb文件损坏，同时减少空闲轮询造成的算力浪费。 在12项机器学习任务评测中，Claude Opus 5通过内核运行花费59.09美元，比shell模式的67.06美元低约12%，虽然后者输入的token更少。主要原因是内核模式保持了98%的缓存读取率，缓存读取成本仅为新建缓存成本的1/12。 该功能已集成于PyCharm 2026.2.1，用户可通过AI聊天让代理直接操作笔记本，也可从IDE管理技能或导入外部注册表。评测同时指出，在困难任务上AI仍可能无法达到要求，且需要在上下文中明确指示代理保存产物。

PyCharm 团队宣布自 2026.2 版本起，将解绑并弃用一批低使用率插件，涉及 Data Wrangler、Hugging Face、Google Colab、Spark、AI Playground、AI Agents Debugger、dbt 和 Databricks 等。官方表示，此举旨在精简代码库、降低维护成本，并将开发资源集中于对 Python 开发者影响更大的功能。弃用插件仍可在 JetBrains Marketplace 安装兼容版本，源码将移至 Obsolete Plugins 仓库；从 2026.3 起将不再发布新兼容版本。

本文介绍 IntelliJ IDEA 中容易被忽视的五项 AI 功能：AI 补全可根据当前编辑智能提示后续修改，并支持方法级生成；编辑器内代码生成通过快捷键快速用自然语言生成代码，并以内联 diff 方式呈现；AI Actions 无需对话即可解释代码、生成测试与文档；通过 Agent Client Protocol (ACP) 可接入外部编码智能体（包括 JetBrains 自家 Junie），并支持复用技能；BYOK 允许配置第三方 API 密钥与端点。此外，文章还补充了堆栈跟踪 AI 解释和自动生成提交信息等实用能力，强调 AI 已深度融入日常编码流程。

本文介绍 IntelliJ IDEA 中 Agent Skills 的安装与管理方法。AI Assistant 通过技能管理器支持全局、项目级或单个 Agent 安装技能；技能仓库默认提供 JetBrains 安全验证过的技能，团队也可以添加自建仓库。文章通过示例展示了 AI 代理可根据提示自动选用 spring-boot-skill 等技能，也支持显式调用。该功能让可复用的智能体能力无缝融入 IDE 工作流，同时保持安全可控。

核心内容 WebStorm 通过支持 Agent Client Protocol（ACP）实现了与外部 AI 代理的无缝协作，开发者无需额外订阅 JetBrains AI，即可使用 Anthropic、OpenAI、Google 等已有服务。ACP 类似 LSP，将 IDE 与 AI 代理解耦，支持在编辑器内切换专用代理，完成前端开发、代码审查、重构、文档生成等任务。文章展示了从 Figma 设计稿到浏览器验证的多代理工作流，并强调团队可以通过统一注册表、自定义代理和 BYOK 保持数据合规与工具标准化，避免被单一 AI 供应商锁定。对开发者而言，这意味着“选择而不妥协”：在不放弃 WebStorm 深度代码智能的前提下，随时选用最适合当前任务的 AI 代理。

本文探讨了在Spring Batch批处理任务中，使用嵌入式分析数据库DuckDB替代逐行Java循环进行数据转换的做法。作者构建了两个仅转换引擎不同的Spring Boot应用，对同一数据执行分组、聚合和派生计算。结果表明，在1000万行数据上DuckDB比Java内存集合快约6倍，在5000万行上快约8倍，输出结果完全一致。加速主要源于向量化执行、默认多核并行以及避免逐行对象创建和垃圾回收。文章建议在文件或数据库来源的大规模聚合、连接和派生场景中使用DuckDB，同时保留经典Reader/Processor/Writer用于行级处理和外部调用。

本期Spring周刊汇总了近期Spring生态的重要动态。作者预告将于9月初参加在奥斯陆举行的JavaZone大会和阿姆斯特丹的IntelliJ IDEA大会。内容包括：JobRunr分布式任务调度引擎演示；与Gregory Green的播客访谈，涉及RabbitMQ、Valkey、GemFire和Data Flow；Spring AI AgentCore 2.1.0发布；如何将Spring AI智能体部署到AgentCore的教程；Craig Walls关于让智能体具备对话记忆的文章；Sebastien Deleuze访谈；Java 24项目中引入虚拟线程影响的讨论；Broadcom加入Open Secure AI Alliance；以及James Ward展示基于Spring AI优化token消耗的直播。