正文 · AI 翻译
今年10月，GitHub 在一周内收到了超过12亿次提交，比一年前增长了400%以上。这比 GitHub 在2025年全年收到的提交次数还多。你现在生成的代码很可能比一年前更多。但请问问自己：你觉得自己的工作效率比去年提高了400%吗？构建软件需要的不只是一个好的提示词。随着 AI 加快实现速度，软件开发者在其他环节感受到了更大压力：Faros AI 的一项研究发现，当团队的 AI 使用程度从低变高时，拉取请求在审查阶段停留的时间延长了441%。作为软件开发者，你需要收集需求并指导实现，审查变更并评估测试结果，然后调查生产环境中发生的情况。智能体可以帮助你在所有这些阶段更高效地工作：规划、构建、验证和观察。下面我们将介绍在 GitHub 上，有效的智能体工程工作流程是什么样的。规划：让所有人和每个智能体达成共识。看看下面的情景是否似曾相识。你正在规划一项 API 变更。设计方案在一个工具里，某项兼容性要求埋在 Slack 消息中，而一个旧的拉取请求解释了当前实现为什么采用这种方式。在写出有用的计划之前，你需要把这些细节串联起来，比较不同方案，并就如何让现有客户端继续正常运行达成一致。原本看似简单的规划任务，变成了花几个小时搜索、交叉核对和追寻答案。实现工作还没开始，你就已经筋疲力尽。你可以使用 Copilot，将这些分散的背景信息汇集到一处，权衡利弊，并把决策转化为实施计划。在团队已经使用的地方共同规划。在 Slack 或 Teams 中使用 Copilot，与所有相关人员协作，包括产品经理、设计师、分析师和业务利益相关者。引入已连接工具中的背景信息，让团队能够核实假设、提出想法并共同完善需求。将达成一致的需求转化为可执行的工作。让 Copilot 创建 GitHub Issues，写入实现所需的背景信息和验收标准，并拆分出可以分别处理的任务。别让常规分类处理占用规划时间。使用 GitHub Agentic Workflows 为议题添加标签并估算任务复杂度。将低复杂度任务直接分配给 Copilot，然后把时间用在更困难的决策上。为复杂工作做好必要的规划。在你偏好的 Copilot 使用界面中使用 Plan Mode，比较方案并完善实施计划。审查并批准计划，然后再交给 Copilot 开始实现。过去需要花几天搜索和收集背景信息的工作，现在能产出可供审查的计划、明确的验收标准和范围清晰的议题，让你把时间花在决策上，而不是查找资料上。确定方案后，你也已经为自己和智能体实施计划做好了准备。构建：同时推进不止一项任务。你准备把计划变成代码了。但生活总有别的安排。你的智能体刚完成任务的一半，下一场会议5分钟后开始，而你的狗已经盯着门看了20分钟。接着，会议上有人指出实现中需要处理的一个边界情况。所有人同时都需要你做点什么。你希望继续推进工作，却无法同时出现在3个地方。你可以让工作持续推进，而不必守在最初开始工作的那台电脑旁。在另一台设备上继续对话。会话连续性让你能够跨客户端接续同一个 Copilot 会话，方便你在合适的地方工作。合上笔记本电脑后，让工作继续进行。Copilot 在云端沙盒中运行任务，执行过程不占用你的机器，让你可以离开，稍后再回到会话。处理不同任务时，不让各自的修改混在一起。Copilot 应用会为会话提供隔离的仓库副本，因此实现任务和文档更新不会共用尚未完成的工作树。将项目知识带入每项任务。仓库指令记录约定和验证命令，共享记忆则储存 Copilot 可在整个仓库中复用的有用信息。Copilot Dreaming 会回顾符合条件的会话和拉取请求反馈，以更新记忆，并提出更新指令或技能的建议。这意味着你不必反复解释团队的工作方式，Copilot 在不同任务中也能提供更一致的帮助。让模型与工作相匹配。选择 Copilot Fusion，根据任务选择模型和推理深度，并在需要时引入其他模型审查解决方案。你可以设定投入程度，在质量、成本和响应时间之间取得平衡。无论在哪里工作，都遵循公司规则。企业托管设置会将公司的政策和已配置的工具带到各个 Copilot 使用界面，减少你在不同客户端之间切换时的设置差异。编写代码不只是给大语言模型发出一个提示词，然后看看它返回什么。面对比以往更多的工作，你可能难以维持编码标准并按时交付项目。Copilot 利用共享的项目知识帮助各项任务独立推进，同时让你能跨设备接续上次的会话。