企业官网建设流程全解析

最近几年，AI 编程工具（GitHub Copilot、Cursor、Claude Code 等）正在快速改变软件开发方式。但随着项目规模增大，开发团队很快会发现一个问题：AI 很擅长写代码，却不擅长管理复杂工程上下文。

• 多个 AI 同时工作怎么办？
• 需求和设计文档如何持续沉淀？
• AI 产生的大量实验代码又该如何隔离？

为了解决这些问题，JetBrains 推出了全新的开源项目 ThinkRail，将其定位为一款真正的智能体集成开发环境（Agentic IDE）。它的设计目标是让 AI 不再只是代码补全工具，而是能够长期参与项目建设、持续理解业务和架构的开发伙伴。

ThinkRail 采用 TypeScript 语言开发，遵循 Apache 2.0 开源协议，代码托管在 GitHub：

https://github.com/JetBrains/thinkrail

技术架构

ThinkRail 采用“前端 IDE + Host 服务层 + Agent 引擎层”的三层解耦设计。

开发者通过 IDE 与多个 AI Agent 协作，每个 Agent 运行在独立 Git Worktree 中避免代码冲突；项目知识以 Living Specs 形式持续沉淀；底层由 pi Agent Engine 统一管理模型、技能和上下文，并且通过 MCP 连接 GitHub、Jira、Confluence 等企业系统，形成完整的 Agent Native 软件研发平台。

功能特性

• 跨平台：官方同时提供了 Windows、macOS、Linux 平台发行版本以及 CLI 版本，保持了跨平台一致的开发体验。
• 独立工作区：与传统 AI 编程工具直接在开发者当前代码库中修改文件不同，ThinkRail 会为每个 Agent 自动创建独立的 Git Worktree、分支、终端和会话环境，让多个 Agent 能够并行开发不同功能、修复缺陷或验证方案，而不会相互覆盖代码或污染主工作区。

• 项目知识库：ThinkRail 将项目知识从一次性的聊天上下文中抽离出来，以结构化 Markdown Spec 的形式长期沉淀，记录业务目标、架构设计、技术决策、模块职责以及待办事项等信息，并且通过 Spec Graph 关联需求、模块和任务之间的关系。

与传统 AI 编程工具“会话结束即遗忘”不同，ThinkRail 将这些知识持续保存在项目仓库中，使新的 Agent 或团队成员能够快速理解项目背景，实现知识复用、上下文传承和长期演进，真正让 AI 随着项目发展不断积累和扩展对系统的理解。

• 编辑器功能：基于 Monaco Editor（VS Code 同源编辑器）构建，提供现代 IDE 所需的核心开发体验，包括代码高亮、语法感知、文件树浏览、多标签页编辑、实时 Diff 查看以及与 Git Worktree 的深度集成。
• Chat 能力：支持在不同 Git Worktree 中创建多个独立会话，每个会话都拥有自己的上下文、任务状态和工作区，使开发者能够同时运行多个 AI Agent 并行处理不同需求。用户可以灵活切换不同大模型提供商，查看 Token 消耗和成本统计，并且通过 Sub-Agent 机制将复杂任务拆解后分配给多个智能体协同完成。

• Agent Skills：ThinkRail 中为 AI Agent 提供可复用能力和标准化工作流的扩展机制（Skills）。通过这些 Skills，Agent 不仅能编写代码，还能按照预定义流程完成需求分析、架构设计、代码评审、测试验证、PR 生成、文档维护等复杂任务。

• MCP 支持：通过原生集成 MCP，ThinkRail 中的 Agent 可以安全访问和调用 GitHub、数据库以及企业内部平台等数据源和工具，将原本分散在不同系统中的信息统一纳入 AI 工作上下文。同时，ThinkRail 提供 OAuth 认证、权限控制和高风险操作确认机制，在提升自动化水平的同时保障企业安全合规。

下载安装

ThinkRail 官方下载地址如下：

https://thinkrail.ai/#install

选择操作系统对应的文件进行下载安装：

首次使用时需要配置大语言模型连接。