JetBrains выпустила KotlinLLM: лучшая нейросеть для генерации кода прямо в IntelliJ IDEA

Исследование опубликовала JetBrains Research, подразделение JetBrains, известной разработчикам по IntelliJ IDEA и языку Kotlin. Плагин вышел под лицензией Apache 2.0 (открытая лицензия, позволяющая свободно использовать и менять код). Это не готовый продукт, а исследовательский прототип, но результаты на реальном проекте Spring Petclinic выглядят убедительно: все 24 сценария пройдены, горячая перезагрузка ни разу не сломалась.

Что делает плагин и как устроен цикл генерации?

KotlinLLM добавляет в Kotlin два вызова, которые JetBrains называет «умные макросы» (Smart macros):

• asLlm превращает входные данные одного типа в типизированное значение другого типа: класс данных, список, перечисление или примитив. Разработчик передаёт вход и текстовую подсказку, а плагин генерирует тело функции.
• mockLlm создаёт реализацию интерфейса с состоянием, поведение которой зависит от вызванных методов.

Когда проект запускается через специальную конфигурацию KotlinLLM, плагин находит все вызовы asLlm и mockLlm, генерирует файлы-заготовки и запускает приложение под отладчиком JDI (Java Debug Interface, интерфейс отладки JVM). Если сгенерированная логика не подходит к реальным данным, срабатывает точка останова. Плагин захватывает значения и типы из текущего кадра выполнения, ИИ-агент формирует обновлённый код, плагин компилирует его и подменяет загруженный класс на лету, без перезапуска.

Цикл состоит из девяти шагов и привязан к JVM, потому что использует механизм горячей подмены классов через JDI. Именно поэтому KotlinLLM работает только с Kotlin/JVM.

Что показали тесты?

• На адаптированном проекте Spring Petclinic с 18 точками вызова asLlm все 24 сценария завершились после эволюции макросов. Горячая перезагрузка сработала в 100% случаев. Накладные расходы на компиляцию и подмену классов составили около 1% от общего времени работы приложения.
• Синтетический проект «GitHub Beginner Issue Radar» разбирал реальные issues из 20 репозиториев (более 30 000 записей) и достиг recall (полноты) около 0.89 при классификации задач, подходящих новичкам.
• После того как макрос «эволюционировал» и покрыл сценарий, повторные вызовы языковой модели для этого сценария не нужны. Нет дополнительных задержек, нет расходов на инференс (вычисления модели при обработке запроса).

Результат на Spring Petclinic особенно показателен: 18 точек вызова в одном проекте, и ни одна не потребовала ручного вмешательства после генерации.

Что делать с этим прямо сейчас?

Kotlin-разработчику. Практическая ценность в демонстрации на Spring Petclinic: 18 точек вызова, 100% успех горячей перезагрузки, около 1% накладных расходов. Это конкретный ориентир для интеграции языковой модели в проект, близкий к боевому. Если ваша команда пишет на Kotlin/JVM и регулярно парсит ответы сторонних API, попробуйте asLlm на тестовом стенде: сгенерированный код сохраняется как обычный файл, его можно ревьюить и коммитить без плагина.

Автору на Дзене, пишущему про разработку. KotlinLLM даёт конкретный кейс для статьи или обзора: лучшая нейросеть для генерации кода в этом подходе не пишет код за вас в чате, а встраивается в цикл компиляции и отладки. Это отличается от привычных ИИ-помощников вроде GitHub Copilot, и разница объяснима читателю без технического фона.

Предпринимателю и руководителю команды. Пока это прототип, не для продакшена. Но подход «сгенерировал, закоммитил, дальше работает без модели» снимает проблему зависимости от внешнего API в рабочем коде. Для команд в РФ важно: генерация требует ключ OpenAI API, доступ к которому ограничен. Из доступных в РФ инструментов генерации Kotlin-кода стоит следить за GigaCode от Сбера и JetBrains AI Assistant, хотя аналога именно «умных макросов» пока нет.

Главное, что стоит запомнить: KotlinLLM генерирует обычный Kotlin-код, который живёт в репозитории и работает без модели. Если JetBrains доведёт прототип до продукта с поддержкой локальных моделей, у Kotlin-разработчиков появится инструмент, встроенный глубже любого нынешнего ИИ-помощника.

По данным JetBrains Research