调试技术千千万，println 依然是开发者的第一选择。无论是初学者还是资深工程师，无论是手写代码还是借助 AI Agent，输出日志来观察程序状态，始终是最直接、最通用的手段。

不过，println 式调试一直有两个很难回避的限制：

• 首先，它要求直接改动源代码；
• 其次，一旦场景落到第三方库或生产环境，这种方式通常就不再适用。

IntelliJ IDEA 提供的 Logpoints，可以把这类临时输出升级为更可控的调试手段：不需要改源码，同时还能结合条件触发、堆栈打印和命中计数等能力使用。

在 2026.2 版本中，JetBrains 对 Logpoints 进行了一次重要升级。核心方向不是增加更多“花哨”功能，而是重构底层实现，让 Logpoints 真正适用于高性能和 AI Agent 驱动的调试场景。

从“求值”到“插桩”：性能差距拉大了 30 倍

传统 Ja va 调试器（基于 JPDA/JDWP）处理条件断点或日志断点的方式是：每次命中断点，JVM 都会挂起应用，由 IDE 端计算条件或日志表达式，然后恢复执行。

这种方式在低频场景下没有问题。但一旦断点落在热路径，也就是高频调用的方法上，就会成为明显的性能瓶颈。

问题不只是慢。 延迟还可能改变程序行为，让竞态条件消失，让超时问题被掩盖。

IntelliJ IDEA 2026.2 的解决方案是：直接在 JVM 中“插桩”（Instrumentation），将条件判断和日志输出编译为字节码，嵌入到目标方法中。

这样一来，Logpoints 的执行过程不再需要 JVM 暂停和恢复，其运行速度与手写的 println 语句几乎没有差别。

JetBrains 的内部基准测试显示，在相同测试场景下，新版 Logpoints 的性能提升约为 30 倍。

对于涉及热路径的调试任务来说，这意味着 Logpoints 从一个“可能会影响结果”的工具，变成了一个“可以放心使用”的工具。

更关键的是，这个过程对用户是完全透明的。你不需要做任何额外配置，IDE 会自动检测哪些 Logpoints 可以被插桩，并在同一调试会话中完成转换，无需重启应用。

使用也很简单，点击行号右边的 gutter 区就可以添加 logprint。

也可以手动输入需要打印的表达式。

AI Agent 与 Logpoints：从“能用”到“顺手”

另一个重要的变化，是 Logpoints 与 AI Agent 的集成。

在过去，AI Agent 想要设置进行调试，只能通过模拟用户操作或发送调试指令。这种方式不仅慢，而且难以控制。

比如，Agent 可能会意外修改用户自己设置的断点，或者在不需要的时候清理掉有用的日志点。

IntelliJ IDEA 2026.2 的更新包含了两项关键改进：

• Logpoints 与 Agent 的隔离：IDE 会追踪哪些 Logpoints 是由哪个 Agent 创建的。Agent 可以完全控制自己创建的 Logpoints，但无法意外修改用户手动设置的断点。这避免了“Agent 干扰用户调试”的情况。
• 专用的 Agent Skill：JetBrains 开发了一个 ij-debugger 技能，Agent 可以通过它获得控制调试会话的“手柄”，使用 Logpoints 的各种特性——设置条件、配置堆栈打印、清理日志点等。

如下是使用ij-debugger来调试的例子。

这个时候，Agent 会自主完成“设置 Logpoints → 运行程序 → 分析日志 → 定位问题 → 清理 Logpoints”的完整闭环，而用户只需要在关键节点上进行确认和决策。

下面还需要跟Agent说解决发现的bug。

同样的，ij-debugger这个skill也可以在cli中使用。

从代码到控制台：双向导航

还有一个细节值得注意：新版 Logpoints 在控制台输出中增强了溯源能力。

当你看到一行由 Logpoint 输出的日志时，可以直接点击它。IDE 会打开对应的 Logpoint 配置窗口，并高亮显示其对应的源代码位置。

如果该 Logpoint 启用了堆栈打印，IDE 还能展示完整的调用链。

这解决了 println 调试长期存在的一个问题：输出多了之后，你很难准确判断某一行日志到底是哪个位置产生的。

现在，Logpoint 输出和源代码之间建立了双向链接。日志不再只是“文本”，而是“可导航的断点”。

这次更新体现出一个更明确的方向：调试工具正从“被动查看器”演进为“主动编排器”。

Logpoints 也不再只是断点的附属形态，而是正在成为一种独立的调试原语。它无需暂停程序，无需改动源码，却能提供比手写 println 更丰富、也更可控的调试信息。

通过使用这个新特性，我的调试效率提高了10倍都不止，尤其是比较耗时的调试场景，效率的提升更加明显。

在可预见的未来，AI Agent 会承担越来越多的调试任务，而开发者只需要做一件事：审查 Agent 的结论，判断它是否可靠。

这也是 IDE 在 AI 时代需要提供的核心能力——不仅仅是帮助开发者写代码，更是帮助开发者信任和验证 Agent 的工作。