JetBrains 把 Codex 和 Claude Code 请进 CI:TeamCity 新插件让构建自己干活
JetBrains 2026 年 11 月 16 日发布 TeamCity AI Agents 实验插件:构建能启动 Codex 或 Claude Code 做评审、分析失败、更新文档,密钥只在构建期间下发,Token 用量与操作轨迹随构建归档。实验性质,先在低风险构建上试。

一句话:JetBrains 把 Codex 和 Claude Code 请进了 CI,但先别急着上生产
2026 年 11 月 16 日,JetBrains 在 TeamCity 官方博客上宣布了一个实验性的 AI Agents 插件:让构建本身启动 Codex 或 Claude Code 这类命令行智能体,在流水线里做代码评审、分析失败的构建、更新文档这类活。插件装在 TeamCity 服务器上,从 JetBrains Marketplace 安装。要注意它的定性:实验性,JetBrains 明确说功能可能还会变。把它理解成一次公开试水,比理解成正式功能更准确。
先把一手来源的情况老实交代一句:JetBrains 官方博客原文《Run AI Agents in TeamCity》在本次备稿时返回 403,无法直接打开全文。本文的事实依据是完整读过的独立写作者复述(逐条对照官方博客的安装步骤、五种连接方式、Token 统计与轨迹格式),加上另外两家 11 月 16 日的独立写作者交叉确认的发布日期与核心事实。官方博客的链接仍列在 sources 里,主代理发布前可再试一次。证据等级因此定为 B,见 evidence.md。
这个插件解决的不是“能不能在 CI 里跑智能体”的问题——能,而且不少团队早就用 shell 脚本加一个存在构建机上的密钥跑起来了。它解决的是“跑起来之后谁来管”的问题:密钥怎么不留在机器上、Token 花了多少、智能体到底干了什么。以前这三件事要靠团队自己拼脚本、拼规范;现在插件把它们收进了 TeamCity 的设置界面,管理员能看得见、能审计。这才是它真正的卖点。
插件到底干了哪四件事
按官方博客的说法,插件接手四件以前要人手工做的事。第一件是装智能体:构建开始时,插件先检查构建代理上有没有选定的命令行客户端,没有就装上。不用再逐台准备构建机,也不用在镜像里预装一堆 CLI 工具。第二件是接模型供应商:供应商的密钥以 TeamCity 连接的形式保存在项目级别,而不是写进构建脚本或者塞进构建机的环境变量。第三件是短期凭证:构建代理只在构建进行期间拿到密钥,构建一结束就收回。这是整个设计里最关键的一处,原因后面安全一节细说。第四件是记账:Token 用量和智能体完整的操作记录都会随构建一起保存下来。
智能体本身的调用方式刻意做得很普通:就是一个普通的 Command Line 构建步骤,里面写 codex 或者 claude 命令加一段提示词。官方博客的示例提示词是让智能体总结仓库内容,实际任务可以换成任何事——评审代码、分析失败原因、顺手更新文档。没有新的 DSL 要学,没有新的配置语言,写过构建步骤的人都会用。这种“普通”是有意的:插件只负责把智能体安全地请进构建,干什么活由提示词决定。
能选的智能体目前只有两个:Codex 和 Claude Code。模型背后的连接方式有五种:JetBrains Air、OpenAI、Anthropic、LiteLLM 和 OpenRouter。后面两种是网关,等于把可选模型的范围放得比连接列表本身大得多——已经在用网关统一走模型流量的团队不用改现有路线。JetBrains Air 的连接要填服务账号的客户端 ID 和客户端 Secret,而且每个团队可以用不同的服务账号,这样各团队的用量和开销是分开算的。对多团队共用一个 TeamCity 实例的公司来说,这处细节比听起来重要:账能分到团队头上,才有人愿意为用量负责。
