
作者:派森酱
来源:Python技术
近日,JetBrains 推出了一个有一点不一样的轻量级编辑器 Fleet。
JetBrains 公司大家都非常熟悉了,业界经典的IDE 都是他们开发出来的。就连谷歌推出的安卓专用编辑器 Android Studio 都是基于 IntelliJ IDEA 二次开发的。
而 Fleet 就是集 JetBrains 公司 20 年工具开发的知识和经验于一身的划时代轻量级编辑器。它能满足你对一个编辑器期待的所有功能,但远不如此。
虽然官方宣称 Fleet 是从头开始构建的,拥有全新的架构和用户界面,但不得不说,这个界面看起来真的很像 VS Code 啊。
作为 JetBrains 公司推出的新一代编辑器,Fleet 中看到的所有智能技术都是使用 IntelliJ 代码处理引擎作为后端,因此 IDE 有的优点 Fleet 也都有。
语法高亮、代码补全、重构、导航、调试一样没有落下。更重要的是,点击右上角 “Smart Mode” 按钮即可使用这些功能。
以往 JetBrains 公司发布的 IDE 都是针对单一语言的,比如 IDEA 用于编写 Java 程序,Pycharm 用于编写 Python 程序等。但 Fleet 是支持多语言的。
随着互联网的逐渐发展,公司不再局限于单一技术,有时候需要在不同技术之间切换,于是,Fleet 应运而生。针对多语言环境和技术支持提供开箱即用的功能。并支持通过专用插件支持更多语言。有点 VS code 的味道了。
分布式用在工具中倒是挺新奇的一个创意点。
一般正常来讲,我们的开发环境都是在本地,每次更换电脑就不得不重新配置环境,Fleet 完美解决了这一痛点,无论您的开发环境是在本地还是在云端或者远程机房,Fleet 都支持。
同时 Fleet 提供了对 Space 的编排支持,可从源仓库轻松启动远程服务器实例,支持使用 Dockerfile 进行自定义。
公司项目开发离不开团队协作,无论是本地环境还是云端环境,Fleet 都支持多人同时编辑同一个或者不同的文件,运行测试、访问终端等也都支持多人同时操作。
JetBrains 家的很多开发工具都可以说是业界的标杆,其产品研发和设计能力值得信赖,因此,对于 Fleet 的未来我是非常看好的。
最后,Fleet 目前还处于起步阶段,如果想获得使用版本,可以通过下面的链接申请。
https://www.jetbrains.com/fleet/preview
关于 Fleet 以及 JetBrains 的野心,你有什么想说的呢,可以在评论区和小伙伴们一起讨论哦~
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
PowerBI 累计曲线制作指南:从 DAX 度量到可视化落地 在业务数据分析中,“累计趋势” 是衡量业务进展的核心视角 —— 无论是 “ ...
2025-08-15Python 函数 return 多个数据:用法、实例与实战技巧 在 Python 编程中,函数是代码复用与逻辑封装的核心载体。多数场景下,我们 ...
2025-08-15CDA 数据分析师:引领商业数据分析体系构建,筑牢企业数据驱动根基 在数字化转型深化的今天,企业对数据的依赖已从 “零散分析” ...
2025-08-15随机森林中特征重要性(Feature Importance)排名解析 在机器学习领域,随机森林因其出色的预测性能和对高维数据的适应性,被广 ...
2025-08-14t 统计量为负数时的分布计算方法与解析 在统计学假设检验中,t 统计量是常用的重要指标,其分布特征直接影响着检验结果的判断。 ...
2025-08-14CDA 数据分析师与业务数据分析步骤 在当今数据驱动的商业世界中,数据分析已成为企业决策和发展的核心驱动力。CDA 数据分析师作 ...
2025-08-14前台流量与后台流量:数据链路中的双重镜像 在商业数据分析体系中,流量数据是洞察用户行为与系统效能的核心依据。前台流量与 ...
2025-08-13商业数据分析体系构建与 CDA 数据分析师的协同赋能 在企业数字化转型的浪潮中,商业数据分析已从 “可选工具” 升级为 “核 ...
2025-08-13解析 CDA 数据分析师:数据时代的价值挖掘者 在数字经济高速发展的今天,数据已成为企业核心资产,而将数据转化为商业价值的 ...
2025-08-13解析 response.text 与 response.content 的核心区别 在网络数据请求与处理的场景中,开发者经常需要从服务器返回的响应中提取数 ...
2025-08-12MySQL 统计连续每天数据:从业务需求到技术实现 在数据分析场景中,连续日期的数据统计是衡量业务连续性的重要手段 —— 无论是 ...
2025-08-12PyTorch 中 Shuffle 机制:数据打乱的艺术与实践 在深度学习模型训练过程中,数据的呈现顺序往往对模型性能有着微妙却关键的影响 ...
2025-08-12Pandas 多列条件筛选:从基础语法到实战应用 在数据分析工作中,基于多列条件筛选数据是高频需求。无论是提取满足特定业务规则的 ...
2025-08-12人工智能重塑 CDA 数据分析领域:从工具革新到能力重构 在数字经济浪潮与人工智能技术共振的 2025 年,数据分析行业正经历着前所 ...
2025-08-12游戏流水衰退率:计算方法与实践意义 在游戏行业中,流水(即游戏收入)是衡量一款游戏商业表现的核心指标之一。而游戏流水衰退 ...
2025-08-12CDA 一级:数据分析入门的基石 在当今数据驱动的时代,数据分析能力已成为职场中的一项重要技能。CDA(Certified Data Anal ...
2025-08-12破解游戏用户流失困局:从数据洞察到留存策略 在游戏行业竞争白热化的当下,用户流失率已成为衡量产品健康度的核心指标。一款游 ...
2025-08-11数据时代的黄金入场券:CDA 认证解锁职业新蓝海 一、万亿级市场需求下的数据分析人才缺口 在数字化转型浪潮中,数据已成为企业核 ...
2025-08-11DBeaver 实战:实现两个库表结构同步的高效路径 在数据库管理与开发工作中,保持不同环境(如开发库与生产库、主库与从库)的表 ...
2025-08-08t 检验与卡方检验:数据分析中的两大统计利器 在数据分析领域,统计检验是验证假设、挖掘数据规律的重要手段。其中,t 检验和卡 ...
2025-08-08