JetBrains 发布基于 IntelliJ 的 IDE 2020 年功能路线图

作者: 佚名 2020-01-21 08:00:22

 

上个月 JetBrains 发布了 IntelliJ 平台 2020 年路线图,现在作为 2020 年规划中的另一部分,JetBrains 又发布了基于 IntelliJ 的 IDE 2020 年的功能路线图。前者主要集中在平台的底层功能上,而后者聚焦于更高级别的功能,这些功能将与用户直接交互。

本土化

去年,JetBrains 网站进行了本地化,提供了 8 种不同的语言版本,而现在,团队正在对基于 IntelliJ 的 IDE 进行本地化。目前正在为亚洲市场进行 IDE 本地化,并计划提供简体中文的初步支持,随后是韩语和日语。同时可以用插件的形式提供翻译能力,这样社区将能够提供其它语言的翻译。

将 IDE 用作通用编辑器

随着最近启动性能的提高,基于 IntelliJ 的 IDE 作为轻量级文本编辑器的可能性变得更加合理,因此开发团队现在正在构建一种专用模式来编辑非项目文件。在这种模式下,IDE 将更像一个简单的文本编辑器,它将以更快的速度打开、不会存储任何项目配置,并且它将使用与常规文本编辑器相同的工作流来创建、打开和保存文件。

自然地,此模式下可用的功能集也将非常有限,但是,如果需要使用重构或调试等功能,可以轻松切换到完整项目模式。

Git 暂存支持

对于 Git 集成的功能请求,Git 暂存区的呼声是最高的。IntelliJ 平台中的 Git 集成是在与其它版本控制集成(例如 Subversion 和 Perforce)相同的框架上构建的,并且它采用变更列表的概念,而不是暂存区。变更列表比暂存区更灵活,因为它们可以管理尚未准备提交的多组独立变更。通过最近增加的对在变更列表之间移动文件部分的支持,基本上涵盖了暂存区的主要用例。

计划在将来的 IDE 版本中为 Git 集成实现 Git 暂存区和变更列表两种不同的模式,开发者将能够基于变更列表选择使用当前 UI,还是使用支持暂存区但不支持变更列表的新 UI。

此外还有关于基于机器学习的自动补全、对于新手简化其环境配置问题、项目重构自动检测,以及 Code Vision 直接在代码编辑器中显示丰富的上下文信息等功能计划。

详情查看官方说明:

https://blog.jetbrains.com/idea/2020/01/intellij-based-ide-features-roadmap-for-2020

AI 数据 人工智能
上一篇:数据太少怎么办?试试自监督学习,CV训练新利器 下一篇:新突破!中国学者首次实现基于无人机的量子纠缠分发
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

MIT提出Liquid机器学习系统,可像液体一样适应动态变化

麻省理工学院(MIT)的研究者开发出了一种新型的神经网络,其不仅能在训练阶段学习,而且还能持续不断地适应。

机器之心 ·  2021-02-21 15:47:47
规划智慧城市时,别忘了无障碍通行

要想成为一个智慧城市甚至一个智慧世界,虽然可能需要时间和有针对性的规划,但我们必须以人为本。

蒙光伟 ·  2021-02-21 10:26:41
2021关于人工智能的五大趋势

数字化变革,比过去10年更多,这主要是由于远程工作的规模,以及企业迅速部署了必要的技术,尤其是与网络安全相关的技术。那,2021关于人工智能的五大趋势会是如何的呢?

Lichu ·  2021-02-21 10:21:01
使数据中心更智能:人工智能如何发挥作用?

随着数据成为维持几乎所有业务运营以获取洞察力和业务成果的先决条件,数据中心正处于这种数字化转型的关键。

Cassie ·  2021-02-21 10:14:59
IBM拟出售Watson Health后,AI医疗还能不能碰

医疗服务仍然是一块商业上尚未被完全发掘的市场,看病难/看病贵、医疗资源紧缺、医疗资源不平均等痛点问题长期存在,对应的市场空间理应是巨大的。而Watson Health作为IBM曾寄予厚望的业务方向,为何要在此时萌生退意?它的故事给业界带来哪些启发?眼下的AI医疗市场,究竟是一副什么样的局面呢?

物联传媒 ·  2021-02-21 08:41:16
抛弃归一化,深度学习模型准确率却达到了前所未有的水平

我们知道,在传递给机器学习模型的数据中,我们需要对数据进行归一化(normalization)处理。

机器之心 ·  2021-02-20 21:09:12
华人博士生首次尝试用两个Transformer构建一个GAN

最近,CV 研究者对 transformer 产生了极大的兴趣并取得了不少突破。这表明,transformer 有可能成为计算机视觉任务(如分类、检测和分割)的强大通用模型。

Yifan Jiang ·  2021-02-20 21:04:53
无监督训练用堆叠自编码器是否落伍?ML博士对比了8个自编码器

柏林工业大学深度学习方向博士生 Tilman Krokotsch 在多项任务中对比了 8 种自编码器的性能。

Tilman Krokotsch ·  2021-02-20 20:57:16
Copyright©2005-2021 51CTO.COM 版权所有 未经许可 请勿转载