Agora o AI Assistant se integra ainda mais profundamente a notebooks do Jupyter no PyCharm. Agora você tem a opção de adicionar um prompt dentro do seu notebook e trabalhar com o AI Assistant diretamente de lá. Basta selecionar a opção AI, que aparece acima ou abaixo de cada célula, e aparecerá uma nova célula com um campo preparado para receber o seu prompt.

Se você não conseguir mais prosseguir ao fazer uma análise de dados e quiser uma dica sobre as etapas mais comuns que outros analistas de dados geralmente efetuam naquele estágio, clique no ícone da lâmpada à direita da célula de IA. O AI Assistant dará as sugestões mais relevantes, com base no contexto atual do notebook, para você poder limpar os seus dados de forma mais rápida e eficiente.

Se você quiser que o AI Assistant ajude você a fazer iterações no código de uma determinada célula, use a opção AI Edit Cell do menu de contexto.Isso abrirá um campo de prompt diretamente na célula selecionada. As alterações sugeridas pelo AI Assistant serão mostradas em uma visualização de diff, para que você possa visualizar as alterações no seu código.

Visualize seus dataframes com a ajuda do AI Assistant, que agora pode sugerir os gráficos mais adequados ao seu contexto.

Clique no ícone "AI" no canto superior direito do dataframe e selecione Suggest Visualization. O PyCharm abrirá um chat de IA, no qual você receberá sugestões. Escolha a sugestão de que gostar mais e o AI Assistant gerará uma nova célula no notebook com o trecho apropriado de código. Execute o código e voilà! O gráfico aparecerá no seu notebook.

Agora o PyCharm oferece integração direta com o Databricks. Você pode se conectar a um cluster do Databricks, executar scripts e notebooks como fluxos de trabalho, executar arquivos diretamente em um shell Spark em um cluster e monitorar a execução — tudo dentro do conforto do seu IDE.

O PyCharm detecta os arquivos de configuração do Databricks no seu disco e os usa para conectar-se a clusters do Databricks.Você pode executar código no Databricks em dois modos: Run on Cluster ("Executar no Cluster") ou Run as a Workflow ("Executar como Fluxo de Trabalho").

Para usar a integração com o Databricks, você precisa instalar este plug-in dedicado.

Agora o PyCharm pode sugerir uma lista dos modelos do Hugging Face mais relevantes e adequados às suas necessidades. Isso permite a você decidir qual modelo usar e depois instalá-lo sem nunca precisar sair do IDE. Clique com o botão direito na aba do editor para abrir o menu de contexto, selecione Insert HF Model e identifique o que você gostaria que o modelo fizesse. O PyCharm mostrará uma lista de sugestões! Depois que você selecionar um modelo, o PyCharm sugerirá inserir um trecho de código que permitirá usar esse modelo diretamente no arquivo aberto e baixará e instalará todos os pacotes dos quais esse modelo dependa e que estejam faltando.

Agora você pode inspecionar os dados da sua biblioteca Datasets do Hugging Face na forma de um dataframe interativo. Isso permite tirar proveito de recursos que você já usa em dataframes do pandas, Polars, PyTorch e TensorFlow, incluindo a visualização em gráfico, a paginação e a capacidade de ordenar e exportar tabelas.

Uma nova janela de ferramentas dedicada Hugging Face permite monitorar e gerenciar modelos do Hugging Face armazenados na sua máquina. Isso ajudará você a identificar modelos sem uso, que possam ser excluídos para liberar espaço em disco, além de tornar fácil copiar os caminhos para modelos ou abrir as pastas onde eles estão armazenados.

Você não precisa mais iniciar o depurador ou usar um comando de impressão se quiser apenas verificar os valores das variáveis. Agora você pode ter uma pré-visualização instantânea dos valores de uma determinada variável apenas posicionando o cursor na linha da variável.

A janela de ferramentas Endpoints reconhece rotas especificadas para viewsets através do decorador @action. Você pode ver as rotas e os métodos de HTTP especificados no parâmetro methods. E agora o PyCharm também gera rotas com base nos parâmetros detail e url_path, além da rota inicial atribuída ao viewset. O cliente de HTTP sugerirá uma solicitação com os métodos relevantes para cada rota.

A caixa de diálogo Search Everywhere agora inclui uma opção para visualizar os elementos da base de código que você está procurando. Habilitar esse recurso por meio do ícone Preview na barra de ferramentas da caixa de diálogo fará com que um painel de prévia apareça abaixo dos resultados da pesquisa, oferecendo contexto adicional e facilitando a navegação pelo seu projeto.

Na versão 2024.2, tornamos o processo de aceitação de sugestões de preenchimento de código de linha inteira mais intuitivo e preciso. As sugestões de complementação de código in-line agora incluem realce de código, e novos atalhos permitem que você aceite palavras individuais ou linhas inteiras de sugestões mais longas. Também refinamos a forma como as alterações aceitas são integradas ao seu código, eliminando a formatação e os problemas relacionados.

