ThinkRail IDE vibe coding: instalar, observar y límites

ThinkRail IDE vibe coding: instalación según el README, espacios git worktree, coste en tokens por chat, privacidad y límites de un repositorio joven.
ThinkRail IDE vibe coding : installer, observer, limites

ThinkRail IDE vibe coding: el repositorio JetBrains/thinkrail se describe como «el IDE agéntico que mejora cada vez que lo usas». Según el README, es una interfaz completa construida alrededor del agente de código pi, con espacios de trabajo aislados mediante git worktree y especificaciones vivas que el agente lee y mantiene. El repositorio tiene unas 3300 estrellas a finales de octubre de 2026.

Para un equipo de operaciones, la cuestión es práctica: varios agentes escriben código en paralelo en el equipo de un desarrollador. ¿Qué se puede seguir y qué no? Este artículo se basa en el README, el archivo LICENSE, los documentos del repositorio y el sitio del proyecto, leídos el 27 de octubre de 2026. Para el marco general, consulta supervisar un agente de código en la empresa.

Aviso de honestidad: span.observer no ha instalado ThinkRail. Los comandos proceden del README, las dos primeras imágenes son las capturas publicadas en el repositorio y nada aquí es una prueba propia. Este blog es independiente: no tiene ninguna relación con JetBrains, aunque el repositorio se publique con su nombre.

ThinkRail IDE vibe coding: lo que dice el repositorio

  • Licencia: Apache-2.0. El archivo LICENSE contiene el texto estándar y la línea «Copyright 2026 JetBrains s.r.o.».
  • Cifras leídas el 27 de octubre de 2026: unas 3300 estrellas (la página muestra «3.3k»), 179 forks, 577 commits, 174 incidencias y 50 pull requests. La página no me permitió leer una release ni el reparto de lenguajes: no los cito.
  • Descripción del repositorio: hacer «vibe coding» con pi en un IDE ligero y real que se adapta a tu forma de trabajar. El README lleva una insignia «JetBrains incubator project».
  • Arquitectura: ThinkRail es un host ligero que ejecuta pi en el mismo proceso y lo conecta con una interfaz web (React 19). pi gestiona los modelos, las skills, la compactación, el coste y el estado de las sesiones; la aplicación gestiona el espacio de trabajo, el editor y el protocolo. El README añade que nunca monta prompts a tus espaldas.
  • Dos formas: una aplicación de escritorio nativa, o el comando thinkrail, que abre la misma aplicación en el navegador. El estado vive en ~/.thinkrail.

Recorrido por la interfaz

La primera captura, publicada en el repositorio, muestra una sesión de pi y el cambio que produjo, dentro de un espacio de trabajo aislado. A la izquierda están los proyectos y sus espacios de trabajo; en el centro, la conversación y el diff; a la derecha, el árbol de especificaciones y la lista de cambios.

Interfaz de ThinkRail IDE: proyectos y espacios de trabajo a la izquierda, conversación de pi y diff de un archivo en el centro, árbol de Specs y lista de cambios a la derecha
Source : github.com

La segunda captura muestra la herramienta Specs: el árbol de especificaciones del proyecto, con el documento «product goal and scope» mostrado en el editor. El README explica que este grafo de archivos SPEC.md vive junto al código y que el agente lo lee, lo busca y lo mantiene con herramientas spec_* dedicadas.

Herramienta Specs de ThinkRail: árbol de especificaciones del proyecto a la derecha y documento de objetivos del producto mostrado en el editor
Source : github.com

Según el README, también obtienes:

  • espacios de trabajo aislados: cada uno es un git worktree con su rama y su directorio, de modo que los agentes trabajan en paralelo sin tocar tu copia de trabajo;
  • un editor Monaco con pestañas, un árbol de archivos, terminales y comentarios de revisión anclados en archivos y diffs;
  • varias sesiones pi simultáneas por espacio de trabajo, cada una con su modelo;
  • servidores MCP: ThinkRail pregunta en el chat antes de las llamadas que el servidor no marca como de solo lectura;
  • una barra superior que sigue la rama respecto a origin y a su pull request, con las comprobaciones de CI y la decisión de revisión para una PR de GitHub.

