Hacker News · 21.07.2026 ·Инфраструктура для агентов

JetBrains представила Context для глубокого анализа кодовой базы в ИИ-агентах

JetBrains анонсировала Context — специализированный движок для индексации и анализа репозиториев, предназначенный для повышения точности работы ИИ-агентов. Система обеспечивает глубокое понимание структуры проекта, связей между классами и зависимостей, позволяя агентам генерировать более релевантный код и точнее отвечать на сложные вопросы, опираясь на актуальное состояние всей кодовой базы разработчика.

Основная проблема современных инструментов для написания кода заключается в ограниченном «контекстном окне» и поверхностном понимании архитектуры проекта. Context решает эту задачу, создавая семантическую карту репозитория, которая обновляется в реальном времени. Это позволяет ИИ-агентам учитывать не только открытый файл, но и глобальные изменения, паттерны проектирования и специфические для конкретного проекта соглашения о стиле.

Технология интегрируется непосредственно в среду разработки, обеспечивая минимальные задержки при поиске информации. Вместо отправки всего кода в облако, система использует локальные индексы для первичной обработки, что повышает приватность и скорость работы. Инструмент ориентирован на создание надежной инфраструктурной базы для автономных агентов, которые выполняют задачи по рефакторингу, поиску багов и написанию функционала в крупных проектах.

Ключевые факты

Context обеспечивает семантический поиск по всей кодовой базе, выходя за рамки простого поиска по ключевым словам.
Система автоматически отслеживает изменения в структуре проекта, поддерживая актуальность индексов без ручного вмешательства.
Инструмент оптимизирован для работы с крупными монорепозиториями, где традиционные методы RAG часто показывают низкую точность.
Решение разработано как API-first платформа, позволяющая сторонним ИИ-агентам подключаться к глубоким данным о проекте через стандартизированные интерфейсы.

Источник: Hacker News

Обсудить с ИИ

Похожие материалы

Hacker News · Инфраструктура для агентов Инструмент для передачи контекста репозитория ИИ-агентам Разработчики представили CLI-инструмент, предназначенный для автоматизации подготовки контекста проекта для ИИ-агентов. Утилита сканирует репозиторий, собирает структуру файлов, правила кодирования и специфические соглашения, формируя структурированный набор данных. Это позволяет агентам лучше ориентироваться в кодовой базе, соблюдать установленные стандарты разработки и минимизировать галлюцинации при генерации кода или выполнении задач в рамках конкретного проекта. Ars Technica - All content · ИИ в бизнесе Эволюция инструментов разработки: переход от поиска по коду к контекстным ИИ-ассистентам Винай Пернети из компании Augment Code объясняет, почему традиционный поиск по коду, такой как grep, становится недостаточным для современных задач разработки. Будущее программирования заключается в использовании «контекстных обвязок» (harnesses), которые позволяют ИИ-моделям анализировать не отдельные фрагменты, а всю архитектуру проекта целиком, значительно повышая точность генерации кода и понимание сложных зависимостей в больших кодовых базах. arXiv · Инфраструктура для агентов Метод Probe-and-Refine для улучшения контекста кодинг-агентов Исследователи представили новый подход к управлению контекстом для ИИ-агентов, работающих с кодовыми базами. Основная проблема существующих систем заключается в нехватке высокоуровневых знаний о структуре репозитория: расположении подсистем, правилах запуска тестов и специфических рабочих процессах, которые не всегда очевидны из самого исходного кода. Традиционно разработчики пытаются передать этот контекст через файлы инструкций, однако их эффективность часто оказывается низкой из-за отсутствия актуальности или избыточности данных. Hacker News · Инфраструктура для агентов Почему бесконечный контекст — не лучшее решение для ИИ-агентов в программировании Увеличение контекстного окна LLM не решает проблему эффективности ИИ-агентов при работе с крупными кодовыми базами. Вместо загрузки миллионов токенов в память, авторы предлагают сфокусироваться на архитектуре с активным поиском и структурированным доступом к данным. Такой подход позволяет агентам точнее находить нужные фрагменты кода, снижая затраты на инференс и повышая качество генерации. Hacker News · Память и RAG Graph Context Engine: новый подход к управлению контекстом для надежных ИИ-систем Kritama представила Graph Context Engine — инфраструктурное решение для повышения надежности ИИ-агентов через структурированное управление контекстом. Система использует графовые структуры данных для связывания разрозненной информации, что позволяет моделям точнее извлекать факты и минимизировать галлюцинации. Инструмент ориентирован на разработчиков, создающих сложные агентные системы, требующие глубокого понимания взаимосвязей между данными в реальном времени. arXiv · Память и RAG ProjAgent: новый подход к поиску контекста для генерации кода на уровне репозитория Исследователи представили ProjAgent — метод поиска контекста для генерации кода, который фокусируется на процедурном сходстве функций, а не только на лексическом или семантическом совпадении. Новый подход позволяет ИИ-агентам лучше учитывать логические паттерны и зависимости внутри крупных репозиториев, что критически важно для написания корректного кода с учетом специфических архитектурных соглашений проекта. Hacker News · Инфраструктура для агентов Управление контекстом свыше 80 млн токенов без сжатия данных Разработчики представили решение, позволяющее ИИ-агентам обрабатывать контекстные окна объемом более 80 миллионов токенов без использования методов сжатия или суммаризации. Система обеспечивает прямой доступ к огромным массивам данных в рамках одной сессии, что радикально меняет подходы к работе с длинным контекстом и устраняет необходимость в сложных пайплайнах подготовки данных для RAG-систем. Hacker News · Инфраструктура для агентов FastContext от Microsoft для эффективного поиска кода в репозиториях Microsoft представила FastContext — инструмент, который ускоряет поиск и анализ кода в репозиториях для ИИ-агентов. Это решение облегчает работу с большими объемами кода, что критически важно для агентов, занимающихся разработкой или поддержкой ПО. Hacker News · Инфраструктура для агентов Построение ИИ-агентов на основе графов контекста Разработчики представили подход к созданию ИИ-агентов, использующих графы контекста вместо традиционных векторных баз данных. Метод позволяет агентам лучше понимать сложные взаимосвязи между сущностями и событиями, что критически важно для выполнения многошаговых задач. Использование графовых структур обеспечивает более точный контекстный поиск и повышает логическую связность действий агента при работе с большими массивами неструктурированных данных. Hacker News · Память и RAG Инструмент для постоянной памяти агентов в кодовых репозиториях Разработчики представили решение для оптимизации работы ИИ-агентов с кодовой базой, внедряющее механизм «всегда свежей» памяти. Инструмент позволяет агентам сохранять контекст изменений в репозитории, исключая необходимость постоянного перечитывания всех файлов при каждом запросе. Это существенно снижает затраты на токены и ускоряет выполнение задач по анализу и модификации кода в агентных средах.

← Все материалы