O PyCharm agora pode renderizar nativamente expressões matemáticas em arquivos Markdown. Ao trabalhar com Markdown, você pode usar $ para inserir expressões matemáticas inline e $$ para blocos de código com conteúdo matemático.

Agora, você pode escolher as linguagens para as quais deseja que as linhas fixas apareçam. É possível personalizar o recurso de acordo com suas preferências em Settings/Preferences | Editor | General | Sticky Lines ou chamando o menu de contexto com um clique com o botão direito do mouse em uma linha fixa no editor.

Agora é muito mais fácil depurar e navegar por variáveis de strings longas com formatos de dados complexos. O novo depurador oferece visualizações formatadas corretamente para variáveis de string codificadas em JSON, XML, HTML, JWT e URL. Basta clicar no link View junto a uma variável para identificar rapidamente a causa primária do seu bug. O visualizador apropriado é escolhido automaticamente com base no conteúdo da sua variável.

Demos às tags um nó dedicado no widget Version Control, facilitando sua verificação. O nó é exibido por padrão, mas, se preferir ocultá-lo, basta clicar no ícone de engrenagem e desmarcar a opção Show Tags.

Introduzimos atualizações valiosas no cliente HTTP. A nova função XPath permite consultar elementos diretamente de documentos XML e HTML. Além disso, adicionamos vários métodos para manipular documentos XML e HTML, eliminando a necessidade de analisar XML manualmente.

O cliente HTTP agora também oferece suporte à iteração por meio de coleções de variáveis, permitindo que você componha uma única solicitação HTTP com uma coleção JSONPath e envie solicitações automaticamente para cada elemento da coleção. Além disso, você pode acessar itens de coleção específicos em scripts de pós-processamento usando a sintaxe JSONPath.

Também implementamos a capacidade de criar métodos personalizados para trabalhar com APIs que forneçam métodos específicos. Agora você pode adicionar métodos personalizados em tempo real com uma correção rápida ou digitá-los como uma lista separada por vírgulas em Settings | Tools | HTTP Client.

Ampliamos significativamente a assistência para codificação do PyCharm para Terraform, disponibilizando a complementação de código de linha inteira para ele. Além disso, recursos essenciais de percepção de código, como complementação de código sensível ao contexto, realce refinado de sintaxe e o sistema de detecção de erros com sugestões de correção rápida, foram aprimorados para o Terraform. Também adicionamos um recurso de documentação rápida que exibe dicas de ferramentas quando você passa o mouse sobre os elementos, fornecendo informações instantâneas para ajudar você a usar os recursos do Terraform com mais eficiência sem interromper seu workflow.

Nesta versão, apresentamos novos recursos do AI Assistant para bancos de dados. Com o recurso Text-to-SQL, você pode gerar código SQL diretamente no editor clicando em Generate Code with AI e inserindo seu prompt. Se você tiver mais perguntas, poderá aceitar, regerar ou refinar o código e levá-lo ao chat de IA.

Além disso, o AI Assistant pode ajudar na modificação de tabelas, permitindo que você solicite alterações, como transformar todos os tipos de dados VARCHAR em CHAR. Ele também pode ajudar você a entender e corrigir problemas de SQL, sugerindo explicações e correções. Além disso, você pode anexar o esquema do seu banco de dados ao chat de IA simplesmente mencionando-o no seu prompt.

Agora, você pode importar dados de arquivos tabulares usando carregadores com script personalizáveis para os formatos Excel, JSON, Parquet e shapefile. Arraste seu arquivo da janela de ferramentas Project até o esquema no explorador de banco de dados e defina as configurações na caixa de diálogo Import.

Além disso, você pode visualizar esses arquivos no editor de dados com um único clique na janela de ferramentas Project. Para desabilitar esse comportamento, acesse Settings/Preferences | Advanced Settings | Open file as table if detected by scripted loader.

Você também pode criar carregadores personalizados colocando-os em Scratches and Consoles | Extensions | Database Tools and SQL | data | loaders.

Agora, você pode executar e depurar arquivos TypeScript sem nenhuma configuração adicional. Você pode executá-los a partir de diferentes pontos de entrada, incluindo o menu de contexto do arquivo, o widget Run, e a configuração Current File.

O PyCharm é capaz de resolver caminhos para frameworks que usam roteamento baseado em sistema de arquivos. Ele pode resolver caminhos de links com base no sistema de arquivos do seu projeto, fornecendo complementação automática e navegação para Next.js, Nuxt, SvelteKit e Astro. Também há suporte para novos snippets e tags de renderização do Svelte 5. Além disso, implementamos o suporte ao protocolo de servidor de linguagem (LSP) para o Astro e o Vue Language Service v2, melhorando a complementação de código e a experiência geral do desenvolvedor.