- VS Code se razvija u otvoreni editor temeljen na umjetnoj inteligenciji otvaranjem koda GitHub Copilot Chata i refaktoriranjem ključnih AI značajki.
- AI Toolkit za VS Code centralizira otkrivanje modela, igrališta, izgradnju agenata, evaluaciju i implementaciju u jednom radnom prostoru.
- Alat podržava i pružatelje usluga u oblaku i lokalne/otvorene modele putem ONNX-a i Ollame, plus alate za fino podešavanje i konverziju.
- Ugrađeno praćenje, evaluacija i profiliranje omogućuju praktično pokretanje, mjerenje i optimizaciju AI tijekova rada izravno unutar VS Codea.
Ako godinama programirate u VS Codeu, ali se jedva dotakli modernih AI asistenata, očekuje vas velika promjena u vašem svakodnevnom tijeku rada. U kratkom vremenu, uređivači koda prešli su put od jednostavnih tekstualnih alata do potpunih AI radnih stanica gdje možete razgovarati s modelima, izrađivati agente, procjenjivati upite, pa čak i fino podešavati vlastite modele bez napuštanja uređivača. VS Code je u središtu ove promjene i, što je ključno, prihvaća... Otvoreni kod, pristup umjetnoj inteligenciji vođen zajednicom.
Rad s umjetnom inteligencijom otvorenog koda unutar VS Codea više nije nišni eksperiment, već realna, produkcijski spremna opcija za JavaScript/React developere, AI inženjere i edukatore. Između odluke o otvorenom kodu GitHub Copilot Chat ekstenzije i dolaska AI Toolkita za Visual Studio Code, možete kombinirati komercijalne modele (OpenAI, Anthropic, Google, GitHub modeli) s lokalnim ili otvorenim modelima (ONNX, Ollama, modeli optimizirani za Windows) i kontrolirati sve, od otkrivanja do implementacije, na jednom mjestu. Pogledajmo kako ovaj ekosustav funkcionira, što omogućuje i kako ga možete iskoristiti bez osjećaja zapostavljenosti.
VS Code kao AI editor otvorenog koda
Tim VS Codea javno se obvezao pretvoriti uređivač u okruženje otvorenog koda prvenstveno zasnovano na umjetnoj inteligenciji, a ne u zatvorenu crnu kutiju. Već više od desetljeća, VS Code je jedan od najuspješnijih OSS projekata GitHuba, s velikom i aktivnom zajednicom koja ga je odabrala upravo zato što je njegova jezgra otvorena. Kako umjetna inteligencija postaje zadani sloj iskustva kodiranja, Microsoftov je cilj zadržati iste principe: otvoreni razvoj, suradnju i snažno uključivanje zajednice.
Ključni potez u tom smjeru je odluka o izdavanju GitHub Copilot Chat ekstenzije kao otvorenog koda pod MIT licencom. Umjesto skrivanja AI logike i UX-a iza vlasničkog koda, implementacija ekstenzije postaje vidljiva svima. Plan nije samo objaviti repozitorij i otići: relevantni dijelovi ekstenzije bit će pažljivo refaktorirani i ugrađeni u jezgru VS Codea tako da se AI mogućnosti osjećaju kao prirodni, ugrađeni sloj editora.
Ova integracija trebala bi odražavati jednostavnu stvarnost: alati pokretani umjetnom inteligencijom sada su ključni za način na koji pišemo kod, a ne sporedna značajka. Tretiranjem umjetne inteligencije kao građanina prvog reda u arhitekturi VS Codea, tim pojačava ideju da otvorena baza plus proširivost stvara bolje alate, bogatije ekosustave i otpornije tijekove rada nego što bi to mogao pružiti bilo koji pojedinačni zatvoreni asistent.
Otvoreni kod za Copilot Chat ne događa se u vakuumu, već kao dio dugogodišnje povijesti otvorenog koda za otvoreni kod tvrtke VS Code. Tijekom vremena, problemi zajednice i zahtjevi za povlačenjem (pull requests) pomogli su timu da brzo otkrije i ispravi greške, sigurnosne ranjivosti i probleme korisničkog iskustva (UX). Proširenje te iste otvorene petlje na značajke umjetne inteligencije daje suradnicima izravan put do poboljšanja upita, tokova korisničkog sučelja, transparentnosti telemetrije i još mnogo toga.
