Ohhnews

分类导航

Baeldung

Java周刊第652期

本期Java周刊聚焦AI辅助开发的前沿趋势,重点介绍了“代理工具”(agent harness)概念,这是一种能够快速生成、运行、检查、纠正代码并持续循环的系统,使AI从“令人印象深刻”变得“真正有用”。Spring AI 2.0发布了自纠正结构化输出功能。其他亮点包括:Block 450个JVM仓库迁移为monorepo以减少依赖漂移、JDK旧版本迁移建议、Kotlin Toolchain 0.11更新、Pi4J简化传感器与硬件集成、Eclipse基金会AI编码工作坊总结,以及Netflix使用Kueue简化批处理计算、AI视频编辑研究等。版本更新方面:Spring Boot 3.5.16、Spring Data 2025.0.13、Quarkus多版本紧急修复CVE-2026-50559、Vert.x 5.1.3、Elasticsearch 8.19.17/9.3.6、Zuul v3.6.16、Micronaut Core 5.1.2、Helidon 3.2.18、WildFly 40.0.1。本周精选文章《旧软件之所以快,是因为别无选择》引发对性能与资源约束的思考。
#java#人工智能#软件开发#spring#技术周刊
$ more
Jetbrains Blog

JetBrains 在 IntelliJ IDEA 2026.2 中开源 LSP 客户端 API

开源 LSP 客户端 API JetBrains 宣布将在 IntelliJ IDEA 2026.2 中开源 LSP(Language Server Protocol)客户端 API,使基于 IntelliJ 平台的产品(包括 Android Studio)都能使用该功能。此前,LSP 集成是商业 IDE 扩展,开源平台无法直接使用,导致插件作者需要自行实现客户端。本次开源提供了稳定且经过实战检验的平台客户端。 API 名称变更 为避免混淆,API 名称将进行调整:LspServer 改为 LspClient,LspIntegrationProvider 取代原有 provider。这些变更将在 2026.1.4 稳定版中提前生效。 建议 已有 JetBrains LSP API 的插件作者需关注更新并调整命名。 使用 LSP4IJ 或自定义客户端的插件无需立即迁移,需评估版本兼容性、功能覆盖等。 新语言集成可参考 IntelliJ Platform SDK 文档中的 LSP 指南。
#lsp#intellij idea#开源#api#jetbrains
$ more
foojay

侏罗纪JDK:迁移还是灭绝

文章作者分享了一年半迁移15个生产项目的经验,强调不应从JDK 7直接跳到21,而应逐LTS版本升级(7→8→11→17→21→25)。详细介绍了每个跳跃的关键变化:JDK 8→11时Java EE模块移除需手动添加依赖;JDK 11→17时Jigsaw模块系统限制反射访问;JDK 17→21时Hibernate 6带来大量不兼容改动,包括@Type重写、IdGeneratorStrategyInterpreter删除等;JDK 21→25时引入Virtual Threads和模式匹配等新特性。推荐使用OpenRewrite自动化重构、jdeprscan检查弃用API、Maven Enforcer锁定版本。强调迁移需分四阶段:库存扫描、依赖清理、逐跳升级、重复迭代,并建议从最小服务开始。指出不迁移的真实成本:安全漏洞、新员工学习成本、现代库无法使用、未来迁移难度增大。
#jdk迁移#java升级#遗留系统#hibernate#openrewrite
$ more
Jetbrains Blog

开发容器发展故事:为插件作者介绍 EelApi

概述 文章介绍了IntelliJ平台中的EelApi,这是一个用于处理不同执行环境(本地机器、WSL、Docker容器、开发容器)的统一API。EelApi源于为WSL和开发容器设计的代理技术,允许插件在保持IDE本地的同时,通过API操作项目环境中的文件系统、进程、网络等。文章详细说明了如何使用EelApi:从项目或路径获取描述符,执行工具(文件复制、进程启动),处理环境变量和目标路径,检测目标平台,以及跨边界端口连接。还解释了路径处理的关键区别:IDE使用java.nio.file.Path,目标进程需用EelPath转换。API当前标注为实验性,但已在WSL和原生开发容器支持中生产化。未来计划稳定API并发布文档。
#开发容器#eelapi#intellij平台#wsl#插件开发
$ more
Jetbrains Blog

