IntelliJ IDEA中集成ChatGPT的工程化实践：从插件配置到生产力提升

3次阅读

共计 2108 个字符，预计需要花费 6 分钟才能阅读完成。

每次调试代码时，我们都会遇到这样的场景：在 IDE 里写着写着突然需要查文档，于是切到浏览器打开 Stack Overflow；过会儿又遇到 API 用法不确定，再切到 ChatGPT 网页提问 … 这种频繁的上下文切换不仅浪费时间，更重要的是打断了编程的心流状态。据统计，开发者平均每天要执行超过 50 次这样的切换操作。

官方 ChatGPT 插件
优点：开箱即用，支持对话历史
缺点：无法自定义提示词，企业环境存在数据出境风险
自定义 API 集成
优点：可控制请求内容，支持私有化部署
缺点：需要自行处理 Token 管理等基础设施

环境变量存储（推荐）
IDEA 的 Password Manager
自建代理网关（企业级方案）

class ChatGPTToolWindow : ToolWindowFactory {override fun createToolWindowContent(project: Project, toolWindow: ToolWindow) {val panel = JPanel(BorderLayout())
        // 添加输入框和显示区域
        toolWindow.component.add(panel)
    }
}

suspend fun callChatGPT(
    prompt: String,
    retryCount: Int = 3
): String {
    var lastError: Exception? = null
    repeat(retryCount) { attempt ->
        try {
            val response = client.post<ChatCompletion> {// 请求体配置}
            return response.choices.first().message.content} catch (e: Exception) {
            lastError = e
            delay((attempt + 1) * 1000L) // 指数退避
        }
    }
    throw lastError ?: RuntimeException("Max retries exceeded")
}

通过 PSI(Program Structure Interface)解析当前代码上下文：

fun getCurrentCodeContext(editor: Editor): String {val psiFile = PsiDocumentManager.getInstance(project)
        .getPsiFile(editor.document)
    return psiFile?.text ?: ""
}

plugins {
    id "java"
    id "org.jetbrains.intellij" version "1.13.3"
}

// 关键依赖
dependencies {
    implementation "com.squareup.okhttp3:okhttp:4.10.0"
    implementation "org.jetbrains.kotlinx:kotlinx-coroutines-core:1.6.4"

    // 用于 JSON 解析
    implementation "com.fasterxml.jackson.module:jackson-module-kotlin:2.14.2"
}

intellij {version.set("2022.3.3")
    plugins.set(["java", "Kotlin"])
}

本地缓存最近 5 次对话
当检测到连续超时时切换备用 API 端点
重要操作添加离线提醒标记

#!/bin/sh
# pre-commit hook 示例
git diff --cached | \
    grep -E "(api_key|password|token)" && \
    echo "检测到敏感信息！" && exit 1

版本兼容性
2022.1+ 版本需注意 ToolWindow API 变更
旧版 Kotlin 插件可能缺少协程支持
响应延迟优化
设置 max_tokens 限制
使用 stream 模式逐步显示结果
对长响应启用后台加载

结合 /v1/chat/completions 接口：

{
  "model": "gpt-3.5-turbo",
  "messages": [
    {
      "role": "user",
      "content": "生成 Spring Boot 3.x 项目，包含: 1.JPA 2.Security 3.Webflux"
    }
  ]
}

fun createCodeReviewPrompt(code: String): String {
    return """
    请以资深 Java 工程师身份评审以下代码：${code}
    要求：1. 指出潜在的性能问题
    2. 检查是否符合 SOLID 原则
    3. 给出重构建议
    """.trimIndent()}

实际使用两周后，最明显的感受是：当 AI 助手被深度集成到开发环境中，它不再是一个独立的工具，而变成了像代码补全一样的自然存在。特别是通过 AST 获取上下文后，提问的精准度大幅提升。建议先从简单的代码解释功能开始尝试，逐步扩展到自动生成测试用例等复杂场景。

正文完