معرفی ThinkRail؛ محیط توسعه جدید JetBrains برای برنامهنویسی موازی با ایجنتهای هوشمند
پروژه آزمایشی JetBrains با نام ThinkRail، یک محیط توسعه متنباز مبتنی بر ایجنت است که با هدف ارتقای تجربه کدنویسی مشارکتی معرفی شده است. این ابزار با تکیه بر ایجنت کدنویسی pi و ایجاد ورکاسپیسهای مستقل گیت، امکان اجرای موازی چند نشست هوش مصنوعی را همراه با نظارت دقیق برنامهنویس فراهم میکند.

در یک نگاه (نکات کلیدی خبر)
خلاصه مهمترین نکات و تحولات این گزارش برای مطالعه سریع
- معماری مبتنی بر ورکاسپیسهای مستقل گیت (git worktree) که امکان اجرای موازی و همزمان چند نشست کدنویسی هوش مصنوعی را بدون تداخل در کدها فراهم میکند.
- محیط توسعه کامل با ویرایشگر Monaco، ابزار مقایسه تغییرات (Diff)، قابلیت ثبت یادداشتهای بازبینی و پشتیبانی از پروتکل MCP و مهارتهای ایجنت.
- رویکرد مبتنی بر نظارت مستقیم برنامهنویس، هماهنگی کامل با گیتهاب و امکان اتصال با حساب کاربری JetBrains AI یا ارائهدهندگان دلخواه هوش مصنوعی.
معرفی پروژه
پروژه ThinkRail یک محیط توسعه متنباز مبتنی بر ایجنت (Agentic IDE) از دل بخش پروژههای آزمایشی JetBrains (واحد InnovationHub) است که بر پایه ایجنت کدنویسی متنباز pi ساخته شده است. شعار اصلی این ابزار این است: «محیط توسعه مبتنی بر ایجنتی که با هر بار استفاده، هوشمندتر و بهتر میشود.»
این پروژه با مجوز متنباز Apache-2.0 و با زبان TypeScript توسعه یافته و در گیتهاب تحت عنوان JetBrains/thinkrail در دسترس است. مخزن این ابزار در ژوئیه ۲۰۲۶ ایجاد شد و در ۱۹ اوت همان سال در وبلاگ رسمی JetBrains به دنیای فناوری معرفی گردید. این پروژه اکنون حدود ۱٬۲۰۰ ستاره و ۸۸ فورک در گیتهاب دارد و آخرین نسخه آزمایشی آن (v0.3.0-nightly.6) در ۲۵ اکتبر ۲۰۲۶ منتشر شده و در فهرست پروژههای پرطرفدار روزانه گیتهاب نیز قرار گرفته است.
فلسفه محوری این ابزار، «مدیریت و هماهنگی خودکار ایجنتها در کنار نظارت دقیق و همیشگی برنامهنویس انسانی» است و قصد ندارد توسعه نرمافزار را بهصورت کاملاً خودکار و بدون دخالت انسان پیش ببرد.
قابلیتهای کلیدی
- ورکاسپیسهای ایزوله و مستقل: هر فضای کاری در واقع یک
git worktreeواقعی همراه با شاخه، پوشه، ترمینالها و گفتگوهای اختصاصی خود است؛ بنابراین چند ایجنت میتوانند بهصورت کاملاً موازی روی بخشهای مختلف پروژه کار کنند و در نهایت شما شاخه موفق را ادغام کرده و بقیه را حذف میکنید. - یک محیط توسعه واقعی در خدمت ایجنت: این نرمافزار به زبانههای تفکیکپذیر ویرایشگر Monaco، درختواره فایلها با نمایش لحظهای تغییرات گیت، ترمینالهای یکپارچه و پنجرههای مقایسه تغییرات (Diff) مجهز است. شما میتوانید روی خطوط فایلها یا تغییرات کد یادداشتهای بازبینی بگذارید و آنها را در قالب زمینهای ساختاریافته به چت ایجنت ارسال کنید.
- گفتگوهای زنده و همزمان: در هر محیط کاری امکان اجرای همزمان چند نشست با ایجنت pi وجود دارد که هر یک میتوانند از مدل زبانی متفاوتی استفاده کنند و میزان مصرف توکن و هزینه را لحظهبهلحظه نمایش دهند. شما میتوانید دستورات در حال اجرا را هدایت کنید، پرسشهای بعدی را در صف قرار دهید، وظایف را به سابایجنتها بسپارید و برنامههای مشترک را ویرایش نمایید.
- فایلهای مشخصات فنی بهعنوان مرجع حقیقت (Ground Truth): شبکهای متصل از فایلهای
SPEC.mdدر کنار کدهای پروژه قرار میگیرد و ایجنت با استفاده از ابزارهای اختصاصیspec_*این مشخصات را میخواند، در آنها جستجو میکند و آنها را بهروز نگه میدارد تا هدف اصلی پروژه در طول نشستهای مختلف گفتگو حفظ شود. - مهارتها و جریانهای کاری منعطف: این سیستم از استاندارد Agent Skills پشتیبانی میکند و مهارتهایی را که برای سایر ایجنتهای کدنویسی ذخیره کردهاید میخواند. همچنین جریانهای کاری آمادهای برای راهاندازی پروژه، ایدهپردازی طراحی و انتشار پولریکوئست در آن گنجانده شده است.
- پشتیبانی از سرورهای MCP: پیش از فراخوانی هر دستوری در سرورهای پروتکل زمینه مدل (MCP) که صرفاً فقطخواندنی نباشد، ابتدا در بخش گفتگو از شما تأییدیه دریافت میشود؛ همچنین اتصال حسابها از طریق OAuth در بخش تنظیمات فراهم است.
- یکپارچگی عمیق با گیتهاب: بررسی وضعیت شاخهها و درخواستهای ادغام (PR)، وضعیت تستهای یکپارچهسازی مداوم (CI) و تصمیمات بازبینی، ارسال تغییرات به مخزن با یک کلیک و امکان باز کردن یا ادغام مستقیم PR در برنامه فراهم شده است.
- استفاده از اطلاعات احراز هویت اختصاصی: ورود به برنامه با حساب کاربری JetBrains AI یا اتصال هر ارائهدهنده دیگر از طریق سیستم احراز هویت خود ایجنت pi انجام میشود و ThinkRail هیچ حساب کاربری مستقلی ندارد.
معماری فنی
معماری ThinkRail مانند یک پوسته سبک در اطراف یک موتور قدرتمند عمل میکند: ایجنت pi بهصورت درونفرآیندی (In-process) اجرا میشود و مسئولیت مدیریت مدلها، مهارتها، خلاصهسازی و مدیریت هزینه را بر عهده دارد. از سوی دیگر، ThinkRail فضای کاری، ویرایشگر کد و لایه ارتباطی را مدیریت میکند و هرگز بدون آگاهی و اجازه کاربر پرامپتهای پنهانی تولید نمیکند.
نحوه نصب و راهاندازی
curl -fsSL https://raw.githubusercontent.com/JetBrains/thinkrail/main/install.sh | bash
thinkrail
- نسخههای دسکتاپ برای سیستمعاملهای macOS (تراشههای Apple Silicon)، ویندوز (نسخه ۶۴ بیتی) و لینوکس (نسخههای x64 و ARM64) در وبسایت رسمی thinkrail.ai در دسترس هستند.
- کافی است یک مخزن گیت را بهعنوان پروژه باز کنید، ورکاسپیسهای مستقل با ساختار worktree ایجاد نمایید و کار با ایجنتها را آغاز کنید.
- برای بهروزرسانی برنامه میتوانید از دستور
thinkrail updateو برای حذف آن ازthinkrail uninstallاستفاده کنید؛ همچنین انتخاب نسخه با سوئیچ--channel stable|nightlyامکانپذیر است.
این ابزار برای چه کسانی مناسب است؟
- برنامهنویسانی که در حال حاضر از ایجنت کدنویسی pi استفاده میکنند و به دنبال یک رابط کاربری بصری و مدرن هستند.
- تیمهای توسعهای که قصد دارند چندین وظیفه کدنویسی با هوش مصنوعی را بهصورت همزمان اجرا کنند، اما همچنان میخواهند تمامی گامها قابل بازبینی، کنترل و بازگشتپذیر باشند.
وبسایت پروژه: thinkrail.ai · وبلاگ رسمی: thinkrail.ai/blog
برچسب های مرتبط
مطالب مرتبط و پیشنهادی

