AI Assistant ist jetzt noch tiefer in die Jupyter-Notebook-Oberfläche von PyCharm integriert. Sie können jetzt direkt in Ihrem Notebook einen Prompt eingeben und mit AI Assistant arbeiten. Wählen Sie einfach die Zelloption AI über bzw. unter der jeweiligen Zelle aus, und eine Zelle mit einem Prompt-Feld wird angezeigt.

Wenn Sie bei der Datenanalyse nicht weiterkommen und einen Hinweis auf häufige Schritte erhalten möchten, die andere Datenanalyst*innen an diesem Punkt normalerweise durchführen, klicken Sie auf das Glühbirnensymbol rechts neben der AI-Zelle. AI Assistant bietet Ihnen relevante Vorschläge basierend auf dem aktuellen Kontext des Notebooks, damit Sie Ihre Daten schneller und effizienter bereinigen können.

Um sich von AI Assistant bei der Programmierung einer bestimmten Zelle Unterstützung einzuholen, verwenden Sie die Option AI Edit Cell im Kontextmenü. Dadurch wird das Prompt-Feld direkt in der ausgewählten Zelle geöffnet. Die vom AI Assistant vorgeschlagenen Änderungen werden in einer Diff-Ansicht angezeigt, damit Sie leicht erkennen können, wie Ihr Code geändert wird.

Visualisieren Sie Ihre Dataframes mit KI-Unterstützung – AI Assistant bietet Ihnen jetzt Vorschläge zu den Diagrammen und Plots, die am besten zu Ihrem Kontext passen.

Klicken Sie auf das AI-Symbol in der oberen rechten Ecke des Dataframes und wählen Sie Suggest Visualization. PyCharm öffnet daraufhin einen KI-Chat, in dem Sie Vorschläge erhalten. Wählen Sie die gewünschte Option aus, und AI Assistant erzeugt eine neue Zelle mit dem entsprechenden Code-Snippet im Notebook. Sie müssen die Zelle nur noch ausführen, und schon wird das Diagramm in Ihrem Notebook angezeigt.

PyCharm bietet jetzt eine direkte Integration mit Databricks. Sie können eine Verbindung zu einem Databricks-Cluster herstellen, Skripte und Notebooks als Workflows ausführen, Dateien direkt in einer Spark-Shell auf einem Cluster ausführen und den Fortschritt überwachen – alles in der komfortablen IDE-Oberfläche.

PyCharm kann Databricks-Konfigurationsdateien auf Ihrer Festplatte erkennen und sie für die Verbindung mit Databricks-Clustern verwenden. Für die Code-Ausführung in Databricks stehen Ihnen zwei Modi zur Verfügung: Run on Cluster und Run as a Workflow.

Um die Databricks-Integration nutzen zu können, müssen Sie dieses Plugin installieren.

PyCharm kann Ihnen jetzt eine Liste von relevanten Hugging-Face-Modellen vorschlagen, die am besten zu Ihren Anforderungen passen. Auf diese Weise können Sie ein Modell auswählen und installieren, ohne die IDE zu verlassen. Rufen Sie mit einem Rechtsklick im Editor-Tab das Kontextmenü auf, wählen Sie Insert HF Model aus und geben Sie Ihre Erwartungen an das Modell an. PyCharm bietet Ihnen daraufhin eine Liste von passenden Modellen an. Nachdem Sie ein Modell ausgewählt haben, schlägt PyCharm vor, einen Codeabschnitt einzufügen, der es Ihnen ermöglicht, das Modell direkt in der geöffneten Datei zu verwenden, und alle fehlenden Pakete, die das Modell benötigt, werden heruntergeladen und installiert.

Sie können jetzt Daten aus der Datasets-Bibliothek von Hugging Face als interaktiven Dataframe untersuchen. So können Sie die Funktionen nutzen, die Sie bereits für Pandas-, Polars-, PyTorch- oder TensorFlow-Dataframes verwenden, einschließlich Diagrammansicht, Paginierung sowie Sortieren und Exportieren von Tabellen.

