选中一段代码再重构：Zed Inline Assistant 让修改留在编辑位置

一个函数已经写对大半，只想把重复分支合并、补上类型，或把一段注释改得清楚些。这时最方便的 AI 入口，未必是再开一轮跨文件任务。Zed 的 Inline Assistant 把动作放在当前选区：选中要改的代码，输入要求，让结果回到同一个编辑位置。

官方说明给出的工作方式很直接：将当前选区，或没有选区时的当前行，交给语言模型，再用返回内容替换。它让“要改哪里”先由编辑动作表达，提示词用来交代“要怎么改”。

选区负责范围，上下文负责含义

下面是教学情境：你在一个数据导出函数中选中几段几乎相同的条件判断，要求“合并重复逻辑，保持现有错误返回方式”。这时，模型需要的可能还有返回类型和调用方约定。Inline Assistant 支持 @ 引用文件、目录、符号、指令文件与过去线程，可以把这些材料加进同一次请求。

关键不是把全仓库都塞进来，而是把当前转换所缺的线索补上。选区告诉它处理哪段文本；类型定义说明结果必须满足什么；已有调用点帮助它保留接口。生成后，开发者仍能在原来的代码位置对照变化，检查原先几个分支是否都被覆盖。

这与边打字边出现的自动补全有区别。Zed 把后者称为 Edit Prediction，根据近期修改、访问过的文件和光标位置推测下一步。Inline Assistant 则由你主动选择材料、写出要求。一个适合接着写，一个适合明确发起一次转换。

更有用的细节是 @thread。你可以先在 Agent Panel 讨论一个功能，再在内联修改时引用那段线程。这样，聊天里解释过的约束不必全部重新抄一遍，同时还能把实际编辑落到一小段代码上。

官方还支持多光标同时生成：同一条提示发到多个光标位置，适合散布在不同片段中的类似调整。另一个选项是配置 inline_alternatives，让多个模型为同一个请求各给一版，在界面里切换查看。它提供的是候选结果，不能因为两版相似就视为逻辑已经验证；真正要保留的是符合项目行为的一版。

AI 总览把原生 Agent、外部代理和内联等功能分别组织。这里有个容易踩空的地方：外部 ACP Agent 运行在线程中，不能直接拿来做 Inline Assistant 的生成。后者需要配置 Zed 的 LLM provider，可以走托管模型、自带 API、网关或受支持的其他接入路径。

因此，已经把一个外部编程代理接进 Zed，不代表内联修改也随之可用。代码编辑器、模型服务和账号费用是不同层；选本地模型也要核对相应接入能力。

我会把这个功能用在目标明确、能就地判断结果的小步改动上：从选区开始，补必要上下文，保留可读的代码差异，再运行相关检查。它的价值是让开发者不离开正在思考的代码位置，就能获得一份可继续修改的实现。