ابزار جدید 1Password؛ ورود ایمن ایجنتهای هوش مصنوعی به حسابهای کاربری بدون افشای رمز عبور
پلتفرم مدیریت رمز عبور 1Password ابزار جدیدی به نام 1Password for Agents معرفی کرده است که به ایجنتهای هوش مصنوعی اجازه میدهد بدون دسترسی به رمزهای متنی، وارد حسابهای کاربری شوند. در این سازوکار، کاربر درخواست ورود را در دستگاه شخصی خود تأیید میکند و سیستم بهطور خودکار فرم لاگین را پر مینماید تا امنیت حسابها کاملاً حفظ شود.

رونمایی علیبابا از مدل هوش مصنوعی Lambda-0؛ آموزش مهارتهای حرکتی به رباتهای انساننما با دادههای انسانی
علیبابا با معرفی و متنباز کردن مدل پایه Lambda-0، روشی نوآورانه برای آموزش همزمان راه رفتن و کار با دستها در رباتهای انساننما ارائه کرده است. این مدل بهجای دادههای گرانقیمت هدایت ربات، منحصراً از ۵۰۰ ساعت داده ویدیویی اولشخص انسانها یاد میگیرد و سرعت جمعآوری دادهها را بیش از سه برابر افزایش میدهد.

معرفی ابزار متنباز TextFold؛ خلاصه کردن مقالات طولانی در پنج لایه با هوش مصنوعی
ابزار متنباز TextFold با رویکردی نوآورانه مقالات علمی و متون طولانی را به پنج لایه مختلف از جزئیات تقسیم میکند. این ابزار به کاربران امکان میدهد میان نقشه کلی مباحث و متن کامل جابهجا شوند و همواره پیوند خلاصه را با جملات اصلی حفظ کنند.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.