GitHub Copilot JetBrains 新增 Claude Agent 预览，企业自定义 Agent 开始真正进 IDE

开篇摘要

2026 年 6 月 22 日，GitHub 官方宣布 Copilot 在 JetBrains IDE 的插件迎来重大更新：Claude Agent provider 公测上线，并首次开放了组织级和企业级自定义 agents 的下发与管理能力，同时带来每轮 AI credits 可视化的新特性。这一系列功能的发布，意味着 AI 编程助手从“单一模型”走向“多模型协作”，团队和企业终于可以在 IDE 内实现真正的 AI agent 工作流定制。对于开发者团队负责人、JetBrains 用户和关注 AI 编程生产力的工程师来说，这不仅是工具升级，更是工作方式的深刻变革。

背景与变化：AI 编程助手的多模型时代来临

自 2023 年 GitHub Copilot 进入 JetBrains 生态以来，AI 助手在代码补全、解释、重构等场景已成为开发者日常工具。但此前，Copilot 主要依赖 OpenAI GPT 系列模型，用户选择和定制空间有限。随着 Anthropic Claude 成为 agent provider，JetBrains 用户首次能在 IDE 内体验多模型切换与协作，企业和组织也能下发自定义 agent，统一管理团队 AI 编程策略。

此次更新的三大亮点：

• Claude agent provider 公测：支持 Anthropic Claude 作为 AI agent，提升代码理解和生成能力。
• 组织级 & 企业级自定义 agents：团队可自定义 agent 能力，并通过 JetBrains IDE 插件下发到成员端，强化团队治理与安全。
• AI credits 可视化：每轮 AI 调用消耗的 credits 直观展示，方便团队成本控制和用量分析。

行业趋势与技术背景补充

AI 编程助手正逐步成为主流开发工具，尤其是在大型企业和高安全行业。过去，AI 助手多以单一模型为主，难以满足多样化、复杂化的业务需求。多模型协作与自定义 agent 的出现，标志着 AI 编程助手进入“智能工作流”阶段。企业可根据自身业务、合规和安全要求，灵活配置和管理 AI agent，推动团队协作和创新。

此外，随着 AI 代码生成的普及，企业对数据安全、模型可控性和成本透明度的要求也显著提升。此次 Copilot JetBrains 插件的更新，正是对这些行业痛点的积极回应。

核心功能拆解

1. Claude agent provider 公测

Claude 以其在代码理解、自然语言交互和安全性方面的优势，成为 Copilot 在 JetBrains IDE 的新选择。用户可在插件设置中切换 agent provider，体验 Claude 的独特风格和能力。对于需要更高代码上下文理解、复杂逻辑推理的场景，Claude agent 表现尤为突出。

Claude agent 的引入，意味着开发者可以根据项目需求灵活切换不同 AI 助手。例如，处理大规模遗留代码、复杂业务逻辑或需要更强自然语言解释能力时，Claude agent 能提供更贴合实际需求的建议与代码片段。对于多语言项目或需要跨团队协作的场景，Claude agent 也能通过更好的上下文理解，减少误解和沟通成本。

值得注意的是，Claude agent 的公测阶段功能和稳定性仍在持续迭代，企业在大规模部署时建议先行试点。

2. 组织级与企业级自定义 agents 下发

企业和组织管理员现在可以在 Copilot 控制台自定义 agent，包括模型选择、提示词模板、权限策略等，并一键下发到所有团队成员的 JetBrains IDE 中。这带来如下优势：

• 统一团队 AI 编程标准，降低安全和合规风险
• 根据业务场景定制 agent 行为，提升开发效率
• 支持多 agent 并存，灵活切换不同任务的 AI 助手

自定义 agent 的能力，极大提升了企业对 AI 编程助手的可控性。例如，可以为不同业务线、不同安全级别的项目配置专属 agent，限制其对敏感代码的访问权限，或为特定场景定制提示词和行为准则。企业还可根据实际需求，分阶段、分部门下发不同 agent，灵活应对组织结构和项目变化。