Ein neues Hugging Face-Toolfenster ermöglicht die Überwachung und Verwaltung der auf Ihrem System gespeicherten Hugging-Face-Modelle. Dadurch können Sie einfacher ungenutzte Modelle identifizieren, die gelöscht werden können, um Speicherplatz freizugeben. Außerdem können Sie unkompliziert den Pfad zu einem Modell kopieren oder den Ordner öffnen, in dem das Modell gespeichert ist.

Sie müssen nicht mehr den Debugger starten oder eine print-Anweisung einfügen, um einen Variablenwert zu prüfen. Sie erhalten jetzt eine sofortige Vorschau auf den Wert einer ausgewählten Variablen, wenn Sie den Cursor zur Zeile bewegen, die die Variable enthält.

Das Endpoints-Toolfenster erkennt Routen, die über den @action-Dekorator von Viewsets definiert wurden. Sie können die Routen und HTTP-Methoden sehen, die im Parameter methods angegeben sind. Außerdem generiert PyCharm jetzt zusätzlich zur Route, die dem Viewset ursprünglich zugewiesen wurde, Routen anhand der Parameter detail und url_path. Der HTTP-Client schlägt eine Anfrage mit den entsprechenden Methoden für jede Route vor.

Der Dialog Search Everywhere enthält jetzt eine optionale Vorschau auf die gesuchten Codeelemente. Wenn diese Funktion über das Preview-Symbol in der Symbolleiste des Dialogs aktiviert wurde, wird unter den Suchergebnissen ein Vorschaufenster angezeigt, das zusätzlichen Kontext bietet und die Navigation durch Ihr Projekt vereinfacht.

In Version 2024.2 haben wir die Übernahme von ganzzeiligen Completion-Vorschlägen intuitiver und präziser gestaltet. Die Inline-Codevorschläge verfügen jetzt über Syntaxhervorhebung, und mit neuen Tastenkürzeln können Sie einzelne Wörter oder ganze Zeilen aus längeren Vorschlägen übernehmen. Wir haben auch die Integration von übernommenen Änderungen in Ihren Code verbessert, um Probleme im Zusammenhang mit der Formatierung zu beseitigen.

PyCharm kann jetzt mathematische Ausdrücke in Markdown-Dateien darstellen. Bei der Arbeit mit Markdown können Sie mit $ mathematische Ausdrücke und mit $$ Codeblöcke mit mathematischem Inhalt einfügen.

Sie können jetzt die Sprachen auswählen, für die Sie angeheftete Zeilen verwenden möchten. Sie können die Funktion entweder in Settings/Preferences | Editor | General | Sticky Lines oder im Kontextmenü nach einem Rechtsklick auf eine angeheftete Zeile im Editor an Ihre Vorstellungen anpassen.

Das Debuggen und Durchsuchen von langen Zeichenfolgenvariablen mit komplexen Datenformaten ist jetzt viel einfacher. Der aktualisierte Debugger zeigt Zeichenfolgenvariablen mit JSON-, XML-, HTML-, JWT- und URL-Codierung jetzt korrekt formatiert an. Klicken Sie einfach auf den Hyperlink View neben einer Variablen, um die Fehlerursache unkompliziert zu ermitteln. Je nach Inhalt Ihrer Variablen wird automatisch der entsprechende Visualisierer ausgewählt.

Tags haben im Version Control-Widget einen eigenen Knoten bekommen, damit Sie sie leichter überblicken können. Der Knoten wird standardmäßig angezeigt, aber wenn Sie ihn ausblenden möchten, klicken Sie einfach auf das Zahnradsymbol und deaktivieren Sie die Option Show Tags.

Wir haben den HTTP-Client durch wertvolle Updates erweitert. Mit der neuen XPath-Funktion können Sie Elemente direkt aus XML- und HTML-Dokumenten abfragen. Außerdem haben wir zahlreiche Methoden zur Bearbeitung von XML- und HTML-Dokumenten eingeführt, damit Sie XML nicht mehr manuell parsen müssen.

