Air

Air ist eine spezialisierte Desktop-Anwendung von JetBrains, die als agentische Entwicklungsumgebung für die Verwaltung KI-unterstützter Codierungs-Workflows konzipiert ist. Anders als Einzelagenten-Chatschnittstellen orchestriert Air mehrere KI-Codierungsagenten, die gleichzeitig an verschiedenen Aufgaben innerhalb eines einzelnen Projekts arbeiten. Es integriert führende KI-Agenten wie Claude Agent, Codex, Gemini CLI und Junie und ermöglicht Entwicklern, das richtige Werkzeug für jede Aufgabe auszuwählen. Air bietet strukturierte Workflows für die Definition von Aufgaben mit präzisem Code-Kontext, die Ausführung von Agenten in isolierten Umgebungen zur Vermeidung von Konflikten und die Überprüfung von Änderungen mit voller Code-Intelligenz.

So verwenden Sie Air

Air funktioniert als eigenständige Desktop-Anwendung, hauptsächlich für macOS, mit Vorschauversionen für Windows und Linux, die demnächst erscheinen. Um Air zu verwenden, definieren Entwickler zunächst eine Codierungsaufgabe, indem sie ihr Projekt erkunden und Kontext durch Verweise auf Dateien, Commits, Symbole oder Bilder sammeln. Anschließend wählen sie einen oder mehrere unterstützte KI-Agenten (Codex, Claude Agent, Gemini CLI oder Junie) aus und starten sie, um die Aufgabe auszuführen. Air übernimmt das Setup mit isolierten Ausführungsmethoden wie Docker-Containern oder Git-Worktrees, um Aufgaben parallel ohne Interferenz auszuführen. Benutzer können den Fortschritt aller aktiven Agenten in einer zentralen Übersicht überwachen, schnell den Kontext wechseln, um zusätzliche Eingaben zu liefern, und schließlich Änderungen überprüfen, akzeptieren/ablehnen und die Ergebnisse zurück in ihr lokales Projekt committen.

Kernfunktionen von Air

• Parallele Ausführung mehrerer Agenten: Führen Sie mehrere KI-Codierungsagenten (Claude Agent, Codex, Gemini CLI, Junie) nebeneinander für verschiedene Aufgaben ohne Konflikte aus.
• Isolierte Aufgabenumgebungen: Richtet automatisch isolierte Ausführungsumgebungen mit Docker, Git-Worktrees oder (demnächst) Cloud-Umgebungen für jede Agentenaufgabe ein.
• Codebewusste Aufgabendefinition: Definieren Sie Aufgaben mit präzisem Kontext durch Verweise auf spezifische Dateien, Code-Symbole, Commits oder Bilder aus dem Projekt.
• Zentrale Fortschrittsüberwachung: Erhalten Sie einen Überblick über den Fortschritt aller Agenten bei asynchronen Aufgaben für einfache Überwachung und Kurskorrekturen.
• Integrierter Review-Workflow: Überprüfen Sie agentenerzeugte Änderungen auf Dateiebene, akzeptieren oder lehnen Sie Code-Kommentare ab und bereiten Sie Änderungen für den Commit innerhalb von Air vor.
• Agenten-agnostische Flexibilität: Wechseln Sie zwischen oder vergleichen Sie Ausgaben verschiedener KI-Agenten (Claude, OpenAI, Google, JetBrains) für dieselbe Aufgabe.
• Arbeitsbereichsverwaltung: Verwenden Sie Arbeitsbereiche, um Agentensitzungen, Git-Status und Tools auf ein einzelnes Projekt zu beschränken, behalten Sie den Verlauf bei und vermeiden Sie Branch-Kollisionen.

Anwendungsfälle für Air

Air wurde für Softwareentwickler und Teams entwickelt, die an KI-unterstützter Codierung beteiligt sind. Zu den Hauptanwendungsfällen gehören: schnelles Prototyping oder Erstellen von Funktionen in unbekannten Sprachen oder Frameworks durch Delegation an spezialisierte Agenten; Zerlegen großer Entwicklungsaufgaben in kleinere Teilaufgaben, die gleichzeitig von verschiedenen Agenten ausgeführt werden; Experimentieren mit und Vergleichen von Ausgaben mehrerer KI-Codierungsmodelle (Claude, GPT, Gemini) für dasselbe Problem; und Beibehalten von Überwachung und Kontrolle bei der Automatisierung wiederholbarer Codierungs- oder Refactoring-Workflows mit KI-Unterstützung.

Vorteile von Air

Der Hauptvorteil von Air besteht darin, den Fokus von der Verwaltung einzelner KI-Modelle auf die Orchestrierung eines vollständigen, kontrollierten Entwicklungs-Workflows zu verlagern. Es erhöht die Geschwindigkeit durch echte parallele Aufgabenausführung anstelle sequentieller Agentennutzung. Es ermöglicht eine bessere Delegation, indem Entwickler die Arbeit aufteilen und den am besten geeigneten Agenten jeder Teilaufgabe zuweisen können. Verbesserte Überwachung und Transparenz ermöglichen es Entwicklern, den Fortschritt zu überwachen und bei Bedarf einzugreifen, ohne den Kontext zu verlieren. Schließlich verbessert der integrierte, codeintelligente Review-Prozess die Qualität und Integration von KI-generiertem Code in das Hauptprojekt.