苦等11年,IDEA 2026.3终于决定加上这个新特性了

简介: IntelliJ IDEA 11年未解的痛点:链式调用(如`X.getBar().hashCode()`)遇“可能为空”警告时,旧版仅提示不修复。新版终于支持一键抽取局部变量并自动添加`assert`或`if`空检查,告别手动防御式编码!

大家用IDEA写Java是不是也会经常遇到我遇到的这种情况

昨天我在写一段 Java 代码,大概是这样的:

X.getBar().hashCode();

getBar() 是可能返回 null 的。IDEA 很贴心地飘了个黄,提示我“这玩意儿可能为空”。

我心想,行吧,那就加个检查。于是我把光标挪上去,等那个熟悉的灯泡弹出来。

没有灯泡。

我盯着屏幕看了三秒,又点了一下 Alt+Enter,看看有没有什么隐藏选项。结果弹出的是那种“你确定要这么写吗”的通用提示,没有“加断言”,没有“包 if 检查”。

我叹了口气,手动改成了:

Object bar = X.getBar();
if (bar != null) {
   
    bar.hashCode();
}

改完之后,IDEA 满意了,黄线消失了。但我心里不太满意——这三行字,明明应该是它帮我写的。

这也让我再一定程度上养成了防御性编码,很多时候也不会采用链式调用的方式

后来我才知道,我不是唯一一个被这件事烦到的人。

这个 问题是 11年前就被网友提了。 他在里面写得清清楚楚:

用户可以通过“引入变量”再加意图操作来实现,但这本可以自动化。

为什么会等这么久呢?

IDEA 的 might be null 检查,本质上是在分析表达式的结果。

如果表达式是个简单的变量引用,比如 bar,它能轻松追踪这个变量的来源,于是就能给出“加断言”或者“包 if”的修复建议。

但当表达式是 X.getBar().hashCode() 这种链式调用时,情况就复杂了。IDEA 要判断 getBar() 的返回值是否可能为空,还要处理这个返回值在整条链里的位置。在 11 年前的实现里,它选择了一个偷懒的策略:

复杂表达式,我只警告,不帮你修。

于是你就得到了一个很尴尬的体验:IDEA 知道这里有风险,但它不伸手。

现在,它终于伸手了

这个新特性要干的事,就是把那根断了 11 年的线接上。

当你在一个链式调用里遇到“可能为空”的警告时,IDEA 现在能自动帮你把复杂表达式抽成一个局部变量,然后在这个变量上做 null 检查。它提供两个选项:

选项一:加断言

Object bar = X.getBar();
assert bar != null;
bar.hashCode();

选项二:包一层 if

Object bar = X.getBar();
if (bar != null) {
   
    bar.hashCode();
}

两个选项的本质是一样的:先把 X.getBar() 的结果存下来,再检查它是不是 null,最后再调用方法。

你只需要按一下 Alt+Enter,选一个,代码就改好了。

IDEA 的 null 检查已经做得非常强了,但它在一个很小的分支上(复杂表达式)选择了“不做”。这个选择在当年可能是合理的,11 年后就成了一个谁都想修、但谁都没修的“陈年小疤”。

好在它终于被翻出来了。等它上线那天,X.getBar().hashCode() 这种代码,终于能一键加检查了。

相关文章
|
20天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
8863 26
|
19天前
|
人工智能 并行计算 PyTorch
秋叶 ComfyUI 2026 整合包 v3.2 完整部署教程:Python 3.13 + Torch 2.13 全栈升级
秋叶aaaki ComfyUI 2026年8月整合包v3.2正式发布!全面升级Python 3.13.11、PyTorch 2.13.0+cu130及ComfyUI v0.30.2,原生支持MiniMax H3、Wan 2.2、Qwen-Image-2.1等2026主流音视频/图像模型,解压即用,无需环境配置。
3757 16
|
18天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2237 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
5天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
405 1
|
13天前
|
人工智能 Linux 开发者
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
Codex是OpenAI推出的AI编程智能体,可读取本地项目、理解需求并自动修改代码。支持桌面GUI、命令行(CLI)及VS Code/Cursor插件三种形态,覆盖可视化操作、终端高效开发与编辑器无缝集成场景,助开发者用自然语言驱动编码全流程。(239字)
【2026国内使用】Codex安装过程一篇讲透(Win/Mac/Linux全支持)
|
6天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
7天前
|
人工智能 Linux Windows
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
千问办公(QwenWork)是阿里云推出的AI智能办公平台,支持网页端直接使用及Windows/Mac/Linux客户端下载。提供PPT生成、财报分析、网页搭建等AI功能,个人版免费,企业版198元/席/月。详情见官网qwenwork.cn或阿里云产品页。
931 0
千问办公(QwenWork)官网入口:其实有2个,一个是网页端千问办公,一个是介绍指南页面
|
19天前
|
云安全 人工智能 安全