新闻详情

新闻详情

首页 / 资讯中心 / 详情

Github 开源一周1.2k star,Go主打的第一款Agent IDE官宣开源了

发布时间:2026/11/17 3:48:04来源:尧图网络
Github 开源一周1.2k star,Go主打的第一款Agent IDE官宣开源了
编辑器圈子又来新卷王了。刚开源的Rune IDEGo语言写就GPU加速渲染把GUI编辑器和tmux终端体验揉到一块。它有几个脑洞大开的设计和我们熟悉的VS Code完全不是一个思路倒是多多少少有点Zed的影子。这个IDE据作者介绍最早是因为再2017年的时候因为使用vim写go遇到跳转到定义失败所以激发他开发一款新的IDE。中间又经过了几年知道2022年的时候作者被uber裁员作者决定开公司专门使用Go来开发一款IDE。直到2026年7月的时候Rune官宣1.1版本正式发布9月份的时候官宣开源。下面就通过Rune的介个主要新特性来认识下这款全新IDE。1、 键盘驱动代码编辑、终端、命令行工具、语言智能分析、调试以及 AI 智能代理全部整合进一套可自由组合、支持多工作区的开发环境。rune内置3种编辑器一种是标准的就类似vscode另外2种是vimemacs。选好一套键位VS‑Code标准/Vim/Emacs三选一编辑器、终端、文件树、输入框全部统一这套按键。不用在不同组件之间来回切换输入模式。对重度模态编辑爱好者来说这点简直是救星。再也不会出现“我明明按了Vim快捷键结果往终端敲了一堆乱字符”的社死现场。2、 命令提示符这个可以说是rune提出的一个新概念了由于rune是键盘驱动的IDE除了你再编辑器力输入代码你输入的内容就是一条命令打开文件、切分窗口、执行构建、跳转到定义。每一项操作都可以直接敲入命令执行可以绑定快捷键还可以串起来做成别名。这个很类似于vscodezed里面的命令面板而且都是使用快捷键ctrl shift p打开3、 调试rune已经内置了一些语言的调试器比如你开发gorune已经内置了go的调试器dlv开箱即用但是目前调试也是基于命令提示符来完成比如打断点使用 命令debugger set-breakpoint就会再当前光标所在行打赏断点但是个人感觉可能有一个gui来调试会更方便。4、 文件浏览器这里的文件浏览器并不是供你点击操作的树形控件。它是一份对应整个工作区的实时可编辑缓冲区直接编辑这份文本缓冲区就是你管理文件的方式。修改一行上的名称对应的文件就完成重命名删除一行文件随即被删除调整一整块内容的缩进这一批文件就会移动到另一个目录下面。你可以像普通编辑文本一样一次性做完所有改动最后保存一次并确认即可。这是在 Rune 里面批量处理文件的最快方式。一旦你体会到这套用法的妙处你可能就再也不想用别的方式管理文件方式比如vscode当然Rune目前还有短板只支持macOS和LinuxWindows暂时缺席生态也还很幼小。不过这套设计思路很值得玩味不去无脑复刻VS Code而是重新思考编辑器到底该长什么样。 有人也认为这可能是下一代Agent IDE的最佳形式。
网站建设高端定制企业官网
RELATED

相关资讯

更多精彩内容,欢迎继续阅读

较早相关资讯

最新相关资讯

【外设】之大彩串口显示屏 2026/11/15 4:54:16

【外设】之大彩串口显示屏

大彩串口屏初步使用 1 .官网下载 STM32 屏幕 GUI 设计资料 http://www.gz-dc.com/category/typeid/4112 找到 STM32 Keil 工程,移植相关代码因项目而异进行移植,由于项目简单,本人只对用到的指令接口进行修改。 比如:注意事项&…

阅读更多 →
无法下载Windows系统iso文件 2026/11/15 2:04:12

无法下载Windows系统iso文件

当我遇到这个问题的时候,我打开了一个网站: 登录 然后我打算下载的时候: 突然那个官方的连接就可以下载了:

阅读更多 →
【清华代码熊】DeepSeek V4.1 Flash 后训练详解 2026/11/16 19:23:38

【清华代码熊】DeepSeek V4.1 Flash 后训练详解

📌 上期解析了 DeepSeek V4.1 Flash 模型架构改进,本期解析 DeepSeek V4.1 Flash 预训练/后训练技术: 🌟 预训练:45T 文本 多模态混合语料、直接训练 sparse attention(取消 DeepSeek V4 的 dense 冷启动&…

阅读更多 →
Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ... 2026/11/16 6:47:19

Shuffle-R1: Efficient RL framework for Multimodal Large Language Models via Data-centric Dynamic ...

文章主要内容和创新点 主要内容 本文聚焦于多模态大语言模型(MLLM)强化学习(RL)训练中的效率问题,提出了一个名为Shuffle-R1的框架。研究发现,当前RL训练存在两个关键缺陷: 优势值坍缩(Advantage Collapsing):批次中大多数优势值集中在零附近,导致有效梯度信号被淹…

阅读更多 →
PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction 2026/11/14 16:35:50

PRvL: Quantifying the Capabilities and Risks of Large Language Models for PII Redaction

一、文章主要内容总结 本文聚焦于利用大型语言模型(LLMs)实现个人身份信息(PII)脱敏的研究,旨在解决传统脱敏方法(如基于规则的系统、领域特定命名实体识别(NER)模型)泛化能力差、跨格式/跨语境适应性弱的问题。 研究通过全面评估多种LLM架构(包括密集型LLM(D-LLM…

阅读更多 →
LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model 2026/11/16 17:28:18

LLaVA-RE: Binary Image-Text Relevancy Evaluation with Multimodal Large Language Model

文章主要内容和创新点 主要内容 本文聚焦于二进制图像-文本相关性评估任务(判断图像与文本“相关”或“不相关”),针对该任务中文本格式多样、相关性定义随场景变化等挑战,提出了基于多模态大语言模型(MLLM)的解决方案LLaVA-RE。 模型设计:LLaVA-RE基于LLaVA 1.5架构,…

阅读更多 →

今日资讯

本周资讯

本月资讯

看完文章仍有疑问?

联系尧图顾问,获取一对一建站咨询

立即免费咨询 📞 400-888-8888
📞 ✉