Iz perspektive programera, to znači da se umjetna inteligencija u VS Codeu mijenja od „misteriozne magije“ do nečega što možete pregledati, debugirati, pa čak i forkirati ako je to stvarno potrebno. Niste vezani za viziju jednog dobavljača: možete odabrati Copilota, druge asistente ili vlastite agente otvorenog koda, a sve to preko transparentnog uređivača spremnog za umjetnu inteligenciju.
Zašto VS Code sada otvara svoj AI stack
Vremenski okvir ovog prelaska na otvorenu umjetnu inteligenciju u VS Codeu potaknut je konkretnim promjenama u širem području umjetne inteligencije, a ne samo ideologijom. Veliki jezični modeli su se toliko poboljšali da je mnogo ranijeg "tajnog sastojka prompta" postalo manje važno. Dok je prije dobavljač mogao zaštititi prednost skrivanjem pametnog inženjerstva prompta, sada se mnoge interakcije konvergiraju oko sličnih, dobro razumljivih obrazaca.
Na UX razini, najučinkovitiji obrasci interakcije s umjetnom inteligencijom sada se široko dijele među urednicima, IDE-ima i alatima. Stvari poput umetnutih prijedloga, bočnih traka za chat, naredbi za objašnjenja i upita za refaktoriranje postale su standardne. Umjesto da svaki dobavljač iznova izmišlja iste widgete zasebno, VS Code tim želi da te UI komponente žive u stabilnoj, otvorenoj kodnoj bazi kako bi ih zajednica mogla usavršavati, proširovati i zajedno razvijati.
Također se pojavio cijeli ekosustav proširenja i alata za umjetnu inteligenciju otvorenog koda oko VS Codea. Mnoga od ovih proširenja trebaju duboku integraciju: žele se povezati s tijekovima chata, ponovno koristiti komponente korisničkog sučelja, otklanjati pogreške u lancima promptova ili zrcaliti osnovna ponašanja. Vrlo je teško to učiniti čisto kada su ključni dijelovi AI iskustva zatvoreni u vlasničkim proširenjima bez javnog izvora.
Povjerenje i transparentnost programera igraju još jednu veliku ulogu: ljudi žele znati koje podatke prikuplja i šalje njihov uređivač s umjetnom inteligencijom. Otvaranjem koda Copilot Chata, korisnici i revizori mogu točno provjeriti koji se događaji bilježe, što se prenosi na pozadinske sustave i kako se provode odluke o privatnosti. Ta vidljivost nadilazi često postavljana marketinška pitanja i daje konkretna, pregledna jamstva.
Sigurnost je također snažan argument za otvorenu umjetnu inteligenciju u VS Codeu, jer alati za razvoj umjetne inteligencije postaju atraktivne mete za napadače. Zlonamjerna proširenja, putevi brzog ubrizgavanja ili vektori izbacivanja podataka mogu uzrokovati ozbiljnu štetu kada vaš urednik ima duboki pristup repozitorijima i infrastrukturi (pogledajte prijetnje proširenjima i krađu podataka). Povijesno gledano, doprinosi zajednice pomogli su VS Codeu da brzo ispravi probleme; primjena istog modela na značajke umjetne inteligencije povećava vjerojatnost ranog uočavanja problema.
Svi ovi faktori zajedno učinili su prirodnim da VS Code tim promijeni svoj razvoj umjetne inteligencije iz zatvorenog u otvoreni model. Ne klade se na otvoreni kod samo zato što je „lijep“, već zato što on dokazivo poboljšava ne samo transparentnost i povjerenje, već i proširivost, sigurnost i brzinu inovacija za umjetnu inteligenciju unutar uređivača.
Od Copilot Chat ekstenzije do AI značajki u VS Code jezgri
Nakon što se objavi kod ekstenzije GitHub Copilot Chat, sljedeći korak je ugradnja ključnih AI značajki u srce VS Codea. Ovo nije brzo kopiranje i lijepljenje: tim će sustavno refaktorirati komponente proširenja tako da osnovne AI primitivi postoje uz ostale mogućnosti uređivača, otkrivajući dobro definirane točke proširenja.
