ThinkRail 是 JetBrains 推出的一个 agentic IDE，它把 pi coding agent、隔离的 Git worktree 工作区、持续维护的 SPEC.md 规格和 GitHub PR 协作界面整合在一起。它想解决的问题是：让 AI 编程代理不只是完成一次聊天任务，而是能在独立分支中工作、保留项目知识，并把结果接回真实开发流程。

主要特性

• 隔离工作区：可以把任意 Git 仓库作为项目，并在其中切出 git worktree 工作区；每个工作区有自己的分支和工作目录，代理可以并行工作而不影响你当前的 checkout。

• 面向代理的 IDE 界面：提供 Monaco 编辑器标签页、文件树、实时 Git 变更标记、Changed 视图、终端和文档，并都作用于当前工作区。你也可以在文件或 diff 上留下锚定评审评论，再把这些评论发送到聊天中作为上下文。

• 多会话聊天：一个工作区可以同时运行多个 pi 会话，每个会话可以选择不同模型，并实时显示 token 和成本。你可以引导正在运行的任务、排队后续请求、委托子代理，也可以和代理一起编辑共享计划；计划中的每个完成步骤都可以单独提交和审查。

• 规格作为长期依据：代码旁边可以维护一组互相连接的 SPEC.md 文件。代理可以通过专用 spec_* 工具读取、搜索和维护这些规格，工作台中也有只读的 Specs 树视图，帮助项目意图在多次会话后仍然保留。

• 技能与工作流：它可以读取已有的 Agent Skills，也内置了一些工作流，用于项目初始化、设计讨论和发布 Pull Request。这些流程可以借助你自己的 gh 推送分支、打开或更新 GitHub PR。

• 更丰富的代理工具：支持网页调研、向用户提出结构化选择题、在聊天中渲染内联图、选项比较和文件预览。当代理提出 UI 改动时，它还可以展示前后对比稿。相关提问和可视化工具也发布为普通 pi 包，可以在终端中的 pi 环境里安装使用。

• MCP 服务器支持：可以连接 pi 的 mcp.json 中配置的 MCP 服务器。对于未标记为只读的调用，ThinkRail 会先在聊天中询问；仓库中定义的服务器默认保持关闭，需要你批准后才启用。它也支持从设置中完成 OAuth 登录，并在聊天旁边显示服务器、后台命令和子代理状态。

• 使用你自己的模型和配置：可以用 JetBrains AI 登录，也可以通过 pi 自己的认证连接其他模型提供商。ThinkRail 本身没有独立账号。它会读取已有的 ~/.pi/agent 配置，也允许在设置中指定其他配置目录或环境变量。

• 桌面应用或浏览器使用：它提供原生桌面应用，也可以运行 thinkrail CLI，在浏览器中打开同一套界面。两种方式使用同一个引擎宿主，应用状态保存在 ~/.thinkrail。

• 语言、主题与隐私设置：内置英语、日语、简体中文和西班牙语，也支持手动添加翻译文件。外观方面提供深色、浅色、极简和高对比度主题，并可自定义。它会收集基础使用事件和错误报告，但不会包含提示词、代码、文件、凭据或账户身份；额外的使用数据共享可以关闭。

安装与简单使用

官方提供桌面安装包和 thinkrail CLI 两种方式。命令行安装方式如下：

macOS / Linux，或 Windows 下的 Git Bash：

curl -fsSL https://raw.githubusercontent.com/JetBrains/thinkrail/main/install.sh | bash

Windows cmd 或 PowerShell：

powershell -c "irm https://raw.githubusercontent.com/JetBrains/thinkrail/main/install.ps1 | iex"

安装完成后，可以直接打开一个已有的 Git 仓库：

thinkrail ~/code/my-repo

也可以查看帮助或版本信息：

thinkrail --help
thinkrail --version

需要注意的是，thinkrail 需要系统中有可用的 git，并且需要配置模型提供商。首次启动时会引导你连接模型提供商并选择项目；如果没有现成仓库，也可以创建一个新的空 Git 仓库，或者克隆一个已有仓库。

适合的场景和目标用户

这个工具比较适合以下场景：

• 希望让 AI 编程代理在独立分支或工作目录中尝试修改，而不是直接改动当前工作区。
• 需要同时运行多个代理会话，处理不同任务或不同方案。
• 希望把项目需求、设计意图和约束写进 SPEC.md，让代理在后续会话中继续使用这些上下文。
• 已经在使用 pi、Agent Skills、MCP 服务器或自己的模型提供商配置，希望获得更完整的图形界面。
• 需要围绕 GitHub Pull Request 工作，查看分支状态、CI 检查、审查结果，并让代理协助处理失败检查或分支分歧。

目标用户主要是使用 AI 编程代理的开发者、需要并行处理多个开发任务的工程师，以及希望让项目上下文更持久的个人或小团队。由于它依赖 Git 仓库和模型提供商配置，更适合已经有基本开发环境的用户。

总结

ThinkRail 的重点不是只提供一个聊天窗口，而是把 pi 代理、编辑器、终端、隔离工作区、规格文件和 GitHub PR 流程组合成一套完整的开发环境。它的价值在于让代理的改动更可控、更可审查，也更容易保留项目长期上下文。对于想把 AI 编程代理纳入日常开发流程的人来说，这是一个值得了解的方案。