L’articolo in 3 domande
La sessione multi-folder sostituisce il workflow tradizionale con un solo workspace?
La funzione multi-folder di VS Code 1.140 non sostituisce il workflow tradizionale, ma offre un’alternativa per chi gestisce progetti complessi con più repository o worktree. L’isolamento delle chat e delle attività è pensato per scenari avanzati, ma il metodo tradizionale rimane disponibile.
Che vantaggio concreto offre HydraFusion agli sviluppatori di team?
HydraFusion permette all’intelligenza artificiale di scegliere in modo autonomo quali modelli usare e come organizzare generazione, verifica e revisione del codice. Questo riduce l’intervento manuale, aumentando affidabilità e qualità su task articolati, soprattutto dove serve controllo del processo AI.
Come incide il nuovo controllo aziendale introdotto da VS Code 1.140?
Le nuove impostazioni aziendali consentono di uniformare la scelta di modelli AI tra team, definire policy di efficienza e sicurezza, abilitare il tracciamento delle identità e assicurare la compliance a normative. L’amministratore gestisce dal centro la coerenza e la governance delle sessioni AI.
Gestione di progetti complessi: multi-folder e isolamento nei workflow
L’aggiornamento a Visual Studio Code 1.140 introduce una modifica chiave per chi lavora su progetti articolati. La nuova funzione sperimentale di sessioni multi-folder permette di mantenere conversazioni operative – “chat” – indipendenti all’interno dello stesso workflow, ciascuna collegata a una diversa cartella di progetto o anche a diversi repository e worktree isolati.
Se prima le interazioni tra agenti AI si intrecciavano su un unico workspace, adesso ogni chat conduce le proprie azioni (terminali, task, modifiche sui file, pull request) senza sovrapporsi alle altre. Vantaggio concreto: si riduce il rischio di conflitti accidentali e si apre la possibilità di sperimentare e confrontare strategie di sviluppo su ramificazioni diverse, magari su due repository che dialogano oppure su branch distinti dello stesso progetto.
Tutte le fonti rimarcano che la funzionalità è ancora una preview; è disattivata di default e si attiva intervenendo sulle impostazioni utente, senza un’interfaccia dedicata alla scelta della cartella. Non si tratta di una rivoluzione totale nella strutturazione dei team, ma di uno strumento che semplifica la gestione di scenari reali dove più repository, cartelle e team interagiscono. Alcuni workflow sfruttano questa funzione per organizzare branch paralleli e pull request separate, evitando che un test contaminato su un worktree influenzi altri sviluppi in corso.
Fonti diverse convergono sull’isolamento effettivo: ogni chat, anche se fa parte della stessa sessione di lavoro, mantiene il suo stato e set di attività. In caso di lavoro distribuito, questo consente a team diversi di collaborare su feature correlate senza ritrovarsi con code merge indesiderati o intoppi di task condivisi. Questa granularità nell’assegnazione degli agenti viene vista come un passo per adattare l’AI agli ambienti di sviluppo già diffusi nelle aziende, senza forzare l’introduzione di strumenti esterni.
Delegare ai remote agent: flessibilità, ma controllata
Lo scenario si fa più interessante con la delega di compiti agli agenti remoti. Nella nuova versione resta sperimentale e richiede una configurazione manuale, ma la direzione è chiara: non serve più limitarsi al solo ambiente locale. Un agente può individuare altre macchine collegate, verificarne i parametri tecnici – sistema operativo, memoria, potenza della CPU, carico attuale – e valutare dove conviene eseguire un determinato task.
La scelta del target avviene seguendo criteri oggettivi: vengono privilegiate le macchine meno occupate e con maggiore disponibilità. Nei casi d’uso più articolati si possono distribuire sessioni parallele, sfruttando risorse hardware che normalmente resterebbero sottoutilizzate o congestionate solo in momenti particolari del ciclo di sviluppo.
Tutte le fonti precisano che, in assenza di workspace o folder specificato, la sessione remota parte “a vuoto”; le attività che richiedono file di progetto necessitano quindi che la cartella sia già approntata sulla macchina remota (non viene fatto alcun cloning interamente automatico). I messaggi di delega, per motivi di sicurezza aziendale, sono gestiti solo finché la finestra Agent di coordinamento resta aperta e attiva. Le approvazioni di routine rimangono necessarie e non vengono eluse dalla delega.
Il dialogo tra macchine non comporta un’automazione assoluta: il controllo rimane nelle mani degli sviluppatori, che gestiscono manualmente sia l’avvio delle sessioni remote sia le successive istruzioni/invio dei risultati. Un vantaggio ulteriore per chi gestisce team distribuiti è che la verifica dello stato del lavoro e dei follow-up può avvenire direttamente dalla chat d’origine, unificando il monitoraggio in maniera trasparente.
Copilot harness e orchestrazione: sessioni AI condivise, ma non identiche
Il Copilot harness, ora integrato anch’esso come anteprima, consente di utilizzare una runtime condivisa per gli agenti AI tra VS Code e le applicazioni Copilot standalone o CLI. L’obiettivo è uniformare la modalità d’azione dell’intelligenza artificiale tra ambienti diversi.
Le fonti sottolineano che si tratta di una condivisione del runtime, non di una sincronizzazione completa delle sessioni o delle preferenze utente. Gli strumenti, le personalizzazioni e i permessi possono variare tra il VS Code classico e le controparti Copilot, con alcune estensioni che potrebbero non essere disponibili nel harness condiviso.