Cursor 600亿美元收购的真正赢家不会是AI编码助手

核心观点 SpaceX以600亿美元收购Cursor母公司Anysphere,外界聚焦AI里程碑,但真正的转折点在于:AI大幅提升代码生成速度后,代码质量与验证成为新的瓶颈。未来软件工程不再取决于谁生成更多代码,而是谁能信任这些代码。 关键分析 AI编码助手让开发效率翻倍,但代码审阅时间并未增加,审阅带宽成为限制因素。 研究显示,AI辅助虽提升初始速度,却导致静态分析警告和代码复杂度持续上升,长期反而拖慢开发。 自动化质量分析(如Qodana)变得不可或缺:AI生成代码后,需静态分析、安全扫描、CI/CD质量门禁层层把关,人工只审阅需判断的部分。 趋势展望 工具链将从孤立的AI助手演进为分层工作流:AI生成 → 静态分析验证 → 安全扫描 → 质量门禁 → 人工审阅。成功的企业将不是最快生成代码,而是以更低成本生成可信代码。
#cursor#ai编码#代码质量#代码审查#静态分析
$ more
Jetbrains Blog

Codex 成为 JetBrains IDE 默认 AI 编程代理

JetBrains AI 支持多个编码代理,包括 Junie、Codex、Claude Agent 以及用户自带的其他符合 ACP 协议的代理。此前用户需在聊天模式下手动选择代理。随着模型能力增强,JetBrains 决定为用户预选一个默认代理以简化体验。JetBrains 使用真实开发任务基准数据集进行评估,涵盖 Java(225 个任务)、C#(38 个)和 Python(90 个)。候选配置包括 Codex(GPT-5.4-mini medium/low)和 Junie(Gemini 3 Flash/3.1 Flash Lite)等。在解决率、成本和延迟三个核心指标上,Codex (GPT-5.4-mini medium) 与 Junie (Gemini 3 Flash) 表现接近。最终线上 A/B 测试中,Codex 在激活率、留存率和失败率上胜出,因此被选为推荐默认代理。用户仍可随时切换到其他代理。
#codex#jetbrains ai#ai编程助手#软件工程#模型评估
$ more
Jetbrains Blog

SSH连接将在Toolbox App 3.6 EAP中默认使用JetBrains Daemon

从Toolbox App 3.6早期访问计划(EAP)开始,SSH连接将默认使用JetBrains Daemon(jetbrainsd)作为后台服务。此举旨在验证新的连接流程,使远程开发更加稳定可靠。用户可尝试EAP版本并提供反馈,如遇问题可关闭设置中的'Enable jetbrainsd SSH client'选项或回退至稳定版。
#jetbrains daemon#ssh连接#toolbox app#远程开发#eap
$ more
Jetbrains Blog

AI代理总抓不住真正瓶颈?JetBrains Rider现在能修复了

长期以来,AI代理分析性能问题时依赖猜测代码,常错过真正瓶颈。JetBrains Rider在AI Assistant中引入dotTrace分析技能,让代理直接读取运行时性能快照,定位真实热点。评估显示:在80次测试中,使用该技能后平均准确率从4.71提升至8.15,完美命中根因的次数从20增至48。典型案例如Avalonia UI冻结,无技能时代理仅得1.6分,使用后10次全满分。虽然每次运行成本略有增加(约1.91→2.61美元),但在某些场景下因减少无效搜索反而更便宜更快。该技能现已在Rider 2026.2 EAP中可用,开发者可通过dotTrace快照让AI基于证据而非猜测提供优化建议。
#jetbrains rider#dottrace#ai代理#性能剖析#瓶颈诊断
$ more
Jetbrains Blog

Rust Web开发不为人知的另一面

本文探讨了 Rust Web 开发在实际应用中面临的诸多挑战:异步编程调试困难,产生冗长的回溯信息;数据库访问需多次定义同一模式;错误处理在框架中不一致;宏和泛型增加复杂性且难以排查;编译时间因泛型单态化和宏展开而变慢;生态系统碎片化,开发者需自行组合多种库。尽管存在这些问题,像 Loco.rs 和 cot.rs 等“开箱即用”的框架正逐步改善体验。文章认为,Rust Web 开发在 2026 年虽已进步,但生产力仍不及 Python 等语言,需要权衡可靠性与开发速度。
#rust#web开发#异步编程#编译时间#框架碎片化
$ more
Jetbrains Blog

关于会员推断攻击及防止隐私泄露的研究

本文研究了大型语言模型中的会员推断攻击(Membership Inference Attack),这种攻击可以通过API接口推断特定数据是否出现在训练集中,对隐私安全构成严重威胁。文章介绍了会员推断攻击的基本原理、评估指标(负对数似然和困惑度)以及相关的数据提取攻击。现有攻击方法分为基于参考模型和无需参考两类。作者提出了一种新的攻击方法——错误区域会员推断攻击(EZ MIA),通过比较目标模型和参考模型在错误预测位置的概率变化来更准确地衡量记忆化。实验表明,EZ MIA在检测率上优于LOSS、Min-K++和SPV-MIA等基线方法,并且能发现全参数微调导致的隐私泄露远高于LoRA微调。该工作为评估微调模型的记忆化风险提供了实用工具。
#会员推断攻击#隐私泄露#大型语言模型#微调#lora
$ more