Instalación paso a paso

Paso 1: requisitos

El README exige git en el PATH y un proveedor de modelos: un inicio de sesión de JetBrains AI desde la aplicación, o tus propias credenciales mediante la autenticación de pi. El README indica que ThinkRail no tiene cuentas propias.

Paso 2: elegir la forma

  • Escritorio: descarga el archivo thinkrail-desktop-* de la página de releases. macOS 14 o superior (DMG arm64 o x64), Windows x64 (extraer el ZIP completo y ejecutar el instalador en su sitio), Linux x64 o ARM64 (extraer el tarball y ejecutar installer).
  • Línea de comandos: véase el paso 3.

En Linux, las versiones de escritorio requieren glibc 2.38 o superior con GTK 3, WebKitGTK 4.1, Ayatana AppIndicator 3 y librsvg 2 (Ubuntu 24.04 o más reciente). El README indica:

sudo apt install libgtk-3-0 libwebkit2gtk-4.1-0 libayatana-appindicator3-1 librsvg2-2

Paso 3: instalar el comando thinkrail

En macOS y Linux (o Windows con Git Bash):

curl -fsSL https://raw.githubusercontent.com/JetBrains/thinkrail/main/install.sh | bash

En Windows (cmd o PowerShell):

powershell -c "irm https://raw.githubusercontent.com/JetBrains/thinkrail/main/install.ps1 | iex"

El instalador descarga el binario adecuado, verifica su suma SHA-256 y coloca thinkrail en el PATH. Como con cualquier comando curl | bash, lee el script antes de ejecutarlo, o descarga el binario y el archivo SHA256SUMS para una instalación manual.

Paso 4: lanzar y comprobar

thinkrail ~/code/my-repo
thinkrail --version

El primero abre la aplicación sobre un repositorio git; el segundo muestra la versión. thinkrail --help lista las opciones. El mismo README describe canales nightly, una versión fijada (--channel, --version), thinkrail update y thinkrail uninstall.

Comandos del README de ThinkRail: script install.sh, thinkrail sobre un repositorio y opciones --help, --version y --no-analytics
Source : github.com

Observar un agente lanzado desde ThinkRail

Los documentos leídos (README, requisitos, arquitectura, guía de contribución) no mencionan OpenTelemetry, exportación de métricas ni trazas. Por eso no invento ninguna opción de exportación. Esto es lo documentado y útil para un SRE:

  • Coste y tokens: cada conversación muestra, según el README, una lectura en directo de tokens y coste con su propio modelo. El documento de requisitos indica que son los valores que informa pi. Es un contador en pantalla, no una exportación: para cifras por equipo, consulta el coste de un agente de IA en tokens.
  • Aislamiento observable: un espacio de trabajo equivale a una rama y un directorio (bajo ~/.thinkrail/worktrees, según el sitio web). Los commits, el diff y la lista de cambios muestran lo que cada agente modificó realmente.
  • Elementos en curso: el README indica que la interfaz muestra, para cada conversación, los servidores MCP, los comandos en segundo plano y los subagentes.
  • Estado local: todo el estado de la aplicación está en ~/.thinkrail, y la configuración de pi se lee de ~/.pi/agent. Settings → Environment pasa variables de entorno al agente, los terminales y los servidores MCP. Que el agente pueda aprovecharlas (por ejemplo, para emitir trazas) no está documentado: consulta la documentación de pi.
  • Registro de actualización: Settings → Updates muestra el progreso y el registro de la instalación.
  • Telemetría propia de ThinkRail: véase la sección siguiente. No es una herramienta de supervisión para ti.

Para trazas de agentes en una cadena OpenTelemetry, consulta observar agentes MCP con OpenTelemetry.