Tijekom ovog refaktoriranja, dugogodišnji prioriteti VS Codea ostaju nepromijenjeni: visoke performanse, snažna proširivost i čisto, intuitivno sučelje. Značajke umjetne inteligencije trebale bi se činiti brzim, stabilnim i predvidljivim, a ne kao neki unaprijed pripremljeni eksperiment. Autori proširenja i dalje bi trebali moći pristupiti pravim slojevima bez borbe sa skrivenim pretpostavkama ili nedokumentiranim API-jima.
Jedan od najzahtjevnijih aspekata AI značajki je testiranje, upravo zato što su jezični modeli stohastički. Izlazi se razlikuju od pokretanja do pokretanja, upiti se razvijaju, a verzije modela se mijenjaju. Kako bi se izbjegao kaos, Microsoft planira i vlastitu infrastrukturu za testiranje upita učiniti otvorenog koda. Na taj način, zahtjevi zajednice za povlačenjem koji se dotiču logike umjetne inteligencije mogu se validirati u odnosu na iste scenarije koje koriste interni timovi.
Dijeljenjem testova promptova i infrastrukture, projekt suradnicima daje način iteracije promptova i AI tokova bez slijepog nagađanja narušavaju li oni ponašanje. Također potiče kulturu tretiranja logike umjetne inteligencije kao stvarnog, testiranog koda, s metrikama i regresijskim provjerama, umjesto čarobnih nizova razasutih po korisničkom sučelju.
Krajnji cilj je jednostavan: doprinos AI značajkama VS Codeu trebao bi biti jednako jednostavan kao i doprinos bilo kojem drugom dijelu editora. Ne biste trebali morati rekonstruirati skrivene API-je ili nagađati koja su „ispravna“ interna ponašanja. Umjesto toga, postojat će stabilna osnova i zajednički skup testova koji će zajednici omogućiti da s vremenom oblikuje ponašanje umjetne inteligencije.
AI Toolkit za VS Code: vaš cjeloviti AI radni prostor
Uz otvorenu jezgru, AI Toolkit za Visual Studio Code djeluje kao sveobuhvatni kontrolni centar za izgradnju, testiranje i implementaciju aplikacija pokretanih umjetnom inteligencijom. Umjesto da vas prisiljava da žonglirate s CLI alatima, nadzornim pločama i skriptama, ovaj alat vam pruža namjenski prikaz u VS Codeu gdje možete upravljati cijelim svojim generativnim AI tijekom rada.
AI Toolkit se besprijekorno integrira sa širokim rasponom pružatelja modela, i onih u oblaku i lokalnih. Odmah se povezuje s uslugama kao što su OpenAI, Anthropic, Google i GitHub Models, a istovremeno podržava lokalne modele putem ONNX-a i Ollame. To olakšava kombiniranje modela otvorenog koda s komercijalnim API-jima ovisno o vašim potrebama i budžetu.
Iz perspektive tijeka rada, Toolkit pokriva cijeli životni ciklus: otkrivanje modela, eksperimentiranje s upitima, izgradnju agenta, evaluaciju, konverziju i implementaciju. Umjesto jednog proširenja za automatsko dovršavanje, drugog za evaluaciju i trećeg za lokalne modele, dobivate koherentno okruženje koje razumije kako su ti dijelovi povezani.
AI Toolkit nije ograničen samo na stručnjake za umjetnu inteligenciju; izrađen je za razvojne programere, inženjere umjetne inteligencije, znanstvenike podataka, istraživače i edukatore. Ako ste JS/React programer koji se vraća AI asistentima nakon nekoliko godina izbivanja, Toolkit je vrlo praktičan način da brzo nadoknadite propušteno - sve što vam je potrebno za istraživanje generativnih modela i agenata nalazi se u jednom panelu, s jasnim odjeljcima i dokumentacijom.
Instalacija je namjerno jednostavna: ekstenziju preuzimate s Visual Studio Marketplacea i, nakon instalacije, nova ikona AI Toolkita pojavljuje se u traci aktivnosti. Također postoji podrška za ručnu instalaciju putem standardnog tijeka rada za proširenja VS Codea ako radije sami upravljate VSIX datotekama. Nakon toga, Toolkit se otvara u vlastitom prikazu, organiziran u dosljedne odjeljke.
