登录社区云,与社区用户共同成长
邀请您加入社区
作者:Christopher Harrison排版:Alan Wang管理依赖库更新往往是一项繁琐又重复的工作。了解如何借助 GitHub Copilot App 的自动化功能,轻松处理这类重复性任务。我可能有点偏心,但我觉得 Dependabot 真的非常出色。它可以帮助项目持续保持依赖库为最新版本,确保始终使用安全的第三方库。不过,新的安全漏洞层出不穷,也意味着 Dependabot 会不断创
默认情况下,My work 使用列表视图展示内容,看起来更像一组卡片,适合快速浏览当前工作。如果希望拥有更多控制能力,可以切换到表格视图。表格视图提供了列表视图没有的功能,例如:自定义显示哪些列,调整列的顺序,以及拖拽修改列宽,打造符合自己习惯的工作布局。如果尝试后觉得不适合,也不用担心,你可以随时恢复默认设置,并切换回列表视图。My work面板为你提供了一个统一、集中的工作中心,用来管理所有
作者:Sam Zhang排版:Alan Wang了解 GitHub 中的四款 Agent App 如何帮助你在整个软件开发生命周期(SDLC)中完成需求范围界定、安全保障、逐步发布和功能交付,并且全程无需离开 GitHub。你在 Pull Request 旁边还打开了多少个标签页?想象一下,你正在处理产品免费试用引导流程中的一个新 Issue:将“邀请你的团队成员”这一步设为可选。随着注册量不断增
你还可以调整会话处理任务的方式。从会话标题中,你可以选择其他 Agent,或者为会话启用远程控制。不同的 Agent 可以针对不同类型的工作进行配置,因此你可以根据当前任务的需求选择最合适的 Agent。远程会话则提供了另一种灵活性。你不必只在本地计算机上运行任务,也可以通过 Web 访问同一个会话。你可以启动一个任务,合上笔记本电脑,之后再从其他设备返回这个会话,而无需丢失之前的进度。这些选项并
这是 SDK 中最核心的 API。如果你曾经在 JAX-RS 中编写过@GET端点,或者使用过notifyUi();注解用于声明一个方法,使其成为模型可以调用的工具。注解用于描述每个参数,让模型知道应该传入什么内容。SDK 会负责 JSON Schema 生成、参数解析和调用分发。你只需要编写普通的 Java 方法即可。使用有两个构建前提。启用实验性 API:向编译器传入。如果没有这个标志,注解处
斜杠命令是你直接输入到 GitHub Copilot App 聊天输入框中的文本快捷指令。只需输入,自动补全菜单就会出现,显示当前上下文中可用的命令。这是一个看似简单却潜力巨大的字符,它打开了通往各种快捷工作流的大门,让你能够以全新的方式与 Copilot 协作。如果你是从 CLI 迁移过来的,需要注意一个关键区别:CLI 中的斜杠命令是围绕终端优先的工作流设计的。像添加目录、设置工作目录以及管理
作者:Bria Ford排版:Alan Wang了解如何构建工具来简化你的工作方式 —— 无需编写任何代码。无论你是刚入门,还是根本不从事技术岗位,你很可能已经具备构建自己工具所需的技能。如果你曾想过“我技术不够,做不了那个”,这篇文章适合你。先介绍一下团队。我们是律师、项目经理和业务人员——不是工程师。我们的很多工作往往是重复性的,比如反复审阅同类合同或回答相同的法律问题,之前的指导意见也经常被
作者:Cassidy Williams排版:Alan Wang了解我是如何使用 GitHub Copilot 应用中的堆叠会话和拉取请求,对我一个旧代码库进行现代化改造。我想让你花一点时间看看这张截图,它来自。它很小,图标很多,但它讲述了一个我真的非常兴奋的故事。这张图是一组堆叠的会话。它们是一系列在同一个仓库中的任务,每个会话都建立在前一个会话之上。下面会详细介绍这些内容,但首先,为什么这张截图
DNS 配置本身并不算困难,但步骤繁琐、容易出错,而且通常需要等待较长时间才能知道配置是否正确。借助 GitHub Pages、GitHub Copilot CLI 和 Namecheap Skill,部署自定义域名过程中那些重复性的工作,都可以简化为一次简短的对话:你负责做出决策并确认变更,而工具则负责完成底层配置。如果你一直因为 DNS 配置太麻烦而迟迟没有为项目启用自定义域名,那么这套工作流
作者:Shibani Basava & Carlos Castro排版:Alan Wang深入了解 GitHub Copilot 智能体运行框架如何在多项基准测试中取得出色表现,并实现行业领先的 Token 使用效率,同时保持灵活性,让开发者能够在 20 多种模型之间自由选择。虽然模型提供了底层智能,但真正决定这些智能能否高效发挥作用的,是智能体运行框架。GitHub Copilot 智能体运行框
