Интенсив 21–22.11 · БесплатноБесплатный 2-дневный интенсив по вайбкодингу 21–22 ноября в 16:00 МСК (Сб–Вс) · Живой Поток 3 стартует 23.11Записаться бесплатно →Поток 3 (23.11)
РелизКод / SDK · В работуGitHub Trending AI→ оригинал

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
JetBrains показала ThinkRail: агентную IDE, набравшую 1211 звёзд за день
Источник: GitHub Trending AI. Коллаж: Hamidun News.
Слушать статью
Паспорт материала и цифры
ПараметрДанные
ПервоисточникGitHub Trending AI ↗
Главный редактор
Ключевой факт #1Спецификации проекта хранятся графом рядом с кодом и живут между сессиями
Ключевой факт #2Подключаются Ollama, vLLM, LM Studio, LiteLLM и любой OpenAI-совместимый сервер
Ключевой факт #3Навыки импортируются из Claude и Codex, MCP-серверы настраиваются в настройках

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.

Сюжет

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.

ЖХ
Жемал Хамидун — CPO Alpina Digital, продакт-менеджер AlpinaGPT. Делает AI-продукты с 2019 года. Hamidun News — pet project, который вырос в production-агрегатор с 6000+ читателей.
✦ Практика · Hamidun Academy

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.

Открыть 72ч бесплатный доступ →Интенсив по Вайб-кодингу
Что вы думаете?
Загружаем комментарии…