这种集中化、分层级的 agent 管理方式，尤其适合大型企业、金融、医疗等对合规和安全有严格要求的行业。

3. 每轮 AI credits 可视化

在 IDE 内，每次 AI agent 调用的 credits 消耗都会实时显示。团队负责人可据此监控用量、分析成本结构、优化 AI 使用策略。这对于大规模团队和预算敏感型企业尤为重要。

通过 credits 可视化，团队可以追踪每个成员、每个项目的 AI 资源消耗，及时发现异常用量或低效调用，进一步优化 agent 配置和使用策略。例如，发现某类代码生成任务消耗过高时，可以调整 agent 的提示词、模型选择或调用频率，降低整体成本，提升 ROI。

此外，credits 可视化功能为企业后续的 AI 成本核算、预算分配和用量预测提供了坚实基础。

适用人群与应用场景

本次更新主要面向以下用户群体：

• 开发者团队负责人：可统一配置 agent，规范团队 AI 编程流程。
• 企业 IT 管理员：通过自定义 agent 下发，强化数据安全和合规。
• JetBrains IDE 重度用户：享受多模型 agent、credits 可视化等新体验。
• 关注 AI 编程工作流的工程师：探索多 agent 协作与定制化开发。

典型应用场景包括：金融、医疗、互联网等对代码安全和合规要求高的行业，或需要多模型协作、复杂业务逻辑的研发团队。

此外，教育行业、科研机构也可通过自定义 agent，规范学生或研究人员的代码生成行为，防止学术不端和敏感信息泄露。对于初创企业和敏捷团队，多 agent 协作可加速原型开发和创新实验，提升整体研发效率。

企业在实际应用中，可以根据不同项目的敏感级别，灵活配置 agent 权限和提示词。例如，金融行业可限制 agent 访问客户数据相关代码，医疗行业可屏蔽涉及患者隐私的信息生成，互联网企业可为不同业务线分配专属 agent，确保代码风格和安全标准统一。

实战流程：如何在 JetBrains IDE 配置 Claude Agent 与自定义 Agents

1. 确保 JetBrains IDE 和 GitHub Copilot 插件已升级至最新版本。
2. 在 IDE 设置中进入 Copilot 配置页，选择“Agent Providers”，即可看到 Claude 选项（公测阶段可能需申请资格）。
3. 如为企业或组织管理员，登录 Copilot 控制台，进入“Agents”管理页，创建自定义 agent，配置模型、提示词、权限等参数。
4. 保存并下发 agent，团队成员在 IDE 端即可收到 agent 更新提示，按需切换使用。
5. 在代码编辑区调用 AI agent，观察每轮 credits 消耗，并根据用量调整策略。

详细配置与实战案例，可参考 AI工具最新动态 和 实战工作流 栏目，获取更多团队落地经验。

实战案例：团队落地步骤详解

1. 团队试点：选择一个业务线或项目组，试点部署 Claude agent 和自定义 agent，收集团队成员的反馈。
2. 定制提示词与权限：根据项目需求，调整 agent 的提示词模板和访问权限，确保生成代码符合业务规范。
3. 用量监控与优化：定期分析 credits 消耗数据，识别高消耗场景，优化 agent 配置。
4. 团队培训：组织内部培训，讲解多 agent 协作和 credits 管理的最佳实践，提升团队整体 AI 编程素养。
5. 持续迭代：根据实际使用效果，持续调整 agent 策略和配置，逐步推广到全公司。

例如，某互联网公司在试点阶段，先为前端团队部署 Claude agent，收集代码补全和解释的反馈，再根据实际用量调整提示词模板，最终推广到后端和测试团队，实现多模型协作和统一治理。

案例场景分析

场景一：金融行业的代码合规与安全

某金融科技企业通过自定义 agent，限定 AI 只能访问特定代码库、禁止生成敏感数据相关代码，并监控 credits 用量，确保合规与成本可控。团队负责人可通过控制台实时查看 credits 消耗，及时发现异常调用，防止敏感信息泄露。

场景二：多业务线团队的模型协作

大型互联网公司为不同业务线配置专属 agent，如前端团队用 Claude agent，后端团队用 GPT-4 agent，提升各自开发效率。通过自定义 agent，下发不同的提示词和行为规范，确保各业务线的代码风格和安全标准一致。

