JetBrains Open-Sources KotlinLLM: Smart Macros That Generate Kotlin Source Code at Runtime and Hot-Reload It Through JDI

JetBrains Research 近日正式開源了一款名為 KotlinLLM 的 IntelliJ IDEA 外掛程式，將大型語言模型帶入 Kotlin/JVM 專案的開發流程中。這款外掛新增了一種名為「Smart macros」的語言功能，開發者可以在 Kotlin 原始碼中直接呼叫 LLM 產生邏輯，而產生的結果不是暫時性的提示文字，而是實際可編譯、可審查、可提交的 Kotlin 原始碼。JetBrains 將此專案定位為研究原型，而非生產環境的正式工具，但其設計方向引發了開發工具圈的高度關注。 Smart macros 的核心概念是讓 LLM 生成的程式碼成為程式本身的一部分。具體來說，Smart macro 就是一個普通的 Kotlin 函式呼叫，但這個函式的主體是由 LLM 動態產生的 Kotlin 程式碼，而不是由開發者事先手寫完成。KotlinLLM 刻意維持極小的公開 API，主要包含兩個關鍵功能：asLlm 與 mockLlm。asLlm 能將某個型別 F 的輸入轉換成型別 T 的輸出，T 可以是 data class、enum、list 或基本型別；mockLlm 則能為指定的介面 T 產生有狀態的實作，其行為會根據呼叫的方法而有所差異，適合用來建立具備真實互動邏輯的測試替身。 開發者實際使用時，不需要撰寫複雜的 LLM 提示詞，只需要在 Kotlin 程式碼中寫下類似這樣的片段：以 asLlm 將 GitHub API 的回應轉換成 List<Issue> 型別，並在 hint 參數中描述想要的結果，例如「回傳該 repository 所有適合初學者的 issue」。KotlinLLM 背後的機制會自動處理 LLM 呼叫、結果解析與程式碼生成。這種寫法讓程式碼看起來就像一般的 Kotlin 函式呼叫，但實際上具備了動態生成與即時演化的能力。 KotlinLLM 的執行流程圍繞著一個特殊的 runtime loop 運作。當專案透過 KotlinLLM 的 run configuration 啟動時，外掛會先掃描專案中所有的 asLlm 與 mockLlm 呼叫，並更新相對應的 bootstrap、provider、parser、mock 等生成檔案。接著，外掛會透過 JDI（Java Debug Interface）啟動應用程式，並在生成的重新生成鉤子上註冊斷點。當程式執行到某個 LLM 生成的邏輯不符合當下情境時，執行流程會停在中斷點上，外掛會從暫停的執行框架中收集當前的 runtime 數值與型別資訊，交由 LLM agent 提交程式碼更新，最後外掛會編譯這段新程式碼，並在執行緒恢復前重新定義已載入的類別，讓原本的函式呼叫可以用更新後的邏輯重新執行。 之所以鎖定 Kotlin/JVM 平台，正是因為這個 runtime evolution loop 高度依賴 JVM 的類別重新定義能力，而 JDI 提供了穩定且成熟的機制來達成這項功能。JetBrains Research 也提供了一個互動式圖解，逐步展示 Smart macro 的九步 runtime loop，並說明為什麼已經涵蓋的測試情境不會再消耗額外的 LLM 推論呼叫；一旦某個執行路徑被成功生成並驗證過，之後再次走到相同情境時，就直接使用已生成的 Kotlin 程式碼，不再需要 LLM 介入。 在實際評估結果方面，JetBrains 研究團隊在改寫過的 Spring Petclinic Kotlin 專案上進行了測試。該專案包含 18 個 asLlm 呼叫點，在 Smart macro 演化完成後，24 個應用程式情境全部成功執行，熱重載成功率達到 100%，而編譯與類別重新定義所增加的執行時間開銷約僅佔總執行時間的 1%。另外，研究團隊也建置了一個名為「GitHub Beginner Issue Radar」的合成專案，用來解析跨 20 個 repository、超過 3 萬筆 issue 的真實資料，在找出適合初學者的標籤任務上，達到了約 0.89 的 recall。 安裝 KotlinLLM 有明確的環境要求，外掛需要 IntelliJ IDEA 2025.2.x 與 JDK 21，並需在目標專案的 .kotlinllm 檔案中透過 Tools 選單中的 KotlinLLM Settings 設定 OpenAI API key。該專案以 Apache License 2.0 授權釋出，repository 內包含可執行的範例、完整的論文撰寫說明，以及 KotlinConf 2026 演講的錄影。 不過，JetBrains 明確強調 KotlinLLM 目前並不適合直接作為生產環境的 runtime 使用。外掛本身是實驗性質的研究原型，但從外掛產生的輸出結果則是可以部署的。一旦某段行為已經被生成完畢，目標專案就可以在完全不啟動 KotlinLLM、也不再發出任何 LLM 請求的情況下，獨立編譯並執行這段行為。開發者交付的是純粹的 Kotlin 程式碼，而不是一個帶有模型依賴的 runtime，因此其產出可以像一般程式碼一樣進行程式碼審查與版本控管。 以公司層級來看，KotlinLLM 最適合的採用者是目前的中大型 Kotlin/JVM 企業中的 R&D 部門或平台團隊，以及可接受原型工具的初創公司。對於受監管產業中的企業，則應將 LLM 生成的原始碼視為可審查的一般程式碼來管理，而這恰好也是 KotlinLLM 儲存結果的方式。在應用場景上，KotlinLLM 對於維運繁重 JVM/Kotlin 系統的金融科技與銀行業特別具有吸引力，同時也適用於開發者工具、電子商務、物流，以及任何需要解析混亂第三方 API 回應的團隊。典型的使用情境包括將半結構化的 API 回應正規化為型別安全的值、建立隨需求演化的測試替身、適應上游 schema 變動，以及對充滿雜訊的文字欄位進行分類處理。整體而言，KotlinLLM 代表的是一種將 LLM 從程式碼產生工具轉變為程式碼執行基礎設施的實驗性嘗試，其成效與限制仍有待社群的進一步驗證。