三步接上:连接、构建功能、提示词
官方博客给的接入流程只有三步。第一步建连接:在 Project Settings 里打开 Connections,选供应商、填凭证。第二步加构建功能:在构建配置里加上 AI Agent 构建功能,选 Codex 还是 Claude Code,再选刚才建好的连接。第三步写提示词:建一个 Command Line 步骤,调用智能体,写上要它干的活。构建跑起来之后,插件负责定位或安装客户端、写好配置,智能体按提示词干活。
三步都做完之后,真正的试用才开始。JetBrains 建议的用法是一个反馈循环:先在 CI 里跑智能体,用 TeamCity CLI 把几次构建的轨迹拉下来,拿本地的编码智能体一起研究这些轨迹,改提示词,再跑一次。这个建议值得注意——它默认了第一次写的提示词不会太好用,调提示词是这个功能日常使用的一部分,而不是一次性配置。把它当成“装好就不用管”的功能,会失望;把它当成“要在 CI 里反复调教的活”,才对得上它的实验性质。
还有一个容易被忽略的前提:Token 的账单由你连接的模型供应商收,JetBrains 不收这部分钱。插件本身免费与否、以后是否收费,官方博客没有提。对预算来说,这意味着成本不在 JetBrains 的价目表上,而在 OpenAI、Anthropic 或者你的网关账单上。试用之前先想好这笔钱从哪个预算科目出,别等到月底账单来了才发现没人认领。
账本:Token 统计和轨迹,终于能像构建时长一样看曲线了
插件把 Token 用量发布成标准的 TeamCity 统计值:输入、输出、缓存和总 Token 各一项。既然是标准统计值,就能像构建时长、测试数量一样画成随时间变化的曲线。一次构建里智能体多花了多少钱,看一眼曲线就知道;某天用量突然跳起来,也能马上发现。这是以前用 shell 脚本跑智能体时最难做到的事——用量散落在日志里,没人会天天去翻。
比 Token 统计更重要的是轨迹。插件把智能体的完整操作记录——它发了什么消息、调了什么工具——存成两种格式:给人读的 HTML 版,和给脚本批量比较用的 JSON 版。文件作为隐藏的构建产物,放在 .teamcity/ai-agents/ 目录下。想在构建结果页直接看 HTML 报告,需要在 Project Settings 的 Report Tabs 里加一个报告页,起始页指向 .teamcity/ai-agents/trajectory.html。JSON 版的意义在于批量:把多次构建的轨迹拉下来对比,才能看出来提示词改了之后智能体是不是真的变好了,而不是凭感觉。
这两样东西加在一起,解决的是一个管理问题:智能体在 CI 里干活,出了问题找谁、怎么复盘。以前的答案是“去翻日志”,现在至少有了结构化的记录和可画曲线的用量。当然,前提是有人真的去看。轨迹文件不会自己变成改进,统计曲线也不会自己变成预算控制。工具给了 visibility,纪律还得团队自己补。
安全是这篇最值得认真读的部分
把智能体放进 CI,最大的风险不是它写错代码,而是它手里有密钥、能读仓库、能跑命令。插件的短期凭证设计正对着这个风险:密钥只在构建期间存在于构建代理上,构建一结束就收回。构建代理通常是多任务复用的,一把长期密钥留在上面,等于后来跑的每一个构建都能拿到它。近期针对 CI 密钥的窃取攻击已经证明,流水线里存的密钥是攻击者重点盯的东西。短期凭证把暴露的时间窗口从“一直”缩到“一次构建”,风险小了很多,但没有归零。
没有归零的原因有两个。第一,构建进行期间,智能体仍然能读仓库、跑命令,提示词里如果混进了不可信的文本——比如外部提交的 PR 描述——智能体可能被诱导去做提示词之外的事。这就是提示词注入,只不过发生的地点从聊天框搬进了流水线。第二,插件存下来的轨迹产物里可能包含提示词、源代码和模型输出,JetBrains 自己也提醒要限制谁能打开这些文件。轨迹本来是为了复盘和审计,可一旦权限放得太宽,它就成了泄露源代码的另一条路。
