从JetBrains的亏损聊起"

admin 2026-10-15 15:01:42 网络安全文章 来源:ZONE.CI 全球网 0 阅读模式

从 JetBrains 的亏损聊起

原创

crossoverJie
crossoverJie

crossoverJie

2026年10月13日 08:08
重庆

在小说阅读器读本章

去阅读

在公众号小说中沉浸阅读

前两天看到新闻:JetBrains 2025 年净亏损 3.15 亿克朗,有记录以来 首次亏损 。以前很难想象这个在开发者心中顶级公司居然会出现亏损,只是这几年的 存在感下降严重 。

我记得大概是在 16 年我工作一年之后接触到 JetBrains,当时 用惯了 Eclipse ,所有的项目都在一个窗口里进行管理,而 JetBrains 的是 每个项目一个窗口 ,导致当时还适应了一段时间。

之后就被他的 调试器、速度、快捷键、UI 这些吸引彻底放弃了 eclipse,这一晃用了小十年了,只是从去年底开始就 几乎很少打开 了。

现在纯粹就是一个 git gui 工具 ,不过一些轻量场景也会直接在终端用 lazygit 替代了[1] ,效果也是类似的。

我在上一篇文章提到平时主要使用 Warp 进行开发,一些轻量的编辑任务直接就在 终端里完成 了[2] 。

即便是 JetBrains 家 最强的 debug 功能 ,现在也可以交给 Agent 使用日志大法 调试完成;无非就是多耗一点 token,效率比自己各种 打断点、条件断点 高很多。

以前为了可以高效使用 IDEA 这些产品还需要去学习它的快捷键,各种最佳实践。

最近也用 zed 替代了 vscode 了[3] ,偶尔需要查看大文件的时候就使用 zed 打开,也非常丝滑。

在上次文章的评论区里有人提到了 Paseo [4] ,用了几天发现非常合我胃口,现在用它来做 Agent 管理 ,纯终端的功能还是交给 Warp。

「打败你的往往不是和你做同一类型的产品,而是另一个维度的魔法,比如诺基亚被 iPhone 打败;短信被即时通讯 app 替代等。」

从 talk is cheap show me the code,到 code is cheap show me the talk

02

VERSUS

原研药 VS 仿制药

最近 GitHub 上还有一个项目火了: rea [5] 。

他的作用是使用 Agent 来逆向任何 app ,比如 Office、CAD 等安装到你电脑上的软件。

通过 app 的功能、底层的二进制、元数据文件,调用一些反编译工具来逆向软件,我在一个评论区看到一个说法,这就是 原研药和仿制药的区别 。

这个看起来很美好,其实和你熟悉一个 app 功能,然后 重新自己写 PRD 文档 让 Agent 来实现本质上没有区别,只是它省去了解析 PRD 文档这个步骤,而是通过 反编译来获取这份功能清单 。

同时这种逆向也会 消费大量的 token ,按目前的成本来看,可能你 少了几千块的 token 都够买断 这个软件了,而且要承担使用的不稳定性。

同时这对 软件版权也是一个威胁 ,既然大家都可以逆向,那还有企业愿意做创新吗?

就像刚才提到的,打败你的肯定不是类似的产品, 模仿的再像也只是备选方案 之一。

∞

THE END

研发人的处境

只是我们研发人员确实要考虑下如果只是 产品的翻译机器 ,那就 和这个 rea 没啥区别 了。

参考资料

[1] lazygit:https://github.com/jesseduffield/lazygit

[2] 我的 Agent 工作流:终端折腾了一圈,又回到了 Warp:https://crossoverjie.top/2026/09/23/AI/agent-workflow/

[3] zed:https://zed.dev/

[4] Paseo:https://github.com/getpaseo/paseo/

[5] rea:https://github.com/morluto/rea

END

往期推荐

DHH 给屏保手搓 x86 汇编结果都是喷他的?

我的 Agent 工作流:终端折腾了一圈,又回到了 Warp

AI Coding 果然会降低软件质量

从JetBrains的亏损聊起" 网络安全文章

从JetBrains的亏损聊起"

文章从JetBrains2025年首次亏损切入,作者回顾了从Eclipse转向JetBrains再转向Warp、zed、lazygit等工具的个人经历,指出AIAgent正改变开发方式,如用日志调试替代断点。文章还讨论了rea逆向工具对软件版权的威胁,类比原研药与仿制药,引发对创新与研发人员处境的思考。
人工智能适应式治理的风险信息机制与制度构造(学术专论)" 网络安全文章

人工智能适应式治理的风险信息机制与制度构造(学术专论)"

本文为洪延青发表于《东方法学》2026年第54期的学术专论,系统探讨人工智能适应式治理的风险信息机制与制度构造。文章梳理了我国算法推荐管理、生成式AI新规、个人信息保护自动化决策等监管演进,并通过中美欧比较分析提出适应式治理框架。核心观点认为需构建动态风险信息机制以应对AI技术快速迭代带来的监管挑战,为完善我国AI治理制度提供学理支撑。
评论:0   参与:  0