Privacidad y telemetría

Según el README, ThinkRail recoge eventos de uso básicos (inicios, creación de conversaciones, envío de mensajes, conexiones de proveedores) asociados a un identificador de instalación aleatorio, sin incluir nunca prompts, código, archivos, credenciales ni identidad de cuenta. Los informes de error se envían siempre (tipo, código y lugar en el propio código de ThinkRail, sin mensajes ni rutas). El uso adicional solo se comparte si «Share additional usage data» está activado, se ofrece en el primer inicio y se ajusta en Settings → Privacy. En línea de comandos, thinkrail --no-analytics o THINKRAIL_NO_ANALYTICS=1 desactiva ese uso compartido durante la ejecución.

Límites y puntos abiertos

  • Anclaje que matizar: no pude leer la fecha de creación del repositorio ni su última release. El README muestra una insignia «incubator project» y versiones 0.x como ejemplo; trátalo como un proyecto joven que evoluciona rápido. Las estrellas no prueban ni la madurez ni la seguridad.
  • Sin exportación de supervisión documentada: el coste y los tokens se leen en pantalla; no se anuncian trazas OpenTelemetry.
  • Dependencia de pi y del proveedor: hace falta un proveedor de modelos, y el coste depende de él.
  • Firma: según el README, los artefactos de Linux no están firmados, la CLI de macOS está firmada pero aún no notarizada, y los DMG antiguos pueden ser bloqueados por Gatekeeper.
  • Requisitos de Linux: glibc 2.38 como mínimo para la versión de escritorio.
  • Permisos del agente: un agente de código ejecuta comandos y modifica archivos. El aislamiento por worktree protege tu rama, no tus secretos: pruébalo en un equipo sin claves sensibles.
  • Para comparar con otro panel de agentes, consulta T3 Code y Cindy.

Buenas prácticas

  • Instala primero en un perfil desechable, con un repositorio de prueba.
  • Lee el script de instalación y comprueba las sumas SHA-256.
  • Decide antes si los eventos de uso son aceptables; si no, lanza con --no-analytics.
  • Anota el coste mostrado por conversación y compáralo con la factura del proveedor: esa es tu comprobación.
  • Una rama por agente, revisión del diff antes de fusionar y nunca secretos en el directorio de trabajo.

Preguntas frecuentes

¿ThinkRail sustituye al agente pi?

No. Según el README, ThinkRail es una interfaz construida alrededor de pi, que conserva los modelos, las skills, la compactación, el coste y el estado de las sesiones.

¿ThinkRail es gratuito y de código abierto?

El repositorio está bajo Apache-2.0 y el archivo LICENSE es el texto estándar de esa licencia. Los modelos de tu proveedor corren por tu cuenta.

¿Se pueden exportar trazas OpenTelemetry de un agente lanzado desde ThinkRail?

Los documentos leídos no lo anuncian. El README documenta un contador de tokens y coste por conversación, un estado en ~/.thinkrail y el ajuste de entorno.

Conclusión

ThinkRail es un IDE alrededor del agente pi bajo Apache-2.0, con espacios de trabajo aislados y especificaciones vivas. Para observarlo, ofrece hoy un contador de tokens y coste por conversación y diffs por rama, sin exportación OpenTelemetry documentada. Pruébalo lejos de tus secretos antes de adoptarlo. Fuentes: repositorio JetBrains/thinkrail y thinkrail.ai.

span.observer es un blog independiente de la comunidad, no afiliado a Dynatrace LLC, a JetBrains ni a los proyectos citados. Las marcas citadas pertenecen a sus propietarios. Las herramientas cambian rápido: verifica los comandos y las opciones en su documentación oficial.

Total
0
Shares
Leave a Reply

Your email address will not be published. Required fields are marked *

Previous Post
KEDA autoscaling Kubernetes : échelle sur événements

KEDA autoescalado Kubernetes: escala por eventos

Next Post
HarnessRouter interface unifiée agents IA : installer et observer

HarnessRouter interfaz unificada agentes IA: instalar y observar

Related Posts