JetBrains เปิดตัว KotlinLLM: Smart Macros สร้างโค้ด Kotlin ขณะรันไทม์ และทำ Hot-Reload ผ่าน JDI

JetBrains Research ประกาศเปิดตัว KotlinLLM ซึ่งเป็น ปลั๊กอิน IntelliJ IDEA สำหรับโปรเจกต์ Kotlin/JVM โดยมาพร้อมฟีเจอร์ใหม่ที่เรียกว่า Smart macros ซึ่งเป็นการเรียกใช้ฟังก์ชัน Kotlin ปกติที่ตัวบอดี้ (body) ของฟังก์ชันจะถูกสร้างขึ้นเป็นโค้ด Kotlin จริงๆ

หัวใจสำคัญของ API ถูกออกแบบมาให้เรียบง่ายผ่านคำสั่งหลัก ได้แก่ asLlm<F, T>(from, hint) สำหรับการแปลงข้อมูลอินพุตประเภท F ให้เป็นข้อมูลประเภท T เช่น data class, enum หรือ list และ mockLlm<T>() ที่ใช้สร้างพฤติกรรมแบบ stateful ของอินเทอร์เฟซ T ตามความต้องการในการใช้งาน

val issuesApiUrl: String = asLlm(repoInput, hint = "GitHub API URL: get all issues, including closed")
val issues: List<Issue> = asLlm(response, hint = "Return all beginner-friendly issues for this repository")

วงจรการทำงานขณะรันไทม์ (The runtime loop)

เมื่อรันโปรเจกต์ผ่าน KotlinLLM ตัวปลั๊กอินจะสแกนหาการเรียกใช้งาน asLlm และ mockLlm พร้อมอัปเดตไฟล์ที่เกี่ยวข้อง จากนั้นจะทำงานภายใต้ Java Debug Interface (JDI) และตั้งจุดเบรกพอยต์ (breakpoints) ไว้ หากระบบตรวจพบว่าตรรกะที่สร้างขึ้นไม่สอดคล้องกับสถานการณ์รันไทม์จริง การทำงานจะหยุดที่จุด hook ทันที

ในจังหวะนี้ ปลั๊กอินจะดึงค่ารันไทม์และข้อมูลประเภทข้อมูลจากเฟรมที่ถูกระงับไว้ ส่งให้เอเจนต์ LLM สร้างโค้ดที่อัปเดตใหม่ จากนั้นปลั๊กอินจะทำการคอมไพล์และนิยามคลาสที่โหลดใหม่ (redefines loaded class) ก่อนจะเริ่มทำงานในฟังก์ชันเดิมอีกครั้ง ซึ่งกระบวนการนี้อาศัยความสามารถของ JVM ผ่าน JDI เป็นหลัก

กลไกวิวัฒนาการของ Smart macro

เนื้อหาด้านล่างนี้แสดงให้เห็นถึงโครงสร้างของ macro API และภาพเคลื่อนไหวอธิบายวงจรการทำงาน 9 ขั้นตอน รวมถึงการจำลองสถานการณ์ที่ช่วยให้เห็นภาพว่า ทำไมฟังก์ชันที่ถูกสร้างโค้ดเสร็จสมบูรณ์แล้วจึงไม่ต้องเสียค่าใช้จ่ายในการเรียกใช้ LLM inference ซ้ำอีกในอนาคต

รายงานผลการทดสอบ

จากการทดสอบกับโปรเจกต์ Spring Petclinic เวอร์ชันดัดแปลงที่มีจุดเรียกใช้ asLlm จำนวน 18 แห่ง พบว่าสถานการณ์ของแอปพลิเคชันทั้ง 24 รายการทำงานสำเร็จลุล่วงด้วยอัตรา Hot-reload สำเร็จ 100% โดยการคอมไพล์และนิยามคลาสใหม่เพิ่มภาระการทำงาน (overhead) ให้กับระบบเพียง 1% เท่านั้น

นอกจากนี้ ในระบบจำลอง "GitHub Beginner Issue Radar" ที่วิเคราะห์ข้อมูลจาก 20 repository และกว่า 30,000 issue พบว่าสามารถทำค่า recall ได้สูงถึง 0.89 ในการระบุป้ายกำกับสำหรับผู้เริ่มต้น (beginner labels) เมื่อเทียบกับข้อมูลจริง

เงื่อนไขการติดตั้งและใช้งาน

ปลั๊กอินนี้รองรับ IntelliJ IDEA 2025.2.x, JDK 21 และต้องใช้ OpenAI API key โดยจัดเก็บไว้ในไฟล์ .kotlinllm ของโปรเจกต์ผ่านเมนู Tools > KotlinLLM Settings ทั้งนี้โปรเจกต์ถูกปล่อยภายใต้ Apache License 2.0 พร้อมตัวอย่างโค้ด เอกสารวิทยานิพนธ์ และ บันทึกการบรรยาย KotlinConf 2026 ใน repository

ความพร้อมในการใช้งานจริง

ปัจจุบัน JetBrains ระบุว่า KotlinLLM ยังเป็นเพียง research prototype หรือเครื่องมือวิจัยเชิงทดลองเท่านั้น อย่างไรก็ตาม แม้ตัวปลั๊กอินจะอยู่ในขั้นทดลอง แต่ ผลลัพธ์ของโค้ด ที่ถูกสร้างขึ้นสามารถนำไปใช้งานจริง (deployable) ได้ทันที เพราะเมื่อพฤติกรรมถูกสร้างขึ้นแล้ว โปรเจกต์จะทำงานด้วย Kotlin ปกติโดยไม่ต้องพึ่งพา Model อีกต่อไป

เทคโนโลยีนี้เหมาะสำหรับทีมวิจัยและพัฒนา (R&D), ทีมแพลตฟอร์มในองค์กรที่ใช้ Kotlin/JVM รวมถึงสตาร์ทอัพ โดยเฉพาะในอุตสาหกรรมฟินเทค, อีคอมเมิร์ซ และโลจิสติกส์ ที่ต้องจัดการกับข้อมูล API แบบไม่มีโครงสร้าง (semi-structured) หรือต้องการสร้าง test doubles ที่ปรับตัวตามการเปลี่ยนแปลงของ schema ได้อย่างรวดเร็ว

สรุปประเด็นสำคัญ

• KotlinLLM เป็นต้นแบบงานวิจัยจาก JetBrains Research ไม่ใช่รันไทม์สำเร็จรูปสำหรับโปรดักชัน
• Smart macros สร้างโค้ด Kotlin ที่สามารถตรวจสอบ (Review) และนำไปใช้ได้โดยไม่ต้องพึ่งปลั๊กอินในภายหลัง
• ลดความหน่วงและค่าใช้จ่าย เพราะสถานการณ์ที่บันทึกโค้ดแล้วจะไม่เรียกใช้ LLM ซ้ำ
• ผลทดสอบ Petclinic: สำเร็จ 24/24 สถานการณ์, Hot-reload 100%, overhead ต่ำเพียง 1%
• รองรับเฉพาะ Kotlin/JVM บน IntelliJ IDEA 2025.2.x และ JDK 21 ภายใต้สัญญาอนุญาต Apache 2.0

แหล่งข้อมูล: JetBrains Research blog, kotlinllm-plugin README, และ InfoWorld