所以务实的起点是:先从只读任务开始,比如仓库总结和失败构建分析;涉及外部 PR 文本的任务先别接;轨迹产物的访问权限按最小范围配;Token 统计曲线从第一天就盯着。一个实验性插件配上这四条,才是能放心试用的状态。反过来,如果直接把它挂在发布流水线上、让智能体对每个提交都改代码还自动提交,那不是在试用新功能,是在拿生产环境做实验。
它和之前三条路有什么不一样
这不是 JetBrains 第一次把 AI 智能体往 TeamCity 身边放,区别在于位置。2026 年 5 月的 TeamCity 2026.1 带来了两条路:内置的 MCP 服务器,让 IDE 里的智能体能查构建日志、启动构建;TeamCity CLI 加 agent skill,让命令行智能体能从终端操作流水线。这两条路都是“智能体在 TeamCity 外面,伸手进来办事”。新插件反过来了:智能体在构建里面,构建本身就是它干活的地方。
另一条线在 IDE 里:JetBrains Air 在 2026 年 11 月进了各家 IDE,做的是编排和复核外部编码智能体;ReSharper 2026.3 则把 Claude Agent 和 Codex 带进了 Visual Studio。这两件事站内都已经写过——Air 的事见介绍 Copilot 接入 Air 的那篇,ReSharper 的事见 11 月 10 日那篇。它们的共同点是“人在旁边看着智能体干活”。TeamCity 插件的场景恰恰相反:人不在场,构建触发了,智能体自己干、自己留记录,人事后看轨迹。同样是智能体,有人盯着和没人盯着,对安全和复盘的要求完全不是一个量级。
把三条线放在一起,JetBrains 的布局就清楚了:IDE 里编排、终端里操作、CI 里执行。插件补上的是最后一块,也是风险最大的一块——因为执行发生在无人值守的构建里。这也是为什么它先以实验性插件的身份出现,而不是直接写进 TeamCity 的正式功能:JetBrains 需要真实团队先在低风险的构建上跑一跑,看看提示词、用量和轨迹到底怎么用,再决定它长成什么样。
五种连接方式怎么选:先看你家的模型账单在哪
五种连接方式看起来是技术选项,其实是账单选项。已经在用 OpenAI 或者 Anthropic 直连的团队,直接选对应的连接最省事,密钥就是现成的 API 密钥,Token 账单继续走原来的账户。已经在用 LiteLLM 或者 OpenRouter 做网关的团队,选网关连接更划算:模型路由、限流、用量统计都在网关那一层,TeamCity 插件不用重复造这些轮子,而且以后想换模型,改网关配置就行,不用动构建配置。选 JetBrains Air 的团队,走的是 JetBrains 自己的服务账号体系,好处是各团队的用量天然分开算,适合多个团队共用一个 TeamCity 实例、又想把账算清楚的公司。
这里有一个容易踩的坑:连接方式选错了,后面改起来不只是换个密钥。直连和网关的计费口径、模型列表、限流策略都不一样,提示词在不同模型上的表现也不一样。试用阶段最好先定一种连接、一个模型,把提示词和用量基线跑出来,再考虑换模型对比。五个连接同时试,等于五个变量一起动,最后不知道是提示词的问题还是模型的问题。等基线稳了,再用网关的优势去横向比价、比效果,那时换模型的成本才是可控的。
还有一点值得提前想清楚:智能体在 CI 里跑,模型选型和人在 IDE 里用的模型不一定是同一个。人在 IDE 里可以接受贵一点、慢一点的模型,因为人在等、人在看;CI 里跑的是无人值守的批量任务,成本按构建次数放大,对价格更敏感。LiteLLM 和 OpenRouter 这类网关的价值正在这里:同一个提示词,可以先在便宜的模型上跑常规任务,只在失败分析这类难任务上切到强的模型。插件本身不管这种路由,但它把用量统计做成了标准值,等于给了团队做这种分层的数据基础。
对 vibe coding 的团队意味着什么
