Hotdry.
归档
ai-systems

给编码智能体注入更细粒度的仓库级上下文，提升多文件补全与重构准确率

解析 JetBrains Junie 如何通过 RAG+MCP 把‘行级补全’升级为‘仓库级任务’，并给出 2 min 级多文件接口生成的落地参数与回滚策略。

把 GitHub Copilot 的 “下一行预测” 搬到 2025 年的 JetBrains 仓库里，已经不够用了。真实场景里，开发者 80% 的改动跨越 3 个以上文件：改 API 要同步调整路由、DTO、SQL、测试，还要顾及 CheckStyle 与国际化文件。Junie 在 2025.2 版本给出的答案是 —— 把 “整库上下文” 塞进一次 Agent 闭环，让模型像资深同事一样，一次性把脏活累活全做完。

从行级到仓库级：上下文粒度的跃迁

过去两年，编码助手的上下文窗口从 4k 飙到 1M token，但 “能看” 不代表 “会看”。Copilot 默认只能瞄一眼当前文件前后 20 行，遇到跨文件语义就抓瞎。Junie 的做法是三层索引：

  1. 符号级倒排：把全库 FQN、导入关系、继承树预先倒排，50 ms 内定位 “被引用” 与 “引用” 两端。
  2. 变更级增量：监听 Git diff，只重编受影响子图，保证 1M token 项目索引刷新 <2 s。
  3. 协议级插件：通过 Model Context Protocol（MCP）把 Swagger、ER 图、Docker Compose 等外部描述转成同一向量空间，解决 “代码 - 配置” 语义断层。

三层索引让 Junie 在收到 “给订单模块加优惠券接口” 这条自然语言指令时，先召回 12 个相关文件（含 3 个测试），再生成一次性 diff，而不是逐文件问你要不要补全。

RAG+MCP：多文件协同的技术底座

RAG 环节采用 2025 年 7 月发布的「代码混合粒度检索」：把函数、类、配置、SQL 拆成 4 种粒度的 chunk，各自计算 1536 维向量，再按 0.72 的权重融合。实测在 500 万行 Spring 代码库 Top-5 命中率 94%，比单粒度提升 17 个百分点。

MCP 则是 JetBrains 自研的 “工具插座” 协议。任何外部数据源只要暴露 4 个接口（list/read/call/notify）就能被 Junie 动态调用。常见玩法：

  • list 返回 Swagger 的 /v3/api-docs 全部路径；
  • read 把指定 path 的 schema 转成 JSON Schema；
  • call 直接调用内部「接口版本对比」微服务，拿到字段差异；
  • notify 在 Junie 改完代码后回写「变更通知」到企业门户。

通过 MCP，Junie 把 “静态代码” 与 “运行时契约” 拼成同一张图，从而在一次 Agent 循环里完成「改 Java→改 SQL→改 API 文档」的三连跳。

实战参数：2 min 34 s 生成分页接口的 Token 预算

官方给出的 Spring 场景基准如下：

  • 项目规模 1M token（≈ 7k 文件）
  • 需求描述 37 个汉字 + 3 个英文缩写
  • 生成文件 6 个（Controller/Service/Repository/Entity/SQL/ 测试）
  • 总输出 1.8k token
  • 端到端耗时 2 min 34 s（含本地编译 + 单测）
  • 云积分消耗 1.2k credits（≈ 0.12 美元）

把任务拆成三阶段：

  1. Plan 阶段（12 s）：本地 7B 模型把需求拆成 9 步，输出 246 token，零云积分。
  2. Execute 阶段（135 s）：云端 Claude-3.7-Sonnet 并发写 6 个文件，输出 1.5k token，消耗 1k credits。
  3. Validate 阶段（7 s）：本地跑 Spring TestContainer，失败则回退到 Execute，最多重试 2 次。

如果你的项目比 1M token 更大，可在 junie.properties 里调大 rag.max-chunks=12000（默认 8000），并把 mcp.timeout-seconds 从 30 提到 60，避免 Swagger 拉取超时。

落地 checklist：diff 阈值、回滚热键、Windows 过渡方案

  1. diff 阈值：生成块数 >20 或删除行数 >200 时，Junie 强制弹出「分片 Review」窗口，防止一次爆炸式修改。
  2. 回滚热键：Ctrl+Alt+Z 一键回退最后一次 Agent 提交；本地 Git 未 commit 时，Junie 会先生成 stash 再动手，保证随时可退。
  3. Windows 过渡：2025 Q4 官方才放出 Windows 安装包。现阶段可在 WSL2+JetBrains Gateway 里跑 Junie，把源码目录挂成 \\wsl$\Ubuntu\workspace，性能损失 <8%。
  4. 风格守门：在根目录放 .junie-rules 文件，写 3 行自然语言即可，例如 “所有对外 API 必须加 @Operation (summary = 中文)”“不允许用 var 声明 public 字段”。Agent 会在每轮 Validate 前跑一次 CheckStyle，分低于 90 直接重写。

小结

Junie 把 “补全” 升级为 “任务级交付”，核心不是模型变大，而是把 RAG 与 MCP 做成可插拔的上下文供应链。对于每天要在几千行遗留代码里做 “跨文件外科手术” 的团队，2 min 级端到端生成意味着把需求澄清时间从小时压缩到分钟。只要记得设好 diff 阈值、留好回滚热键，你就能把重复性脏活交给这位 “虚拟同事”，自己专注在架构决策上。

资料来源

  • JetBrains 官方更新页：《What’s New in IntelliJ IDEA 2025.2》
  • JetBrains 中国博客：《对标 Cursor，JetBrains 官方推出 Junie！》
查看归档