Naliehavé bezpečnostné upozornenie BitDefender– kritická zraniteľnosť RCE v React (CVE-2025-55182)
Radi by sme vás informovali o kritickej chybe v ekosystéme React, označenej ako React2Shell (CVE-2025-55182), ktorá bola ohodnotená maximálnym skóre CVSS 10,0. Táto chyba umožňuje neautentizované vzdialené spustenie kódu (RCE), čo predstavuje vážne riziko pre organizácie po celom svete. Vzhľadom na vysokú pravdepodobnosť rýchleho zneužitia útočníkmi by sa mali okamžite implementovať potrebné bezpečnostné opatrenia.
Kľúčové informácie:
• Zraniteľnosť bola zverejnená 3. decembra 2025 a umožňuje vzdialené vykonávanie kódu na zraniteľných serveroch bez overenia.
• Pôvodný problém vznikol v logike protokolu React „Flight“, ale ovplyvňuje aj iné rámce a balíky, najmä Next.js a Vite.
• Hodnotenie rizika je porovnateľné s incidentom Log4j (2021).
• Očakávame, že skupiny Ransomware-as-a-Service (RaaS) a Initial Access Brokers (IAB) túto zraniteľnosť rýchlo zneužijú.
Odporúčané okamžité opatrenia:
• Zmiernenie rizika: Okamžite opravte postihnuté systémy alebo zablokujte prevádzku.
• Monitorovanie: Pozorne sledujte laterálny pohyb pochádzajúci z DMZ.
• Dohľad: Buďte ostražití voči zverejneným indikátorom kompromitácie (IOC).
Modely Grok prichádzajú do chatu AI v JetBrains IDE
Rozširujeme našu ponuku AI o rodinu LLM Grok od xAI: Grok 4, Grok 4.1 Fast, Grok 4.1 Fast (bez uvažovania) a Grok Code Fast 1. S pridaním týchto modelov do chatu AI vo všetkých JetBrains IDE máte teraz ešte väčšiu flexibilitu pri výbere modelu, ktorý najlepšie vyhovuje vášmu pracovnému postupu.
Ako vyskúšať modely Grok v JetBrains IDE
Vyskúšať Grok v chate AI je jednoduché! Uistite sa, že máte aktívne predplatné JetBrains AI. Ak ho nemáte, spustite bezplatnú skúšobnú verziu priamo z vášho IDE: otvorte widget JetBrains AI, spustite inštaláciu a postupujte podľa krokov na obrazovke. Odtiaľ otvorte chat AI a vyberte model Grok z výberu v paneli chatu (všetky dostupné LLM Grok nájdete v časti Ďalšie modely). Potom s ním jednoducho začnite interagovať v chate – môžete klásť otázky o svojom kóde, refaktorovať úryvok, generovať testy, opravovať chyby a mnoho ďalšieho.
Vytváranie agentov umelej inteligencie v Kotline – 2. časť: Podrobnejší pohľad na nástroje
V predchádzajúcom článku sme videli, ako vytvoriť základného kódovacieho agenta s funkciami zoznamu, čítania, zápisu a úpravy. Dnes sa pozrieme na to, ako rozšíriť schopnosti agentov vytvorením dodatočných nástrojov v rámci frameworku Koog. Ako príklad vytvoríme nástroj ExecuteShellCommandTool, ktorý naučí nášho agenta spúšťať kód a uzavrieť spätnú väzbu, na ktorej závisí skutočné inžinierstvo: spúšťanie kódu, pozorovanie chýb a vylepšovanie kódu na základe skutočného výstupu.
Hoci LLM sú zvyčajne dobré v vyhýbaní sa syntaktickým chybám, majú problémy s integráciou. Napríklad majú tendenciu volať neexistujúce metódy, vynechávať importy a implementovať rozhrania len čiastočne. Tradičný prístup kompilácie a spúšťania kódu tieto problémy okamžite odhalí. Ale s malou dodatočnou nápovedou môžeme LLM prinútiť spustiť malé testy na overenie tohto druhu správania.
Gemini 3 Pro je teraz k dispozícii v IDE JetBrains
Gemini 3 Pro prináša jasné vylepšenia, ktoré sú dôležité v každodennom vývoji:
• Rozumie vašej kódovej báze a prispôsobuje sa vášmu štýlu. Gemini 3 Pro sa učí z vášho kódu, aby replikoval konvencie vášho projektu, takže zmeny pôsobia prirodzene vo vašom repozitári a prejdú kontrolou s menším počtom úprav.
