GitHub Copilot 正在改变游戏规则吗？

由 Mux 主办的 DEV 全球展示挑战赛：展示你的项目！

事件经过：GitHub 的云端代理自动起草 PR

GitHub 为 Copilot 发布了一项重要的新功能：

在Microsoft Build 2025大会上，GitHub 发布了 Copilot 的一项重大升级：一个基于云的代码助手，能够直接在 GitHub 中创建和迭代 pull request。之前的 Copilot 主要通过 VSCode 提供编辑器内辅助，而这个新的助手则在云端异步运行，利用了类似于 GitHub Actions 的基础架构。

开发者现在可以直接通过 GitHub 或 VSCode 分配任务：

@github 请提交一个 pull request，将此查询生成器重构为一个独立的类。Copilot
代理能够自主处理任务：创建分支、根据代码审查意见迭代 PR，并更新提交直到工作被接受——所有这些操作都不会触及受保护的分支。至关重要的是，现有的 CI 流水线、分支保护和审查工作流程都保持不变，从而确保“基于信任的设计”。

借助 MCP，开发者甚至可以通过在代码库设置中直接配置服务器，授予代理访问外部工具和数据的权限。这使我们无需关注实际的实现细节，从而能够专注于描述任务。这与 Codex Agents 以及其他为代理提供计算资源以运行和编码的方案相一致。它也契合了无头代理（即独立运行、完成任务并在工作完成后返回以供审核的代理）的更广泛发展趋势。

社区反应：敬畏、谨慎、恐惧和疑问。

就我个人而言，使用 GitHub Copilot Agent 执行一些底层任务的体验非常棒。当我直接在 PR 中（或通过 VSCode 的聊天栏）执行典型的 GitHub 操作时，我感到非常惊喜。速度快得惊人，开发者体验也无可挑剔。

深入探究社区的反馈，我们发现 Copilot 的代码代理展现出兴奋、好奇和理性怀疑的复杂情绪。“节省时间”是普遍的赞誉。用户喜欢代理的 PR 草稿和日志功能，让他们能够清晰地了解整个过程，并且保留了合并时机的选择权。与我的体验类似，用户也表示 Copilot 在处理底层任务方面表现出色。

对此，GitHub 负责 Copilot 编码代理的产品负责人回复道：

部分社区成员也担心，将编码工作交给人工智能后，人类的工作可能会沦为繁琐的监督工作：整天填写详细的 JIRA 问题单，并对人工智能生成的代码进行简单的审批。此外，用户还对这种做法对初级开发人员的影响表示担忧。GitHub CEO对此的看法是：

在有些人声称人工智能的普及意味着入门级开发人员机会减少的时代，我认为事实恰恰相反。现在正是加入我们行业的最佳时机。

在有些人声称人工智能的普及意味着入门级开发人员机会减少的时代，我认为事实恰恰相反。现在正是加入我们行业的最佳时机。

基于这种担忧，安全性和策略方面的问题也随之出现。例如，代理是否会无意中泄露敏感信息，比如在 PR 中包含密钥？更复杂的是，一些开发者指出，使用 AI 代理的好处并非唾手可得。只有前期投入精力，例如编写清晰的问题描述和明确的验收标准，才能真正获得回报。

想随时掌握 AI 原生开发 (AIND) 领域的最新动态吗？我们为忙碌的您准备了一份精简的单页简报，每周都有超过 7000 位 AI 爱好者阅读——免费直接发送到您的邮箱！
附：我正在帮助构建AIND 社区，我们在这里报道最相关的开发者新闻。

AIND观点：抽象化繁琐工作，培养新习惯

GitHub 正在向人工智能增强型开发平台演进。正如Actions Marketplace的历史性增长一样，我们可以预期Copilot Extensions中的工具数量将会出现激增，这将使 Copilot 功能更加强大，并覆盖开发工作流程的更多方面。

从历史上看，这类似于DevOps革命或向云计算/无服务器计算的转变：繁琐的基础设施工作被抽象化，使开发人员能够专注于更高层次的逻辑。同样，Copilot代理也可以抽象化大量繁重的工作。

这同时也是一项新技能：在编码过程中引导和监督人工智能。正如持续集成/持续交付 (CI/CD) 和云计算催生了新的岗位一样，人工智能代理也可能催生出诸如“人工智能编排工程师”之类的新岗位。我预计，我们将看到越来越多的人工智能初创公司尝试让多个代理协同工作。

我们认为一个可行的应用场景是使用任务相关的智能体：一个智能体可以生成代码，另一个智能体可以审查代码；或者一个智能体专注于前端，另一个专注于后端，并通过 issue 和 PR 进行协调。GitHub 的基础设施可以支持这种多智能体工作流，尤其是在 MCP 允许链接不同的 AI 服务的情况下。

从开发者的角度来看，为了迎接以人工智能为中心的未来，在使用 Copilot 的 Agent 时，我们建议采取以下几个具体步骤。首先，编写清晰、详细的任务/问题/PR 描述以及验收标准将成为一项宝贵的技能。即使对于人类协作者来说，这也是一种良好的实践，但对于人工智能而言，这一点尤为重要。这有助于培养与机器沟通代码意图的能力。

其次，要重视测试。人工智能代理需要依靠测试来确保自身没有破坏系统，这本身就是一个巨大的激励。高测试覆盖率能使代理成为可靠的贡献者，而低覆盖率则会使其成为严重的风险。加强自动化测试和持续集成（CI）流水线，有助于项目更充分地受益于人工智能的参与。

最终目标是让AI自动生成代码草稿，而你则负责引导和完善它。在这个新时代，能够脱颖而出的开发者将是那些拥抱以规范为中心的开发方式的人：他们能够精准地引导AI，精心编写代码，并通过测试进行验证。