Der HTTP-Client unterstützt jetzt auch das Durchlaufen von Variablen-Collections, sodass Sie eine einzelne HTTP-Anfrage mit einer JSONPath-Collection erstellen und automatisch Anfragen für jedes Element in der Collection versenden können. Darüber hinaus können Sie in Postprocessing-Skripten mit der JSONPath-Syntax auf einzelne Elemente einer Collection zugreifen.

Außerdem haben Sie jetzt die Möglichkeit, benutzerdefinierte Methoden für die Arbeit mit APIs zu erstellen, die bestimmte Methoden bereitstellen. Sie können benutzerdefinierte Methoden unkompliziert mit einem Quick-Fix hinzufügen oder sie in einer kommagetrennten Liste unter Settings | Tools | HTTP Client angeben.

Die Programmierhilfen von PyCharm für Terraform wurden durch Einführung einer Code-Completion für vollständige Zeilen erheblich erweitert. Darüber hinaus wurden wesentliche Code-Insight-Funktionen für Terraform verbessert, darunter eine kontextspezifische Code-Completion, eine verbesserte Syntaxhervorhebung und ein Fehlererkennungssystem mit Quick-Fix-Vorschlägen. Eine weitere Neuerung ist die Schnelldokumentations-Funktion, die Tooltips anzeigt, wenn Sie den Mauszeiger auf ein Element bewegen. Dadurch erhalten Sie direkt und ohne Unterbrechung Ihres Arbeitsablaufs Zugriff auf Informationen, die Ihnen helfen, Terraform-Ressourcen effektiver zu nutzen.

In dieser Version führen wir neue AI-Assistant-Funktionen für Datenbanken ein. Mit der Funktion Text-zu-SQL können Sie SQL-Code direkt im Editor generieren, indem Sie auf Generate Code with AI klicken und Ihren Prompt eingeben. Sie können den Code akzeptieren, anpassen, neu generieren oder bei weiteren Fragen in den KI-Chat übernehmen.

Darüber hinaus kann AI Assistant beim Überarbeiten von Tabellen helfen, indem er Sie auf Anfrage etwa beim Ändern aller VARCHAR-Datentypen in CHAR unterstützt. Er hilft Ihnen auch, SQL-Probleme zu verstehen und zu beheben, indem er Erklärungen anbietet und Korrekturen vorschlägt. Außerdem können Sie Ihr Datenbank-Schema an den KI-Chat anhängen, indem Sie es in Ihrem Prompt erwähnen.

Sie haben jetzt die Möglichkeit, mit anpassbaren skriptbasierten Loadern Daten aus Tabellendateien in den Formaten Excel, JSON, Parquet und Shapefile zu importieren. Ziehen Sie Ihre Datei aus dem Project-Toolfenster auf das Schema im Datenbank-Explorer und konfigurieren Sie die Einstellungen im Import-Dialog.

Außerdem können Sie diese Dateien mit einem einzigen Klick auf den Eintrag im Project-Toolfenster im Dateneditor zum Betrachten öffnen. Sie können dieses Verhalten unter Settings/Preferences | Advanced Settings | Open file as table if detected by scripted loader deaktivieren.

Sie können auch eigene Loader verwenden, indem Sie sie unter Scratches and Consoles | Extensions | Database Tools and SQL | data | loaders ablegen.

Sie können jetzt TypeScript-Dateien ohne zusätzlichen Einrichtungsaufwand ausführen und debuggen. Das Ausführen ist an unterschiedlichen Stellen möglich, darunter das Datei-Kontextmenü, das Run-Widget und die Current File-Konfiguration.

PyCharm 2024.2 kann Pfade für Frameworks auflösen, die Dateisystem-basiertes Routing verwenden. Es werden Linkpfade anhand der Dateisystemstruktur Ihres Projekts aufgelöst und Auto-Completion und Navigation für Next.js, Nuxt, SvelteKit und Astro bereitgestellt. Die neuen Snippets und Render-Tags von Svelte 5 werden ebenfalls unterstützt. Darüber hinaus haben wir LSP-Unterstützung (Language Server Protocol) für Astro und Vue Language Service v2 implementiert, was die Code-Completion und die Entwicklungserfahrung insgesamt verbessert.