JetBrains показала ThinkRail: агентную IDE, набравшую 1211 звёзд за день
JetBrains открыла ThinkRail — лёгкую IDE, где ИИ-агент работает не в вашей папке, а в отдельном воркспейсе со своей git-веткой. Несколько агентов правят код параллельно, а вы забираете удачные результаты и удаляете остальное. За день репозиторий набрал 1211 звёзд. Тем, кто гоняет кодовых агентов, это готовая обвязка вместо самодельных скриптов на git worktree.
AI-обработка оригинала GitHub Trending AI; редакция Hamidun News
Кодовые агенты быстро научились писать код, но с организацией работы вокруг них всё сложнее. Агент правит файлы прямо в вашем рабочем каталоге, два чата мешают друг другу, а через неделю никто не помнит, почему модуль устроен именно так. JetBrains попробовала решить это в новом проекте ThinkRail, который за день собрал 1211 звёзд в GitHub Trending.
ThinkRail — агентная IDE с открытым репозиторием. В ней есть редактор на Monaco, дерево файлов с подсветкой изменений из git, терминалы и просмотр документов. Движком служит агент pi: ThinkRail запускает его внутри процесса и связывает с веб-интерфейсом на React 19. Модели, навыки, сжатие контекста и стоимость остаются на стороне движка, а воркспейсами и интерфейсом занимается сама оболочка.
Воркспейсы вместо общей папки
Центральная идея — изоляция. Любой git-репозиторий открывается как проект, и из него создаются воркспейсы: у каждого своя ветка и своя рабочая директория. Агенты работают в них параллельно и не трогают исходный код. Когда задача закончена, вы забираете нужные результаты в основную ветку, а остальное удаляете.
Можно просто написать в чате «сделай это в побочном воркспейсе», и агент сам создаст воркспейс и новый чат, а потом проследит за ходом чатов и pull request'ов. Готовые воркспейсы закрываются после merge или закрытия PR, либо после тихой недели. Стоит вернуться к работе, и воркспейс оживает. В верхней панели видно, как ветка соотносится с основной и в каком состоянии её PR. Для GitHub показываются CI-проверки и решение ревьюеров, а PR можно смержить или переоткрыть прямо из интерфейса.
Отдельно есть чаты без репозитория, для вопросов и черновиков. У каждого своя временная папка. Если разговор превратился в работу, агент пишет краткую передачу контекста и открывает с ней новый воркспейс-чат.
Память проекта: спецификации и навыки
Второй слой — долгая память. Рядом с кодом лежит граф спецификаций, который агент читает, ищет по нему и обновляет через специальные инструменты. Намерения проекта переживают отдельные сессии. Разработка ведётся по принципу spec-first, и если правка агента меняет границу модулей или контракт, спецификация обновляется в том же изменении.
Работают и переиспользуемые навыки (skills). ThinkRail умеет импортировать их из Claude, Codex и других кодовых агентов. Если библиотека большая, в промпт попадает компактный список, а остальное агент находит поиском по навыкам. Поддерживаются MCP-серверы. Вызовы, которые сервер не помечает как безопасные для чтения, требуют подтверждения в чате, а серверы, описанные в репозитории, не включаются без вашего одобрения.
Интерфейс тоже рассчитан на агента. Вместо догадок он задаёт структурированные вопросы с вариантами ответа, рисует диаграммы Mermaid и показывает макеты интерфейса «до и после», которые можно комментировать как diff. Макеты в браузере — кликабельные прототипы, их скрипты работают в песочнице без доступа к сети. Результаты вроде отчётов, схем и скриншотов складываются в отдельную папку артефактов, а удалённые агентом файлы остаются в списке.
Модели, платформы и приватность
Своего аккаунта у ThinkRail нет. Войти можно через JetBrains AI или подключить собственных провайдеров. Также поддерживается любой OpenAI-совместимый сервер: LiteLLM, sglang, vLLM, Ollama, LM Studio, llama.cpp. Это подходит и для корпоративного шлюза, и для локальной модели.
Приложение выпускается как нативный десктопный установщик для macOS 14+, Windows и Linux, а также как CLI, который открывает тот же интерфейс в браузере. Есть каналы stable и nightly, установщик проверяет SHA-256. Интерфейс переведён на семь языков, включая русский.
Что учесть перед установкой
Есть оговорки. CLI для macOS подписан, но пока не нотаризован, а артефакты для Linux вообще не подписаны. Старые DMG могут блокироваться Gatekeeper. Версии пока нулевые (в примерах 0.3.1 и 0.4.0-nightly), то есть продукт молодой. Приложение собирает базовую телеметрию: запуски, создание чатов, отправку сообщений и подключения провайдеров, привязанные к случайному ID установки. Промпты, код и файлы в неё не попадают. Отчёты об ошибках отправляются всегда, а дополнительные данные можно отключить в настройках.
Практический вывод: если вы уже запускаете несколько кодовых агентов и собираете для них git worktree, скрипты и заметки вручную, стоит посмотреть ThinkRail как готовую рамку. Изоляция в воркспейсах, граф спецификаций и подключение локальных моделей закрывают три типичные проблемы такой работы.
- 21 нояб. 2026 г.Вакансий FDE за год стало в 4,6 раза больше: что делает инженер у заказчика
- 21 нояб. 2026 г.Капитан пловцов отдала ChatGPT три задачи по расписанию и сократила рутину в разы
- 21 нояб. 2026 г.OpenAI GPT-6 Cyber нашла около 35 дыр в iPhone, Mac и другой технике Apple
- 21 нояб. 2026 г.22 агента Claude шесть недель искали ответы по чёрным дырам — и решили две задачи
Вопросы и ответы по материалу
Что известно по теме: воркспейсы вместо общей папки?
Центральная идея — изоляция. Любой git-репозиторий открывается как проект, и из него создаются воркспейсы: у каждого своя ветка и своя рабочая директория. Агенты работают в них параллельно и не трогают исходный код. Когда задача закончена, вы забираете нужные результаты в основную ветку, а остальное удаляете. Можно просто написать в чате «сделай это в побочном воркспейсе», и агент сам создаст воркспейс и новый чат, а потом проследит за ходом чатов и pull request'ов.
Что известно по теме: память проекта: спецификации и навыки?
Второй слой — долгая память. Рядом с кодом лежит граф спецификаций, который агент читает, ищет по нему и обновляет через специальные инструменты. Намерения проекта переживают отдельные сессии. Разработка ведётся по принципу spec-first, и если правка агента меняет границу модулей или контракт, спецификация обновляется в том же изменении. Работают и переиспользуемые навыки (skills). ThinkRail умеет импортировать их из Claude, Codex и других кодовых агентов.
Что известно по теме: модели, платформы и приватность?
Своего аккаунта у ThinkRail нет. Войти можно через JetBrains AI или подключить собственных провайдеров. Также поддерживается любой OpenAI-совместимый сервер: LiteLLM, sglang, vLLM, Ollama, LM Studio, llama.cpp. Это подходит и для корпоративного шлюза, и для локальной модели. Приложение выпускается как нативный десктопный установщик для macOS 14+, Windows и Linux, а также как CLI, который открывает тот же интерфейс в браузере. Есть каналы stable и nightly, установщик проверяет SHA-256.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.