O GitHub Copilot para JetBrains ganha memória entre sessões e suporte a Ollama

O GitHub Copilot para IDEs JetBrains recebeu uma atualização que muda dois pontos de interesse direto para quem trabalha no dia a dia com esse ecossistema: memória persistente entre sessões de chat e suporte ao Ollama como provider BYOK (bring your own key). Segundo o changelog oficial do GitHub, a release ainda inclui novos controles corporativos e uma leva de correções de estabilidade.

Memória: fim do copia-e-cola de contexto

Até agora, cada nova conversa com o agente começava do zero. Você precisava reexplicar a estrutura do projeto, convenções de código, preferências de estilo, sempre a mesma ladainha. Com o Copilot memory, o agente passa a reter e recuperar informação útil ao longo das sessões, mantendo contexto entre conversas.

Na prática, isso significa menos prompt repetido e respostas mais alinhadas ao seu projeto sem re-briefing constante. O recurso é controlável pelo toggle Copilot Memory no portal de configurações, o que importa por dois motivos: contexto persistente é ótimo para produtividade, mas também é estado acumulado que você talvez não queira em cenários sensíveis (código de cliente sob NDA, por exemplo). Poder desligar por padrão é o tipo de trade-off que times mais regulados vão querer avaliar antes de liberar geral.

Ollama como BYOK: IA local dentro do JetBrains

O segundo destaque é o suporte ao Ollama como provider BYOK. Para quem não conhece, o Ollama roda modelos de linguagem localmente na sua máquina (Llama, Mistral, Qwen e companhia), sem enviar código para a nuvem. A integração cobre configuração do provider e seleção de modelo em toda a experiência JetBrains.

Esse é o ponto que mais deve interessar ao dev brasileiro. Rodar modelo local resolve três dores comuns:

• Privacidade e compliance: código não sai da máquina, o que ajuda em contextos com dados sensíveis ou exigências regulatórias.
• Trabalho offline: conexão instável deixa de travar o fluxo de IA.
• Custo: sem consumo de tokens de API paga para tarefas mais simples.

Os trade-offs, porém, são reais e vale dizer com todas as letras: qualidade de resposta depende do hardware. Um modelo local rodando em GPU modesta não vai competir com os modelos hospedados de fronteira, e prompts complexos podem sofrer em latência e precisão. A leitura pragmática é usar o Ollama para o que ele faz bem (autocompletar, boilerplate, refactors triviais, código que não pode vazar) e manter o modelo em nuvem para as tarefas que exigem mais raciocínio. Não é substituição, é ter a ferramenta certa por contexto.

O que mais mudou

A release não parou aí. Alguns pontos que valem registro:

• Enterprise managed settings: administradores ganham controles server-side para gerenciar disponibilidade do plugin, acesso a servidores MCP, comportamento de bypass de permissão e configurações de OpenTelemetry. Útil para quem precisa padronizar o uso do Copilot em toda a organização.
• Codex expandido: sessões do Codex agora aparecem nos logs de debug do agente, com suporte a modos de permissão atualizados e customizações via instructions e skills.
• Setup mais fácil do Copilot CLI: o plugin passa a instalar automaticamente o Copilot CLI a partir de terminais integrados no macOS, Linux e Windows, reduzindo passos para começar com workflows de agente no terminal.
• Melhorias de UX: retorno das referências # de arquivos e pastas nos inputs de chat do Copilot, Claude e Codex, troca/remoção de conta e ajustes no seletor de modelos.

O GitHub também informa que uma leva de correções melhorou a confiabilidade de execução e aprovações em servidores MCP, saída de terminal, customizações, cloud agents e edição baseada em diff, além de acertar a renderização de escapes ANSI. Vale notar ainda uma mudança de nomenclatura: strings visíveis ao usuário agora usam "Copilot" no lugar de "Copilot CLI".

Vale atualizar?

Para quem já usa Copilot no ecossistema JetBrains, a resposta curta é sim: memória persistente é ganho direto de produtividade e o Ollama abre uma porta que antes exigia gambiarra. O GitHub recomenda testar a versão mais recente do plugin e enviar feedback pelos canais oficiais, incluindo o repositório de issues do Copilot para JetBrains citado no changelog. Como sempre, avalie os toggles de memória e a escolha entre modelo local e em nuvem conforme o contexto do seu projeto: aqui, contexto continua sendo rei.

Fonte: GitHub Changelog