GitHub 发布开发者指南:用 Copilot 覆盖规划、编码、审查与排查全流程
来源标题:Beyond code generation: A developer's guide to agentic engineering
GitHub 发文介绍“agentic engineering”实践,梳理如何用 GitHub Copilot 在规划、写代码、审查变更和排查生产问题各环节提效。文中提到 GitHub 单周提交量已超 12 亿次,同比增长逾 400%;但 Faros AI 研究显示,团队 AI 采用率从低转高后,PR 审查停留时间延长了 441%。文章同时指出哪些工作仍需开发者自行判断。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
写代码变快了,但围绕代码的工作并没有。看看如何用 GitHub Copilot 来规划、编写代码、审查改动和排查生产环境问题,以及哪些工作仍然需要你的判断。
8 分钟
分享:
今年十月,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 在整个 2025 年收到的提交还要多。很可能,你现在生成的代码比一年前更多了。但问问自己:你觉得自己比去年高效了 400% 吗?
构建软件不只是写好一个 prompt 那么简单。当 AI 加速了实现环节,软件开发者在其他方面感受到了更大的压力:Faros AI 的一项研究发现,当团队从低 AI 采用率转向高 AI 采用率时,pull request 在审查环节停留的时间延长了 441%。
作为软件开发者,你需要收集需求并引导实现、审查改动并评估测试结果,然后排查生产环境中发生的问题。Agent 可以帮助你在所有这些阶段更高效地工作:规划(Plan)、构建(Build)、验证(Verify)和观测(Observe)。我们将梳理在 GitHub 上,一个有效的 agentic engineering 工作流是什么样的。
看看这是不是似曾相识。你正在规划一个 API 变更。设计文档在一个工具里,一条兼容性要求埋在 Slack 里,一个旧的 pull request 解释了为什么当前的实现是这样工作的。在写出有用的方案之前,你需要把这些细节串联起来、比较不同方法,并就现有客户端如何继续工作达成一致。看起来简单的规划任务变成了数小时的搜索、交叉核对和追着人问答案。实现还没开始,你就已经精疲力竭了。
你可以用 Copilot 把这些分散的上下文汇集到一处,梳理各种取舍,并把决策转化为实现方案。
过去需要花几天搜索和收集上下文的工作,现在能产出一份可审查的方案、明确的验收标准和划定范围的问题清单,你的时间花在决策上而不是信息检索上。然后,一旦你确定了方案,你就已经为自己和你的 agent 做好了按方案实施的准备。
你准备好把方案变成代码了。但生活总有别的安排。你的 agent 任务做到一半,下一个会议五分钟后开始,你的狗已经盯着门看了二十分钟。然后会上有人指出实现需要处理的一个边界情况。所有人都同时需要你。你想继续推进,但你不能同时出现在三个地方。
你可以让工作持续进展,而不必被拴在开始工作的那台电脑上。
写代码不是向 LLM 发一个 prompt 然后看看返回什么就完事了。而且手头的工作比以往任何时候都多,维持编码标准并按时交付项目可能很困难。Copilot 通过共享的项目知识帮助任务独立推进,同时让你可以跨设备从上次中断的地方继续会话。这给了你更多空间来处理实现决策和应对随时出现的变化。当你的工作完成时,你已经有聚焦的改动可以审查了。
花了一个小时把 agent 们引向正确的方向后,你觉得一切终于到位了。于是你开了一个标着“小重构”的 pull request。它改了 47 个文件。你想获得关于共享校验逻辑的反馈,但它淹没在对每个调用它的端点的更新、格式改动和几百行生成的测试里。考虑到团队审查板上无穷无尽的 pull request 列表,你怀疑这要多久才能拿到批准。
那个审查队列就是 441% 的现实体现。你可以从两端缩短等待时间:让自己的改动更容易被人审查,并让 Copilot 在任何人打开 diff 之前完成例行检查和修复。
更小的改动加上已经处理好的例行工作,意味着更少的来回沟通。你的审查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。
你的改动通过了审查,部署检查也通过了,你终于可以把它从清单上划掉了。第二天早上,你的值班仪表盘显示间歇性超时,支持团队报告有几个大客户受到影响。现在你在比对日志、发布历史和客户报告,同时有人问你要不要回滚。“所有检查都通过了”感觉不像昨天那么令人安心了。
把运维证据和工程上下文结合起来,这样你才能决定该怎么做。
弄清楚一次发布之后发生了什么,可能会让你在仪表盘、对话和提交历史之间来回奔波。有了 Copilot 帮忙串联这些信息,你可以记录发现的问题、创建后续 issue,并改进可供未来任务使用的指导。你花更多时间决定需要改什么,花更少时间重走排查过程。而你的下一个方案,将从人们实际使用的软件中学到的东西开始。
拿一件你手头已有的工作,把目光放到编码任务之外。它需要什么上下文?你将如何审查和测试它?发布之后你怎么知道它起作用了?
你不必一次性改变整个流程。从这周最让你头疼的一件事开始,让一个 agent 来处理它。然后随着时间推移扩展到流程的其他部分。一旦 agent 在你整个工作流中提供帮助,你可能终于会感觉自己像提交数所显示的那样高效了。
我们在 GitHub Universe 2026 的“Agentic Engineering: Past the Pilot”中现场讨论了这个话题。
Louis Erbkamm 在业余时间构建了第一个原型。现在 GitHub Copilot 帮助他独自维护它。
今天,我们阐述了我们的愿景:让 GitHub 成为世界上最全面的端到端软件交付系统。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。