2026年上半年,JetBrains正式发布了Air的公开预览版(Public Preview)——一个Agentic Development Environment,让多个AI Agent并行写代码的全新开发环境。

Air不是给IDE加个AI聊天框,而是围绕AI Agent重新构建的开发环境。JetBrains Air让开发者可以将编码任务委托给AI代理,同时全程保持对工作的控制。其核心围绕“定义任务”和“审查结果”两大环节,适合人机协作的开发场景。对比传统的IDE就很清晰:
|
传统IDE |
Air |
|
人类写代码,AI辅助 |
AI写代码,人类审查 |
|
AI是「副驾驶」 |
AI是「团队成员」 |
|
一次一个Agent |
同时多个Agent并行 |
|
Agent直接改主分支 |
Agent在沙箱中工作 |
你可以同时启动Junie(JetBrains自研Agent)、Codex、Claude Agent、Gemini CLI等多个Agent,让它们各自处理不同的子任务。Air具备高度的代理通用性(Agent-agnostic),打破了单一模型的限制,上线即支持多款主流AI代理。同时,Air通过ACP Agent Registry将支持更多编码代理。
Air解决了什么痛点?
Air解决了几个真实痛点:
- Agent碎片化:Cursor写业务、Claude做架构、ChatGPT查问题,每个Agent都是独立的“信息孤岛”
- 只能串行不能并行:一个需求要同时改网络层、UI层和测试层,只能排队等
- 代码安全失控:Agent的修改直接落在工作目录里,多个Agent可能互相冲突
Air的解法是:不在旧架构上打补丁,而是从零设计一个“Agent-first”的开发环境。它把多个智能体并行跑,本地默认执行,也可隔离在Docker或Git worktree中沙箱运行,互不干扰。每个Agent拥有独立的任务卡片和执行状态,修改在沙箱中进行,不会污染主分支。
Air还提供了灵活的权限控制模式,控制智能体在编辑文件或运行命令前如何请求批准。开发者可以选择让Agent仅做规划、执行前请求批准、自动编辑文件或完全访问。
Air没解决的问题
但Air留下了一个关键问题没解决:审查什么?怎么审查?
Air的核心理念是“AI写代码,人类审查”——多个Agent在沙箱里并行干活,人类在终点验收。但问题在于:如果Agent产出的代码风格不统一、安全漏洞一堆、没有单元测试、没有文档,审查就成了另一场噩梦。
想象一下这个场景:你启动了3个Agent,分别处理Controller、Service、Mapper三个模块。Agent A用Lombok写DTO,Agent B手写getter/setter;Agent A用@Autowired注入依赖,Agent B用构造器注入;Agent A的异常处理是try-catch,Agent B是全局异常处理器。三个Agent并行跑完了,你打开Air的审查面板,面对的是三种风格、三套规范、三样标准的代码。你是该夸它们效率高,还是该骂它们不守规矩?
更麻烦的是安全。Agent A可能用字符串拼接SQL,Agent B可能把敏感信息写进日志,Agent C可能忘记做参数校验。如果Air的审查环节只是“人工逐行看代码”,那和传统Code Review有什么区别?多个Agent并行带来的效率提升,全被审查环节的“质量债”吃回去了。

飞算JavaAI:让Agent“能干出能合并的活”
飞算JavaAI智能引导的五步闭环,让每个Agent产出的代码在“出沙箱”之前就已经完成了工程治理:
- 需求规划Agent拆解需求,生成验收标准
- 接口设计Agent生成符合RESTful规范的API定义
- 数据库架构Agent设计表结构,自动添加索引和外键约束
- 业务逻辑Agent实现核心逻辑,处理事务边界和异常分支
- 源码生成Agent输出完整的Spring Boot工程
每个步骤都有明确的输入输出标准,每一步都允许开发者介入审阅。Air让Agent“能并行干活”,飞算JavaAI让Agent“能干出能合并的活”。
真实场景的对比
用Air跑3个Agent并行处理一个Spring Boot订单模块。Agent们各自在沙箱里干活,10分钟后任务完成。你打开Air的审查面板,发现Controller、Service、Mapper三个模块的代码风格完全不统一——一个用Lombok,一个不用;一个用@Autowired,一个用构造器注入。Mapper没有加@Mapper注解,Service的@Transactional放在了private方法上。你花了一个小时统一风格、修Bug。
用飞算JavaAI的智能引导,输入同样的需求,五步闭环自动执行。30秒后拿到完整的Spring Boot工程——Controller、Service、Mapper、DTO、单元测试、API文档全部齐备,风格统一、安全扫描通过、测试覆盖率85%以上。直接导入IDEA就能跑。
Air与飞算JavaAI:上下游互补
Air和飞算JavaAI解决的是同一个问题的不同层面。Air解决的是“怎么让多个Agent一起干活”——任务分配、并行执行、沙箱隔离。飞算JavaAI解决的是“Agent干完活之后代码能不能用”——规范统一、安全扫描、测试覆盖、文档沉淀。
两者是上下游互补的关系。Air负责“让Agent跑起来”,飞算JavaAI负责“让Agent跑出来的代码能合并进主干”。前者是编排层,后者是治理层。两者加在一起,才构成一个完整的“多Agent编程”解决方案。
Agent编程的未来
2026年,Agent编程正在从概念走向实践。Cursor 3.0把IDE拆成Agent调度面板,JetBrains Air把多个Agent并行执行变成标准功能,Claude Code的Agent Team模式让两个Agent协同完成接口修改和单元测试——多Agent协作正在成为AI编程的主流范式。
但在这个趋势里,有一个关键问题需要被回答:Agent多了,谁来保证代码质量?
飞算JavaAI的回答是:治理层不能缺位。无论Agent跑得多快、多并行,代码进入主干之前必须经过规范、安全、测试、文档的四重检验。这不是对Agent的“不信任”,而是对工程质量的“负责任”。Air解决了“怎么让多个Agent一起干活”,飞算JavaAI解决了“Agent干完活之后代码能不能用”——两者是上下游互补的关系,共同构成了AI编程从“写到交付”的完整链路。
98



被折叠的 条评论
为什么被折叠?



