ProxyAI：JetBrains 全能 AI 编程助手

想象一下，当你深夜调试一个陌生的开源项目时，身边随时站着一个不知疲倦的资深同事——他认识所有的 API 文档、记得每一行代码的上下文、能一边读你选的代码一边给你解释逻辑，甚至能直接帮你写 commit message。而这个"同事"，就住在你的 IDE 里，从不离开。

这就是 ProxyAI——一个为 JetBrains 全家桶打造的 AI 编程插件。它不是简单的代码补全工具，而是一个覆盖聊天、代码生成、自然语言改写、多模态对话的全套 AI 工作台，在 JetBrains 插件市场的同类产品中，功能丰富度首屈一指。

项目背景与作者故事

ProxyAI 由独立开发者 Carl-Robert Linnupuu（GitHub @carlrobertoh）创建并维护，项目采用 Apache 2.0 开源许可证。Carl 同时运营 TryProxy 平台，为插件提供官方文档和商业化支持。项目早期名为 CodeGPT，后因商标原因更名为 ProxyAI，在 JetBrains 插件市场累计下载量已达数十万次，是该平台最受欢迎的 AI 编程插件之一。

作为一个完全由独立开发者驱动的项目，ProxyAI 没有大厂背书，也没有融资压力，却凭借持续迭代和丰富的功能集，在 GitHub 上积累了近 2000 颗星（截至 2026 年 6 月已达 1904 Star），成为 JetBrains 生态中最具影响力的开源 AI 编程工具之一。

核心功能：覆盖开发全流程的 AI 工具箱

ProxyAI 的功能设计围绕开发者的真实工作流展开，主要分为**聊天（Chat）和代码（Code）**两大模块。

聊天模块：不止于问答

**Auto Apply（自动应用）**是 ProxyAI 最具差异化的功能之一。当 AI 在聊天中生成代码修改建议时，用户可以在 diff 视图中预览变更，点击确认后直接写入编辑器——这比传统的"复制粘贴"模式效率提升显著，尤其适合处理较大的重构任务。

多模态图片对话让开发者可以直接上传截图或代码界面截图，AI 基于图片上下文进行解答。对于视觉类项目（如前端 UI、图表可视化）的代码问题，这个功能极大降低了描述难度。

文件/文件夹上下文引用则解决了大模型"不识项目"的问题。开发者可以快速将当前项目的任意文件或目录作为上下文传给 AI，让生成结果更贴合实际代码风格和项目规范。

此外还有 Git 历史引用、网络文档搜索（自动联网查找最新 API 文档）、Web 搜索（让 AI 实时联网回答技术问题）、以及自定义人格角色（学习助手、代码审查员、技术写作助手等）等功能。

代码模块：从补全到重构

在传统代码补全（单行/函数级自动完成）的基础上，ProxyAI 加入了自然语言代码改写：选中代码段，用自然语言描述想要的修改方向，AI 自动完成改写。这一功能对快速重构、风格统一非常有帮助。

命名建议功能可以根据变量/方法的上下文语义，自动推荐符合命名规范的名称，减少"这个变量叫什么好"的纠结时间。

Commit Message 生成基于 Git diff 自动生成规范化的 commit message，既节省了写 commit 的时间，也保持了历史记录的整洁性。

技术架构：Kotlin 打造的生产级插件

ProxyAI 的主体代码使用 Kotlin 编写，依赖于 IntelliJ Platform SDK，属于典型的 JetBrains 平台插件项目。构建系统采用 Gradle（Kotlin DSL），项目还包含一个 proxyai-telemetry 子模块用于匿名使用统计。

项目的代码结构清晰，核心模块围绕 IDE 事件监听、LLM API 调用、编辑器集成三大方向展开。值得注意的是，项目支持自定义 OpenAI 兼容 API 端点——这意味着除了官方支持的 OpenAI、Anthropic、Azure、Mistral 等服务商外，任何兼容 OpenAI API 格式的自托管模型（如本地 Ollama、LLaMA.cpp）都可以接入，赋予了用户极大的灵活性。

本地 LLM 支持通过 LLaMA C/C++ Port 实现（仅支持 Linux/macOS），对隐私敏感或需要离线编程的场景尤为实用。

上手门槛与使用方式

对于普通用户，安装 ProxyAI 的门槛极低——只需在 JetBrains IDE（IntelliJ IDEA、PyCharm、WebStorm、GoLand 等）中打开 File → Settings → Plugins → Marketplace，搜索 "ProxyAI" 并安装即可。

配置阶段需要选择一个 AI 服务商并填入对应的 API Key：OpenAI 和 Anthropic 需要官方 API Key；Azure 用户需要提供资源名称、部署 ID 和 API 版本；Anyscale/Together/Groq/Ollama 等第三方兼容端点则需要相应的端点地址和 Key。

对于希望本地运行的用户，LLaMA.cpp 方案提供了完整的离线能力，但需要一台具备一定算力的机器（项目文档建议配备"还不错"配置的电脑）。

局限与挑战

ProxyAI 作为独立开发者项目，面临几个现实问题：功能迭代速度受限于单一维护者；JetBrains 插件审核机制有时会导致更新发布延迟；以及本地 LLM 支持的算力门槛，让轻度用户难以真正实现完全离线。

此外，与 GitHub Copilot、Cursor 等商业产品相比，ProxyAI 没有自己的模型，服务质量本质上取决于用户选择的第三方 API——这既是灵活性，也是潜在的风险点。

行业意义：开源社区的"隐形冠军"

ProxyAI 代表了一类重要的开源项目——不是技术上最前沿、最炫酷的，而是把一个垂直场景做深做透的产品。在 JetBrains 生态拥有数百万开发者的背景下，一款功能完整、持续维护的 AI 编程插件，即使没有大厂支持，也能形成稳定的用户群体和社区生态。

它也印证了"AI 插件化"这一趋势：不是每个 AI 工具都要做成独立产品，嵌入已有工作流往往比创造新界面更容易被用户接受——开发者不需要离开他们熟悉的 IDE，就能获得 AI 能力，这或许是 ProxyAI 最重要的产品哲学。