Katalog modela i igralište: eksperimentiranje s otvorenim i hostiranim modelima
U središtu AI Toolkita je Katalog modela, koji djeluje kao jedinstveno središte za otkrivanje i usporedbu modela iz više izvora. Unutar jednog sučelja možete pregledavati modele iz Microsoft Foundryja i Foundry Locala, GitHub Modela, ONNX-a, Ollame, OpenAI-ja, Anthropica i Googlea. To znači da možete usporediti modele otvorenog koda i hostane modele prije nego što se odlučite za jedan.
Katalog je osmišljen kako bi vam pomogao pronaći pravi model za vašu specifičnu upotrebu, umjesto da slijepo birate najveći. Možete pogledati mogućnosti, aspekte performansi i obrasce korištenja kako biste odlučili trebate li zahtjevniji LLM za zaključivanje, manji lokalni model za privatnost i latenciju ili nešto optimizirano za multimodalne ulaze.
Nakon što imate kandidatski model, Playground pruža interaktivno okruženje za chat za eksperimentiranje u stvarnom vremenu. U Playgroundu možete upisivati upite, podešavati parametre, pa čak i uključivati multimodalne unose poput slika ili privitaka datoteka. To je idealno kada želite vidjeti kako se model ponaša s realističnim tijekovima rada programera - čitanjem koda, sažimanjem zapisnika ili tumačenjem snimaka zaslona.
Iskustvo s Playgroundom je ključno kada uspoređujete komercijalne i otvorene modele u VS Codeu. Na primjer, možete postaviti ekvivalentne upute za dva pružatelja usluga i promatrati razlike u kvaliteti koda, latenciji i pridržavanju uputa. Ovakvo praktično testiranje puno je informativnije od čitanja statičnih mjerila.
Spajanjem kataloga i igrališta u editoru, AI Toolkit skraćuje petlju povratnih informacija: otkrijete model, odmah ga isprobate u odnosu na svoje stvarne zadatke i odlučite zaslužuje li mjesto u vašem stogu. Za tijekove rada umjetne inteligencije otvorenog koda, ovo znatno olakšava validaciju modela poput onih koji se izvode putem ONNX-a ili Ollame bez postavljanja zasebnih sandboxova.
Izrada i inspekcija AI agenata u VS Codeu
Osim jednostavnih uputa, AI Toolkit uvodi strukturirani način izgradnje agenata - višekratno upotrebljivih AI komponenti koje obuhvaćaju ponašanje, alate i upute. Alat za izradu agenata vodi vas kroz stvaranje sofisticiranih struktura upita, povezivanje alata (uključujući sučelja u MCP stilu) i generiranje koda spremnog za produkciju s dobro definiranim izlazima (pogledajte prilagođene agente u VS Codeu).
Brzo inženjerstvo u ovom kontekstu postaje više od pukog igranja s jednim nizom znakova; definirate uloge, upute, korištenje alata i izlazne formate na ponovljiv način. Ovo je posebno korisno ako gradite istu vrstu asistenta u različitim projektima - recimo, agenta za pregled koda, objašnjavača dokumentacije ili analizatora metapodataka slika.
Nakon što agent postoji, Agent Inspector vam omogućuje ispravljanje pogrešaka i vizualizaciju njegovog ponašanja izravno unutar VS koda. Možete pregledati međukorake, vidjeti kako se pozivaju alati i ponavljati svoj dizajn bez napuštanja prozora uređivača. To je neprocjenjivo kada se bavite suptilnim problemima poput haluciniranih poziva alata ili krhkih uputa.
Za hostirana okruženja, agente možete implementirati u Microsoft Foundry izravno iz AI Toolkita. Lokalni agent kojeg ste izradili u VS Codeu može postati hostirani agent u Foundryju, što olakšava integraciju u veće sustave ili izlaganje putem API-ja. Namjensko igralište za hostirane agente zatim nudi korisničko sučelje za interakciju s tim hostiranim agentima na isti poznati način.
