JetBrains 把 Agent 翻代码的活外包了：68% 轮次、59% 延迟、48% 成本，从哪省出来的？
发布于 2026-07-22
JetBrains 上线 JetBrains Context，把 Coding Agent 自己翻代码的活接过来——68% 轮次、59% 延迟、48% 成本。AI Coding 时代下一个杠杆，不在模型大小，在你的代码库怎么被索引。
JetBrains 把 Agent 翻代码的活外包了：68% 轮次、59% 延迟、48% 成本，从哪省出来的？
7 月 21 日，JetBrains 上线了 JetBrains Context——一个专门给 Coding Agent 用的"仓库智能层"（repository intelligence layer）。官方给的三组硬数字：Agent 对话轮次降最多 68%、延迟降最多 59%、执行成本降最多 48%（来源：JetBrains Blog, 2026-07-21）。评测横跨 205 个 SWE-bench 任务、175 个生产 monorepo 任务、1953 个代码定位任务。
数字是 JetBrains 自己跑出来的，要打个折。但它指向一件事——AI Coding 时代下一个真正的杠杆，不在模型大小，在你的代码库怎么被索引。开源模型这两年追得很快（Qwen3.5、Gemma4 已经把差距压到个位数），但落地到企业仓库仍然到处翻车——问题从来不在模型，在 context。
<!-- 配图：Mermaid, JetBrains Context 在 Agent 工作流中的位置 -->
Agent 真正烧钱的不是写代码，是翻代码
多数开发者低估了一个事：一个 Coding Agent 在任务里真正烧掉的那部分 token，"写代码"占比通常是个位数。
一次中等规模 monorepo 上的真实任务，token 大致这么分：
- 40–55%：探索。grep、开文件、子 agent 反复读、regex 错了重试、上下文整段 dump
- 20–30%：规划、改主意、再规划。看到上次没看见的东西，决策推翻
- 10–20%：实际生成代码
- 5–10%：测试、验证、回头修上一轮幻觉
这组分配没有任何官方 benchmark 出过，是我过去几个月在 Claude Code 和 Codex CLI 跑生产账单时看到的形状。"探索"是单项最大的支出，也是模型厂商最不愿意在卡片上写的项——它不漂亮，但它就在那里。
JetBrains Context 瞄准的，恰好是这一行。68% 这个数字对应的是"Agent 不必再花的探索预算"。所以同样一份发布能同时讲"延迟降"和"成本降"，但不提模型变强——因为模型没换。
赌的就是：你现在用的那个模型已经够好了，它缺的，是一个更快的提问方式。
