跳到正文
GitHub Blog· Nick Liffen·· 11 天前AI 评分37

GitHub 发布开发者智能体工程指南,把 Copilot 用在计划、构建、验证、观察四个阶段

Beyond code generation: A developer’s guide to agentic engineering

AI 导读

GitHub 员工 Nick Liffen 发布开发者指南,介绍如何在 GitHub 上用 Copilot 覆盖计划、构建、验证、观察四个阶段。文中称 GitHub 今年 10 月单周提交量超过 12 亿次,同比增长逾 400%;Faros AI 的一项研究发现,团队从低 AI 使用率升到高使用率后,拉取请求在评审环节停留的时间延长了 441%。

正文 · AI 翻译

今年十月,GitHub 在一周内收到的提交超过 12 亿次,比一年前增长了 400% 以上。这个数字已经超过了 GitHub 在整个 2025 年收到的提交总量。你很可能也比一年前生成了更多代码。但不妨问问自己:你觉得自己比去年高效了 400% 吗?

构建软件远不止写好一段提示词。AI 加快了实现速度,开发者在其他环节却感受到更大压力:Faros AI 的一项研究发现,当团队的 AI 采用率从低升到高时,拉取请求在评审环节停留的时间延长了 441%。

作为软件开发者,你要收集需求、把控实现方向,评审改动、评估测试结果,还要排查生产环境中的问题。智能体可以在这些阶段——规划、构建、验证和观测——帮你更高效地工作。下面我们来看看,在 GitHub 上,一套高效的智能体工程工作流是什么样子。

规划:让所有人和所有智能体对齐认知

看看这个场景是否似曾相识。你正在规划一次 API 变更。设计方案放在某个工具里,一条兼容性要求埋在 Slack 的聊天记录中,还有一个旧的拉取请求解释了当前实现为什么是这样。在写出有用的方案之前,你得把这些细节串起来,比较不同做法,并就现有客户端如何继续正常工作达成一致。原本看似简单的规划任务,变成了几个小时的搜索、交叉核对和四处追问。还没开始实现,你就已经精疲力竭了。

你可以用 Copilot 把这些散落各处的上下文汇集到一处,梳理各种取舍,再把决策转化为一份实现方案。

  • 在团队日常协作的地方一起规划。用 Slack 或 Teams 中的 Copilot,与所有相关方协作——从产品经理、设计师到分析师和业务干系人。引入已连接工具中的上下文,让团队可以核对假设、贡献想法,共同完善需求。
  • 把达成一致的需求转化为可执行的工作。让 Copilot 创建 GitHub Issue,附上实现所需的上下文和验收标准,并把可以分开处理的任务拆出来。
  • 别让日常分诊占用规划时间。用 GitHub Agentic Workflows 给 Issue 打标签、评估任务复杂度。把低复杂度任务直接交给 Copilot,自己把时间花在更难的决策上。
  • 给复杂工作留出应有的规划。在你惯用的 Copilot 界面中使用 Plan Mode,比较不同做法,打磨实现方案。先审阅并批准方案,再交给 Copilot 开始实现。

过去要花几天搜索和收集上下文的工作,现在能产出一份可评审的方案、明确的验收标准和划分好范围的 Issue,你的时间花在决策上,而不是翻找信息上。而且一旦定下做法,你和你的智能体就已经为执行方案做好了准备。

构建:同时推进多项任务

你已经准备好把计划变成代码了。但生活总有别的安排。智能体任务做到一半,下一场会议五分钟后开始,而你的狗已经在门口盯了你二十分钟。这时会上有人指出,实现里还得处理一个边界情况。所有人都同时需要你。你想继续推进,却又没法分身三处。

你不必被拴在最初开始工作的那台电脑上,工作照样能往前走。

  • 换台设备接着聊。 会话连续性让你在不同客户端之间接续同一个 Copilot 会话,哪里方便就在哪里干活。
  • 合上笔记本,工作也不停。 Copilot 在云端沙箱中运行任务,执行不占用你的机器,你可以先离开,之后再回到会话。
  • 并行处理不同任务,改动互不干扰。 Copilot 应用会为每个会话提供仓库的独立副本,因此实现任务和文档更新不会共用同一个未完成的工作区。
  • 把项目知识带进每个任务。 仓库指令记录约定和验证命令,共享记忆则保存 Copilot 可在整个仓库中复用的事实。Copilot Dreaming 会检查符合条件的会话和拉取请求反馈,让记忆保持最新,并提出指令或技能更新建议。这样你就不用反复解释团队的工作方式,Copilot 在不同任务中的表现也更一致。
  • 让模型匹配任务。 选择 Copilot Fusion 可为任务挑选模型和推理深度,需要时还能引入其他模型来审查方案。你可以设定投入级别,在质量、成本和响应时间之间取得平衡。
  • 无论在哪工作,都遵守公司规则。 企业管理设置会把公司策略和已配置的工具带到各个 Copilot 界面,减少你在不同客户端之间切换时的配置差异。