Ova kombinacija – Alat za izradu agenata, Inspektor agenata i podrška za hostovane agente – pretvara VS Code u praktični laboratorij za dizajniranje i slanje agenata, ne samo za testiranje samostalnih upita. Ako želite izgraditi internog open source asistenta prilagođenog stacku vašeg tima, ovi alati vam pružaju potrebnu podršku.
Pokretanje i evaluacija upita u velikom broju
Kada ozbiljno shvaćate umjetnu inteligenciju u produkciji, potrebno vam je više od ad-hoc sesija razgovora; potrebno vam je sustavno testiranje i evaluacija. AI Toolkit rješava ovo putem značajki poput Bulk Run i Model Evaluation, a obje su dostupne iz VS Codea.
Skupno izvođenje omogućuje vam istovremeno izvršavanje skupnih testova prompta na više modela. Možete definirati skup testnih ulaza i pokrenuti ih na različitim pružateljima usluga ili konfiguracijama, što je idealno za usporedbu performansi na stvarnim opterećenjima ili procjenu kako ažuriranja modela utječu na vaše tokove. To je posebno korisno ako želite razumjeti kako se lokalni model otvorenog koda uspoređuje s plaćenim API-jem.
Za dublju analizu, Model Evaluation pruža alate za procjenu ponašanja modela u odnosu na skupove podataka i standardne metrike. Možete mjeriti stvari poput F1 rezultata, relevantnosti, sličnosti ili koherentnosti, a možete i dodati prilagođene kriterije evaluacije prilagođene vašoj domeni. To vam pomaže da se odmaknete od evaluacija "osjeća se dobro" prema kvantificiranim, reproducibilnim metrikama.
Evaluacija nije ograničena na pojedinačne modele; možete usporediti nekoliko modela ili zatražiti varijante koristeći isti skup podataka. Ako radite promptno inženjerstvo za agenta pomoćnika koda, na primjer, možete mjeriti koliko često svaka varijanta proizvodi ispravne zakrpe, visokokvalitetna objašnjenja ili minimalne halucinacije u odabranom skupu testova.
Budući da se sve ovo izvodi unutar VS Code-a, prirodno se integrira u vašu razvojnu petlju. Možete uređivati upite, ponovno pokretati evaluacije, prilagođavati skupove podataka i potvrđivati promjene bez prebacivanja konteksta na zasebne nadzorne ploče korisničkog sučelja. To je posebno korisno prilikom iteracije na modelima otvorenog koda koje pokrećete lokalno, jer imate strogu kontrolu i brze povratne informacije.
Fino podešavanje, konverzija modela i lokalna implementacija
Ako radije radite s otvorenim ili prilagođenim modelima umjesto da se isključivo oslanjate na hostane API-je, AI Toolkit uključuje značajke prilagođene tom tijeku rada. Dva najvažnija su fino podešavanje i konverzija modela, a oba imaju za cilj osigurati da se modeli dobro ponašaju u vašem specifičnom okruženju.
Alat za fino podešavanje omogućuje vam prilagodbu prethodno obučenih modela vašoj domeni pomoću vlastitih skupova podataka. Zadatke finog podešavanja možete pokrenuti lokalno ako imate GPU resurse ili ih premjestiti u oblak pomoću Azure Container Apps s GPU ubrzanjem. Ovo je idealno kada želite model koji bolje razumije vašu internu kodnu bazu, stil dokumentacije ili sheme podataka.
Na strani implementacije, Model Conversion vam pomaže transformirati, kvantizirati i optimizirati modele kako bi učinkovito radili na lokalnom hardveru. Modele iz izvora poput Hugging Facea možete pretvoriti u formate prikladne za ONNX ili Windows ubrzana okruženja za izvođenje i podesiti ih za izvršavanje na CPU-u, GPU-u ili NPU-u. To je važno ako želite brzo, privatno zaključivanje na prijenosnom računalu ili radnoj stanici bez plaćanja API naknada po tokenu.
Za Windows razvojne programere, mogućnosti profiliranja Toolkita pomažu u dijagnosticiranju načina na koji modeli koriste CPU, GPU i NPU resurse. Možete analizirati ONNX modele na različitim pružateljima usluga izvršavanja i pregledati događaje strojnog učenja sustava Windows, što je ključno pri optimizaciji latencije, propusnosti i troškova za lokalna AI opterećenja.