对用 AI 写代码的团队来说,这个插件补上了一个平时容易被忽略的环节:代码是智能体写的,检查代码的也应该是智能体,而且检查应该发生在合并之前、而不是人有空的时候。以前的流程是,智能体在本地或者 IDE 里写完代码,人看一眼就合并,CI 只负责跑测试。测试能发现“跑不起来”,发现不了“写得难看、留了隐患、文档没同步”。插件让 CI 里多了一个会读代码的角色,评审、失败分析、文档更新都能在流水线里自动发生。
但这也带来一个新的分工问题:智能体写的代码,再由智能体来评审,两个人——或者说两个模型——会不会互相放水?目前插件的答案是轨迹:每一次评审留了什么意见、调了什么工具,都有记录可查。人可以事后抽查轨迹,看评审是不是走过场。这个机制能不能防住“智能体之间互相糊弄”,现在还没有答案,因为插件刚发布,还没有真实团队的大规模使用数据。务实的做法是,评审类任务先从“只提意见、不自动改代码”开始,让人保留最后的决定权,等轨迹数据攒够了、团队对评审质量有了判断,再放开自动修改的权限。
还有一个变化值得留意:构建失败之后,传统流程是人去看日志、定位问题、再修。现在插件支持让智能体直接分析失败的构建,这意味着失败分析从“人的待办事项”变成了“流水线的一个步骤”。对小团队来说,这能省下不少深夜排障的时间;对大团队来说,这意味着失败分析的质量开始依赖提示词的质量,而不是某个资深工程师的经验。经验变成了可以版本化、可以复用的提示词,这是好事,但前提是提示词本身要经过真实失败案例的打磨,而不是一次写成就上线。
怎么试:先找一个不重要的构建
如果你的团队在用 TeamCity,又对这个插件感兴趣,最稳妥的试法是:挑一个不重要的构建配置,比如 nightly 的文档检查或者测试报告汇总,先接上去跑只读任务。第一周只看三样东西:Token 统计曲线有没有异常跳变、轨迹 HTML 里智能体的操作是不是符合提示词、提示词改一版之后结果有没有可观察的变化。三样都正常,再考虑扩大到失败构建分析;评审代码这种会碰生产代码的任务,等团队对提示词注入的防护有了明确做法再说。
要不要现在就试,取决于你对“实验性”三个字的容忍度。JetBrains 说功能可能还会变,意思是今天写的配置、今天依赖的轨迹格式,明天可能就变了。试用成本不高,但别把关键流程押上去。等插件去掉实验标签、有了稳定的配置格式和更明确的权限模型,再谈全面铺开也不迟。
总的来看,这个插件的意义不在“CI 里能跑智能体”本身,而在它把跑智能体这件事从“每个团队自己拼脚本”变成了“平台提供的一套可审计的做法”。密钥短期化、用量可视化、操作留痕,这三件恰好是企业真正关心、而脚本方案最难做好的。功能还处在实验阶段,值得试,但值得在低风险的地方试。
评论 (0)
原始来源
相关文章
2026 年 11 月 17 日,微软发布 MAI Code 2 和 Code 2 Flash:大模型 770 亿激活参数、100 万上下文,四项基准平均通过率 63.2%,与 GPT-6.1 Sol、Claude Opus 5.5 咬得很紧,但每任务成本只有 0.309 美元。先看清三处“但是”:价格是推广价、分数是三者最低、长周期任务不在舒适区。
2026 年 11 月 11 日,AWS 开源 UAEF:先把 LangGraph、LangChain、Strands、Bedrock AgentCore 等框架的运行记录翻成统一格式,再用 36 个指标、7 个维度打分,回归超过 5% 就亮灯。评审模型本身也被防了一手:打分要引原文作证,分数不能用来决定安全放行。
2026 年 11 月 17 日,Perplexity 推出 Orchestrator API:一个接口接通 OpenAI、Anthropic、Google、xAI 与 GLM、Kimi、DeepSeek 等开源权重模型,按回答模型的公开价计费、不收平台费。同一模型挂了就换一家部署接着跑,路由功能还能按任务把请求分给不同的模型。