JetBrains ha publicado la primera parte de una serie de artículos técnicos que documenta el desarrollo de Air Context, una plataforma de búsqueda semántica de código basada en una arquitectura RAG (Retrieval-Augmented Generation). El objetivo de esta herramienta es proporcionar a los agentes de IA evidencia precisa y citable de repositorios reales, superando las limitaciones de las búsquedas tradicionales por palabras clave o grep, que requieren conocimiento previo del texto específico.
El artículo explica que la eficiencia de los agentes de desarrollo depende de su capacidad para navegar grandes bases de código sin consumir excesivos recursos de tokens. Para lograr esto, el sistema utiliza la búsqueda semántica, que permite localizar fragmentos de código por su significado abstracto en lugar de su texto literal. El texto detalla el proceso de preprocesamiento, destacando que el tamaño de los fragmentos (chunks) es crítico: un tamaño fijo es insuficiente porque agrupa código semánticamente irrelevante, mientras que un tamaño excesivamente granular pierde contexto.
JetBrains describe su enfoque de 'chunking' consciente de la estructura, que utiliza sus propios parsers para dividir los archivos en nodos de sintaxis. El sistema soporta actualmente nueve lenguajes principales: Kotlin, Java, Python, JavaScript, TypeScript, C#, PHP, Go y Rust. El algoritmo de chunking analiza el tipo de nodo y su tamaño para decidir el alcance de cada fragmento, manteniendo elementos como anotaciones o modificadores junto a sus declaraciones para preservar la coherencia semántica. Este enfoque permite a los agentes de IA acceder a la información relevante de forma precisa, optimizando la generación de código de producción.