Zajedno, fino podešavanje, konverzija i profiliranje čine VS Code održivim okruženjem za ozbiljan rad s umjetnom inteligencijom otvorenog koda, ne samo za pozivanje API-ja u oblaku. Dobivate put od javnih kontrolnih točaka do optimiziranih, domenski specifičnih modela koji se izvode lokalno ili u vašoj vlastitoj infrastrukturi, a sve je orkestrirano iz uređivača koji već koristite.
Upravljanje resursima i alatima za razvojne programere u AI Toolkitu
UI AI Toolkit-a organiziran je u jasne odjeljke – Moji resursi, Alati za razvojne programere, Praćenje te Pomoć i povratne informacije – tako da uvijek znate gdje pronaći svaku mogućnost. Ova struktura omogućuje upravljanje čak i kada žonglirate s više modela, agenata i implementacija.
U području Moji resursi vidite sve što vam je dostupno unutar Toolkita. Lokalni resursi navode stavke pohranjene na vašem računalu, kao što su lokalni modeli, alati i agenti. Vaš Foundry projekt prikazuje Microsoft Foundry projekt povezan s Toolkitom, uključujući implementirane modele, agente prompta, hostane agente, alate, vektorske pohrane i klasične agente. Povezani resursi agregiraju vanjske veze, poput GitHub modela, koje su dostupne vašem radnom prostoru.
Odjeljak Alati za razvojne programere mjesto je gdje možete pronaći mogućnosti za otkrivanje, izgradnju i implementaciju AI komponenti. Pod Otkrivanje (Discovery) nalaze se Katalog modela i Katalog alata koji vam pomažu u pregledavanju i upravljanju modelima i alatima. Pod Izgradnja (Build) dobivate pristup značajkama kao što su Stvaranje agenta (Create Agent), Inspektor agenata (Agent Inspector), Implementacija u Microsoft Foundry (Implementation to Microsoft Foundry), Igralište hostiranih agenata (Hosted Agent Playground), Igralište modela (Model Playground), Konverzija modela (Model Conversion) i Fino podešavanje (Fine Tuning).
Odjeljak Monitor usmjeren je na razumijevanje kako se vaše AI aplikacije ponašaju u praksi. Praćenje prikuplja i prikazuje detaljne podatke o tome kako vaše aplikacije pozivaju modele i agente, dok Evaluacija objedinjuje ranije spomenute alate za procjenu modela na jednom mjestu. Profiliranje (za Windows ML) omogućuje vam da se udubite u brojke niske razine performansi CPU-a, GPU-a i NPU-a.
Konačno, Pomoć i povratne informacije centraliziraju poveznice na dokumentaciju, bilješke o izdanju, prijavljivanje problema i kanale zajednice. Odavde možete brzo prijeći na dokumentaciju AI Toolkita, vidjeti što je novo u novijim verzijama, prijaviti greške na GitHubu ili se pridružiti zajednici kako biste podijelili iskustva i prijedloge.
Ovaj strukturirani raspored pretvara AI Toolkit u više od pukog skupa značajki; postaje koherentan radni prostor za razvoj umjetne inteligencije u VS Codeu. Bilo da otkrivate nove modele, gradite agente, pratite uspješnost ili podnosite povratne informacije, sve je udaljeno samo nekoliko klikova u poznatom okruženju.
Sveukupno, rad s umjetnom inteligencijom otvorenog koda u VS Codeu danas znači puno više od uključivanja dodatka za automatsko dovršavanje. Dobivate editor čiji se AI stack širi na otvoreno, moćan Toolkit koji pokriva cijeli životni ciklus od otkrivanja modela do implementacije i robusnu podršku za lokalne i cloud modele od više pružatelja usluga. Za iskusnog JavaScript/React developera koji se vraća AI alatima, ovaj ekosustav nudi pragmatičan put za eksperimentiranje, izgradnju i isporuku AI-proširenih značajki, a istovremeno zadržava transparentnost, fleksibilnost i zajednicu u središtu vašeg tijeka rada (pogledajte cjeloviti tutorial za Visual Studio Code).