• Presne dodržiava pokyny. Gemini 3 Pro je navrhnutý tak, aby rozumel textu, kódu a vizuálom, rozumie zložitým pokynom a dlhým dokumentom a poskytuje presnejšie výsledky.
• Vyniká vo vývoji frontendu. Gemini 3 Pro vykazuje významný pokrok v multimodálnej generácii frontendu a zložitej práci s používateľským rozhraním.
Celkovo je silný v plánovaní a vykonávaní viacetapových úloh, spracovaní zložitých pokynov a uvažovaní v rôznych kontextoch, čo vám pomáha rýchlejšie prejsť od nápadu k kódu pripravenému na produkciu.
Pozrite si Gemini 3 Pro a Junie v akcii
Aby sme demonštrovali, ako Gemini 3 Pro a Junie zvládajú skutočné kreatívne pracovné postupy, vytvorili sme kompletnú vstupnú stránku, pričom sme začínali len od náčrtu. Nahodili sme náčrt, poskytli podrobnú požiadavku a nechali Gemini 3 Pro interpretovať štruktúru, rozloženie a vizuálnu hierarchiu.
Na základe týchto pokynov Junie, náš agent pre kódovanie, vygeneroval prvú funkčnú verziu vstupnej stránky. Výsledok obsahoval prehľadné rozloženie, responzívne sekcie a komponenty priamo odvodené z náčrtu.
Ďalej sme požiadali Gemini 3 Pro a Junie, aby stránku vylepšili a „ozdobili“, pričom hrubú štruktúru premenili na prepracovaný interaktívny dizajn inšpirovaný modernými webovými stránkami produktov umelej inteligencie, ako je Adaline.ai. Agent použil animácie, plynulé prechody a vylepšený vizuálny štýl, pričom zachoval pôvodnú štruktúru. To jasne ukazuje silné multimodálne chápanie Gemini 3 Pro a schopnosť Junie premeniť surové nápady na rozhrania pripravené na produkciu.
Ako vyskúšať Gemini 3 Pro vo vašom IDE
Na prístup k Gemini 3 Pro potrebujete aktívne predplatné JetBrains AI. Ak ho nemáte, môžete začať bezplatnú skúšobnú verziu priamo z vášho IDE – otvorte widget JetBrains AI vo vašom IDE, spustite inštaláciu a postupujte podľa pokynov na obrazovke. Po aktivácii ho môžete vyskúšať v:
• AI Chat: Jednoducho začnite nový chat – model je nastavený na Auto.
• Junie: Otvorte nastavenia Junie (Nastavenia | Junie | Modely) a vyberte Gemini 3 Pro. (Uistite sa, že máte nainštalovanú najnovšiu verziu pluginu Junie.)
Prečo by difúzne modely mohli zmeniť pracovné postupy vývojárov v roku 2026
Vývojári trávia väčšinu času úpravami, refaktorizáciou a odstraňovaním chýb, namiesto toho, aby vytvárali úplne nový kód. Vytváranie kódu zvyčajne zahŕňa nesekvenčné vylepšovanie tam a späť, namiesto toho, aby sa kompletná funkcia napísala v jednej neprerušenej sekvencii. Môžete nakresliť časť, upraviť parametre, preskočiť dopredu a potom sa vrátiť k predchádzajúcim častiam, aby ste ich vylepšili. Difúzne modely, a najmä difúzne veľké jazykové modely (d-LLM), fungujú odlišne od súčasných asistentov kódovania. Na rozdiel od autoregresívnych modelov, ktoré generujú token po tokenu v prísnej sekvencii zľava doprava, d-LLM sa riadia minulým aj budúcim kontextom. To im umožňuje modelovať úpravy a vylepšenia priamočiaro, čo odzrkadľuje spôsob, akým vývojári iteratívne vytvárajú a upravujú kód. Ako ukázali Gong et al. (2025): „Model [d-LLM] často plánuje generovanie tokenov globálnejšie, podobne ako programátor, ktorý skáče sem a tam v kóde, aby vylepšil implementáciu kódu.“ To zodpovedá realite autorstva kódu, ktorá je nelineárna: načrtnete trochu, revidujete skoršie časti, preskočíte dopredu a pokračujete v iterácii.