写代码不只是给大模型丢一个提示词、看看返回什么就完事。如今手头的工作比以往更多,既要守住编码标准,又要按时交付项目,并不容易。Copilot 借助共享的项目知识让任务独立推进,同时让你能跨设备从上次中断的地方接着做。这样你就有更多空间去斟酌实现决策,从容应对随时出现的变化。等工作完成时,你拿到的是一组聚焦、可直接审查的改动。

验证:把注意力花在真正重要的地方

你花了一个小时引导智能体们朝正确方向推进,觉得总算都到位了。于是你开了一个拉取请求,标题写着“小重构”。结果它改了 47 个文件。你本想让人看看共享的校验逻辑,可这部分淹没在对每个调用它的端点的修改、格式调整和几百行生成的测试里。看看团队评审板上那望不到头的拉取请求列表,你不禁琢磨:这个要多久才能拿到批准?

那条评审队列就是实践中的 441%。等待可以从两头缩短:让你的改动更容易被人审查,同时在任何人打开 diff 之前,先让 Copilot 清掉例行检查和修复。

  • 把改动拆成更小、更聚焦的拉取请求,而不是做成一个庞大的变更。你和你的智能体可以用堆叠式拉取请求把有依赖关系的工作拆成小块。这样每个 PR 都能单独评审,依赖关系一目了然,团队也能在你的工作合并之前就基于它继续开发,不会被卡住。
  • 在常规质量问题占用评审时间之前就发现它们。GitHub Code Quality 会对照编码实践和组织的标准检查改动,在问题到达人工评审之前就拦下来,为作者和评审者都省下时间。
  • 让评审帮助与改动规模相匹配。Copilot 代码评审提供自动化反馈:简单改动做轻量分析,复杂改动做深入分析。分析深度可以由你设定,也可以让 Copilot 为每个拉取请求自行选择。
  • 把安全检查覆盖到更多代码库。AI Scan 能发现 CodeQL 覆盖范围之外的语言和文件中的漏洞。AI 密钥检测有助于识别模式匹配可能漏掉的非结构化密钥,比如密码。
  • 让新增依赖符合策略。许可证合规会在合并前对照公司规则检查依赖的许可证。GitHub 包防火墙目前对 npm 处于公开预览阶段,可以拦截违反已配置安全策略的下载。
  • 无需盯着每个拉取请求,也能解决发现的问题和后续工作。Agentic Autofix 会针对安全问题提出修复方案,Agent Merge 则自动处理失败的检查、评审意见和合并冲突,帮你让拉取请求持续推进并做好合并准备。如果你做了相应配置,Copilot 甚至会在你的验证步骤全部通过后直接合并拉取请求。

改动更小,常规工作又已提前处理,来回沟通的轮次自然就少了。评审者可以把注意力放在代码是否实现了你的意图、以及哪里可能出问题上。

观察:从上线之后发生的事情中学习

改动通过了审批,部署检查也过了,你终于可以把它从清单上划掉。可第二天早上,值班仪表盘显示间歇性超时,支持团队反馈有几位大客户受到影响。你一边翻日志、查发布历史、对照客户报告,一边还得回答别人“要不要回滚”的追问。昨天还让人安心的“所有检查均已通过”,今天听起来没那么可靠了。

把运维证据和工程上下文放在一起,帮你决定下一步怎么做。

  • 用真实行为检验假设。通过 Fabric 等连接器接入你的可观测性工具和业务数据后,Copilot 可以帮你排查哪些请求或客户群体受到了影响。
  • 把发现记录在有人能跟进的地方。让 Copilot 起草一个 issue,附上支撑证据和验收标准,其中包括针对你发现的故障编写回归测试。
  • 把有用的经验带到后续工作中。查看 Dreaming 给出的改进建议,它会利用会话和仓库活动来帮助完善记忆、技能和代码评审指引。

发布之后想弄清到底发生了什么,往往要在仪表盘、对话记录和提交历史之间来回切换。有了 Copilot 帮忙把这些信息串起来,你就可以记录发现的问题、创建后续 issue,并完善可供未来任务参考的指引。这样你花更多时间决定要改什么,花更少时间重走调查过程。而你的下一份计划,就从人们实际在用的软件中得到的经验出发。

从哪里开始

从你手头已经在做的一项工作入手,把目光放到编码任务之外。它需要哪些上下文?你打算怎么审查和测试?上线之后你怎么判断它是否奏效?

你不必一次性改变整个流程。先从这周最让你头疼的一件事开始,让一个智能体来处理它。之后再逐步扩展到流程的其他环节。当智能体在你整个工作流中都能帮上忙时,你或许终于会觉得自己的效率配得上提交次数了。

我们在 GitHub Universe 2026 的“Agentic Engineering: Past the Pilot”中现场讨论了这个话题。

开始使用 Copilot >

文章 Beyond code generation: A developer’s guide to agentic engineering 首发于 The GitHub Blog。

来源:GitHub Blog · github.blog