 

JetBrains IDEA 2025.3.2 突破：通过 MCP 集成 Claude 与 Codex

2026-01-28 分类：前沿阅读(3) 评论(0) 赞(0)

智谱 GLM，支持多语言、多任务推理。从写作到代码生成，从搜索到知识问答，AI 生产力的中国解法。

技术社区分享了一项 JetBrains IDEA 2025.3.2 的新玩法，允许用户通过 MCP（模型上下文协议）配置 AI Assistant。通过安装特定的 npm 模块，开发者可以将 Claude Code 和 Codex 等外部 AI 代理接入开发环境。这一方法不仅扩展了 IDE 的原生 AI 能力，还展示了如何利用标准化协议构建更加灵活、强大的本地化编程工作流。

原文链接：Linux.do

赞(0)

未经允许不得转载：Toy's Tech Notes » JetBrains IDEA 2025.3.2 突破：通过 MCP 集成 Claude 与 Codex

分享到

评论抢沙发

前沿哨所

AI重构实录：GLM-4.7联手Claude完成React至Vue3迁移

作者分享了利用 AI 工具将公司老旧官网从 React 16 重构至 Vue 3 的实战经验。通过 ClaudeCode 搭配 GLM-4.7，成功完成了 20 个页面的迁移。GLM 表现出约九成 Claude 的功力，处理常规任务高效且成本极低，仅需约 20 元。但在遇到复杂的轮播图逻辑时，GLM 难以攻克，切换至 Claude API 后迅速解决。作者认为国产 GLM 模型已具备作为主力代码辅助的潜力。

原文链接：V2EX 分享发现

24分钟前
终端极客新需求：基于 CLI 的 AI Agent 多模型管理工具受关注

近日，技术社区热烈讨论基于 CLI 的 AI Agent 管理工具需求。开发者希望在 tmux 或 TUI 环境下，无缝切换 Codex、Gemini 等不同 Agent，并支持在特定目录下动态配置 API Key 和 Base URL。这种对环境隔离和模型灵活调用的渴望，标志着 AI 开发正从简单的 API 调用向深度集成于本地工作流转变，命令行将成为高效 AI 辅助开发的核心阵地。

原文链接：V2EX 分享发现

24分钟前
AI大模型实战：RAG检索增强与Agent智能体开发全套课程

本资源提供了一套完整的AI大模型开发教程，涵盖从Python环境搭建到高级应用开发的全流程。核心内容包括提示词工程、LangChain框架应用、OpenAI与通义千问模型接入，以及本地Ollama部署。课程重点解析了RAG检索增强生成的实战落地，如向量存储、知识库更新及历史会话管理，并深入讲解了Agent智能体的构建与流式输出处理。附含全套视频、PPT及项目代码，适合开发者系统性学习大模型应用开发。

原文链接：Linux.do

24分钟前
Windows本地部署变简单：EasyCLI为CLIProxyAPI推出桌面GUI

针对CLIProxyAPI在Windows本地部署复杂的问题，GitHub项目EasyCLI推出了桌面图形界面（GUI）。该工具旨在降低技术门槛，让用户无需精通命令行操作，即可在本地轻松部署和使用CLIProxyAPI。这一“喂饭级别”的解决方案极大地提升了使用便捷性，适合需要本地代理API服务的开发者和极客用户。

原文链接：Linux.do

24分钟前
解决 AI 代码混乱难题：开源框架 Trellis 正式发布

针对当前 AI 编程工具（如 Claude、Cursor）生成代码缺乏规范、导致项目混乱的痛点，名为 Trellis 的开源框架正式发布。该项目旨在构建一个类似“脚手架”的机制，规范 AI 的生成行为，使其在可控范围内高效辅助开发。Trellis 是一个全能型 AI 框架与工具包，现已开源至 GitHub，提供了详细的中文文档和指南，致力于解决开发者在使用 AI 编程时面临的代码维护与管理难题。

原文链接：Linux.do

25分钟前
上下文是AI最大瓶颈：深度解析RAG、Memory与Skills设计哲学

在大模型时代，上下文是稀缺资源。受限于Transformer架构的二次方计算复杂度，单纯扩大窗口无法解决问题。本文深入剖析了业界的三大解决方案：通过外部检索的RAG、分层存储的记忆系统，以及分而治之的子代理架构。文章重点解读了“Skills”设计哲学，将其视为结构化的上下文包和可复用流程单元，探讨了如何通过渐进式披露和脚本封装优化上下文管理。最后，展望了未来Agent自主习得技能的“生长”模式，强调在信息洪流中精准聚焦认知焦点是高效协作的关键。

原文链接：Linux.do

25分钟前