场景三：AI credits 成本精细化管理

研发团队通过 credits 可视化分析，发现某类代码生成任务消耗过高，及时优化 agent 配置，降低整体 AI 成本。例如，调整 agent 的调用频率或限制高消耗操作，帮助企业实现精细化预算管理。

场景四：教育与科研领域的合规创新

高校和研究机构通过自定义 agent，规范学生和研究人员的代码生成行为，防止学术不端和敏感信息泄露。通过 credits 可视化，教师和管理者能实时了解 AI 使用情况，及时发现异常用量，提升教学与科研的合规性和创新效率。

对比分析：Copilot JetBrains 插件与 VS Code 生态的差异

虽然 Copilot 在 VS Code 早已支持多模型和自定义 agent，但 JetBrains 生态的此次更新有以下独特之处：

• 更强的团队治理与 agent 下发能力，适合大型企业统一管理
• 更细致的 credits 可视化，便于预算和用量分析
• 与 JetBrains IDE 深度集成，支持多语言、多项目复杂场景

对于追求高安全、高定制化的团队，JetBrains 生态的 Copilot 更新无疑更具吸引力。尤其是在需要团队统一规范、复杂权限管理和多业务线协作的企业环境下，JetBrains 插件的自定义 agent 和 credits 管理功能更贴近实际需求。

此外，JetBrains IDE 在代码分析、重构和多语言支持方面本就具备强大优势，结合多 agent 协作后，能够进一步提升开发效率和代码质量。

值得一提的是，JetBrains 的多项目管理、代码重构和静态分析能力，与 AI agent 的深度结合，为企业实现自动化、智能化的研发流程提供了更坚实的基础。

风险、限制与注意事项

• Claude agent 目前为公测阶段，部分功能或稳定性待核实
• 自定义 agent 下发需企业/组织管理员权限，个人用户暂不可用
• credits 可视化仅支持部分 JetBrains IDE，未来将逐步覆盖更多产品线
• 多 agent 并存可能导致配置复杂，建议团队制定统一管理规范
• 企业在定制 agent 时需严格审查提示词和权限，防止误用或数据泄露
• AI 生成代码仍需人工审核，避免因模型误判导致业务风险
• 部分行业对 AI 代码生成有合规限制，企业需结合行业规范谨慎部署

落地建议与最佳实践

• 企业应优先试点自定义 agent，结合自身业务定制提示词与权限
• 定期分析 credits 用量，优化 agent 配置，控制成本
• 关注 AI工具最新动态，及时跟进官方功能更新与最佳实践
• 为团队成员提供 agent 使用培训，提升整体 AI 编程素养
• 建立内部 agent 管理制度，明确各类 agent 的适用范围和权限分配
• 与安全、合规团队协作，确保 agent 配置符合行业规范
• 在多 agent 场景下，定期复盘和优化 agent 策略，避免配置混乱

FAQ

Claude agent provider 支持哪些 JetBrains IDE？

目前已支持 IntelliJ IDEA、PyCharm、WebStorm 等主流 JetBrains IDE，后续将逐步覆盖更多产品，具体以官方公告为准。

企业自定义 agent 如何下发到团队成员 IDE？

管理员可在 Copilot 控制台创建并配置 agent，保存后即可一键下发，成员在 IDE 插件内会收到 agent 更新提示。

AI credits 可视化如何帮助团队管理成本？

每轮 agent 调用的 credits 消耗会在 IDE 内实时展示，团队可据此分析用量、优化配置、控制预算。

个人用户可以使用自定义 agent 吗？

目前自定义 agent 下发仅面向企业和组织级用户，个人用户暂不支持该功能。

Claude agent 与 GPT-4 agent 有何区别？

Claude agent 在自然语言理解和代码上下文推理方面表现突出，适合复杂逻辑和高安全场景；GPT-4 agent 则在通用代码生成和多语言支持上更为灵活。

credits 可视化功能是否支持所有 JetBrains 产品？

目前 credits 可视化仅在部分 JetBrains IDE 中上线，后续将根据用户反馈逐步扩展支持范围，建议关注官方更新。

参考来源

• GitHub 官方更新日志
• AI工具最新动态
• 实战工作流