这使你有更多余力处理实现过程中的决策和随时出现的变更。工作完成时，你也会得到范围集中的变更，供你审查。验证：把注意力放在关键之处。你花了1个小时协调智能体，让它们朝正确方向推进，觉得大家终于取得了不错的成果。于是，你打开一个标为“小型重构”的拉取请求。它修改了47个文件。你想得到关于共享验证逻辑的反馈，但相关变更淹没在调用该逻辑的每个端点的更新、格式调整，以及数百行生成的测试代码之中。看到团队审查看板上没完没了的拉取请求列表，你不禁想知道这个请求需要多久才能获批。那条审查队列，就是441%这个数字在实践中的体现。你可以从两端缩短等待时间：让你的变更更容易供人审查，并让 Copilot 在任何人打开差异视图之前完成常规检查和修复。使用多个更小、更聚焦的拉取请求，代替一次性提交庞大的变更。你和智能体可以使用堆叠式拉取请求，将相互依赖的工作拆成更小的部分。这样，每个拉取请求都能单独审查，依赖关系保持清晰，团队也能在你的工作合并之前以其为基础继续开发。及早发现常规质量问题，避免它们占用审查时间。GitHub Code Quality 会根据编码实践和你所在组织的标准检查变更，在问题到达人工审查者面前之前发现它们，为作者和审查者节省时间。获得与变更相匹配的审查帮助。Copilot 代码审查提供自动反馈，对简单变更进行较轻量的分析，对复杂变更进行更深入的分析。你可以自行设定分析深度，也可以让 Copilot 为每个拉取请求选择。检查代码库中更广范围的安全问题。AI Scan 能在 CodeQL 覆盖范围之外的语言和文件中发现漏洞。AI 密钥检测有助于识别密码等非结构化机密信息，这些信息可能被模式匹配漏掉。确保新增依赖符合政策。许可证合规性检查会在合并前根据公司的规则检查依赖的许可证。GitHub package firewall 目前针对 npm 处于公开预览阶段，可以阻止违反已配置安全政策的下载。无需时刻盯着每个拉取请求，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 则会自动处理未通过的检查、审查意见和合并冲突，帮助你持续推进拉取请求，为合并做好准备。而且，如果你进行相应配置，验证步骤通过后，Copilot 甚至会合并你的拉取请求。变更更小，加上常规工作已经处理完毕，意味着需要反复沟通的次数更少。审查者可以把注意力放在代码是否实现了你的意图，以及可能出现什么问题上。观察：从发布后的情况中学习。你的变更获得批准，部署检查通过，你终于可以把它从待办清单上划掉。第二天早上，你的值班仪表板显示间歇性超时，支持团队报告称有几家大客户受到影响。现在，你一边对比日志、发布历史和客户报告，一边有人问你是否应该回滚。“所有检查都通过了”这句话，听起来不如昨天那么令人安心。将运行证据和工程背景信息汇集起来，以便决定该怎么做。用实际运行情况检验假设。通过 Fabric 等连接器访问可观测性工具和业务数据后，Copilot 可以帮助调查哪些请求或客户群体受到影响。把调查结果记录在有人能够据此采取行动的地方。让 Copilot 起草一个议题，附上支持性证据和验收标准，包括针对你发现的故障的回归测试。将有用的经验带入未来的工作。审查 Dreaming 建议的改进；它利用会话和仓库活动，帮助完善记忆、技能和代码审查指导。弄清发布后发生了什么，可能让你在仪表板、对话和提交历史之间来回切换。有了 Copilot 帮助关联这些信息，你可以记录发现、创建后续议题，并改进未来任务可用的指导。你可以把更多时间用于决定需要改变什么，少花时间重复调查过程。而且，你的下一份计划将从人们实际使用软件的过程中获得的经验出发。从哪里开始？选取一项已经在你待办清单上的工作，把目光放到编码任务之外。它需要哪些背景信息？你将如何审查和测试它？它发布后，你如何知道它是否按预期运行？你不必一次改变整个流程。先从本周最让你头疼的一件事入手，让智能体来处理。然后，随着时间推移，将这种做法扩展到流程的其他环节。当智能体能在整个工作流程中提供帮助时，你或许终于会感觉自己的效率与提交次数所显示的一样高。我们在 GitHub Universe 2026 的“Agentic Engineering: Past the Pilot”现场讨论了这个主题。开始使用 Copilot > 文章《超越代码生成：开发者的智能体工程指南》最初发表于 The GitHub Blog。