Utile la possibilità di sospendere e riprendere una sessione AI da un terminale integrato, con l’Agent Host che effettivamente “possiede” la sessione, consentendo anche ad altre finestre di connettersi finché il processo host rimane attivo.
Quanto alla coordinazione tra agenti, la funzione si traduce nella possibilità di far convivere skill e istruzioni operative già definite su ambienti Copilot diversi: ideale per chi alterna lavoro su VS Code desktop, cloud e interfacce a linea di comando mantenendo una coerenza logica nei task AI più comuni. Tuttavia, Microsoft chiarisce che le sessioni restano separate e non c’è una replica totale tra i vari ambienti.
HydraFusion: orchestrazione multi-modello senza micromanagement
Tutte le fonti confermano l’introduzione sperimentale di HydraFusion, un orchestratore di modelli AI in ricerca preview. Non è un modello singolo, ma un sistema adattivo che – basandosi sulla tipologia del compito assegnato – decide quali modelli coinvolgere e in quale sequenza.
HydraFusion implementa tre strategie operative: la risposta diretta di un solo modello, una composizione a cascata (il primo modello tenta, un secondo verifica la qualità, eventualmente passa il lavoro a uno più potente), infine la modalità critica, che prevede la redazione iniziale da parte di un modello, la revisione da parte di un modello “critico” read-only, e una correzione finale a cura del modello originale. Gli utenti non gestiscono manualmente questi passaggi: l’orchestrazione è completamente interna al sistema.
Secondo le fonti, HydraFusion si rivolge soprattutto a task di sviluppo sostanziosi e ben definiti, che beneficiano di ricorsività costruttiva tra generazione, verifica e revisione. L’uso comporta il consumo di token a tariffazione standard dei modelli coinvolti; la preview richiede l’abilitazione manuale e non è disponibile per tutti gli utenti. L’amministratore può comunque attivarla in organizzazioni con piani Copilot Business ed Enterprise. Lo scopo evidente è garantire al team un equilibrio tra rapidità di risposta, accuratezza del risultato e costi computazionali.
Risulta evidente dalle fonti che, pur ancora in fase sperimentale e non consigliata per workflow ad ampia diffusione in produzione, HydraFusion offre a chi sviluppa in team la possibilità di aggiungere un livello di qualità e verifica difficilmente eguagliabile dai classici sistemi AI single-step.
AI e controllo aziendale: amministrazione, identità e compliance
Le aziende che fanno di VS Code un perno dello sviluppo AI ottengono benefici su più fronti. L’aggiornamento introduce la possibilità per l’IT di definire quali versioni di AI sono disponibili per i team, agendo sulla base delle policy aziendali e delle esigenze di compliance.
Un admin ora può impostare un livello “autoTier” predefinito – efficienza, equilibrio o intelligenza – che stabilisce la preferenza di risorse modello AI per le nuove sessioni, offrendo al singolo la libertà di cambiare impostazione solo quando necessario. Le scelte specifiche rimangono dopo modifiche della regola centrale: utile per garantire uniformità iniziale e flessibilità organizzativa.
Inoltre, aziende che desiderano maggior tracciamento possono abilitare la cattura delle identità sviluppatori tramite OpenTelemetry. L’opzione è off di default e, almeno al lancio, limitata al Local harness, per aggiungere gli identificativi dell’utente alle sessioni AI e alle metriche raccolte.
Da quanto emerge dalla documentazione e dalle fonti specialistiche, queste innovazioni accompagnano le aziende verso un utilizzo dell’AI più allineato ai criteri di audit, privacy e gestione dei dati ora richiesti sia da policy interne sia da normative come l’AI Act europeo.
Il valore nascosto: scenari ibridi e abitudini di team
Uno spunto utile: il vero punto di forza di questo aggiornamento non è una singola funzione, ma la capacità di combinare isolamento, delega remota e orchestration AI per riflettere workflow ormai comuni tra team distribuiti o che gestiscono progetti a cavallo tra più repository e infrastrutture cloud e on-premise.
Non tutte le imprese troveranno subito vantaggio nell’adozione di sessioni multi-folder o di HydraFusion, ma la possibilità di orchestrare agenti e modelli come risorse indipendenti apre la strada a una nuova elasticità operativa. Chi ha già investito nella razionalizzazione delle pipeline di sviluppo – con team suddivisi per specializzazione, branch e reparti – può ora lasciare che sia il sistema a occuparsi di bilanciare carichi e qualità, anziché centralizzare tutto su singole macchine o automatismi troppo rigidi.
La combinazione delle novità lascia spazio a scenari dove l’AI è snodo, non solo supporto, abilitando abitudini di lavoro più agili e granulari, senza sacrificare sicurezza né controllo.
Fonti
- Visual Studio Magazine — VS Code 1.140 Expands Agent Coordination Across Folders and Machines
- Techgenyz — VS Code 1.140 Expands AI Coding With Multi-Agent Workflows
- borncity — VS Code 1.140: Microsoft erweitert Copilot um Multi-Folder-Sessions
- ITHome — 微软更新 1.140 版 VS Code：多文件夹会话、远程 AI Agent 任务委派等
Le fonti di questo articolo
Scritto dal team Benhanced Aggiornato il
Ti è stato utile? Passalo a qualcuno