作者:Matteo Vasirani & Cynthia Joseph排版:Alan WangQubot 是我们内部基于 GitHub Copilot 打造的智能数据分析助手,它允许任何 GitHub 员工使用自然语言直接查询公司的数据。本文将分享我们在构建 Qubot 过程中积累的实践经验与思考。大型数据与分析团队长期以来一直面临一个难题:如何真正实现数据和洞察的自助化访问。几十年来,整个行业都
熟练掌握这些斜杠命令,能够让你对 Copilot CLI 拥有更强的掌控力。随着使用越来越熟练,你的工作流也会变得更加高效、有条理。无论是切换模型、管理上下文,还是在多个项目之间切换,斜杠命令都能帮助你始终保持对整个开发流程的控制。如果你还没有尝试过,不妨现在打开终端,输入,探索更多可用的斜杠命令,还有许多实用功能等待你发现。编码愉快!如果想体验 GitHub Copilot CLI,欢迎阅读官方
更优的智能体编排、更少的任务交接、更快的执行进展——无需新增任何配置或开关。
与的集成进一步升级。很多开发者已经在 JetBrains IDE 中使用 GitHub Copilot 插件,把它当作日常编程搭子。与此同时,Copilot 也早已通过接入 JetBrains AI Assistant。现在,这个合作又向前迈了一步:GitHub Copilot 现已成为 AI Assistant 原生默认智能体的一员,你可以按自己的工作流自由选择最顺手的入口。
作者:Kevin Xu排版:Alan Wang一项全新的仓库级数据集现已在 GitHub 上以 CC0-1.0 协议开放发布,帮助研究人员和开发者从 README、Issue 和 Pull Request 中发现丰富的多语言开发者内容,为构建和训练多语言 AI 提供高质量的数据支持。软件可以使用编程语言编写,但自然语言才是开发者协作的核心。开发者会在 README 中介绍项目如何使用,在 Issu
自定义智能体是一种可以通过 Markdown 文件定义的 GitHub Copilot 智能体。与依赖通用行为的默认智能体不同,你可以明确描述智能体的工作方式、可调用的工具、需要遵循的规范以及输出要求,从而让它在任何运行环境中都保持一致的行为。你创建的每个编码智能体都可以针对特定任务进行定制,成为一个专属的专业智能体。例如,一个通用编码智能体可能会建议如何优化代码;而自定义智能体则能够在每次执行时
作者:Mariko Wakabayashi排版:Alan Wang减少干扰信息后,安全告警会更可靠、更便于处置。本文将介绍我们如何借助具备上下文感知能力的大语言模型推理优化核验流程。密钥扫描在保护开发者与企业组织方面发挥着关键作用。它能够及早捕获泄露的凭证,避免微小疏漏演变为真实安全事件。在 GitHub 的海量业务规模下,即便是轻微的低效问题也会造成显著使用阻碍。过多的误报会降低告警信息的可信度
基于这些结果,我们总结出了三个规律。许多智能体执行轮次实际上都是确定性的数据获取过程。Auto-Triage Issues 在 gh-aw 中取得了最显著且持续的优化效果(修复后的 109 次运行中降低了 62%),因为这次优化消除了结构性的低效问题:大量智能体执行轮次都花费在无需推理的数据读取上,例如获取 Issue 元数据和扫描标签。将这些读取操作移动到智能体启动之前,由预处理 CLI 步骤完
交互模式是一种类似聊天的来回交互体验。当你启动 GitHub Copilot CLI 并进入 Copilot 后,你实际上已经处于交互模式中——这是默认模式。而非交互模式则是一种独立选项,适用于你只需要快速获得一次性答案,而不想进入完整会话的场景。(后面我们会详细介绍非交互模式。在交互模式下,你可以向 GitHub Copilot 提出问题,查看它的回答,然后在同一个会话中继续追问、补充需求或输入
作者:Cassidy Williams排版:Alan Wang看看我们如何在 Rubber Duck Thursday 直播活动中,利用 GitHub Copilot CLI 从零开始打造一个 Emoji 列表生成器。每周,GitHub 团队都会举办一场名为的直播活动。在直播中,我们会现场构建项目、与社区开发者共同协作,并解答大家提出的各种问题。本周,我们使用一起完成了一个非常有趣的小项目!接下来
在你的 IDE 中协同编写,外加运行在 GitHub 上、用于闭合 PR 工作流的远程 GitHub Copilot Coding Agent。这就是。
作者:Nick McKenna & Bartek Perz排版:Alan Wang了解 Rubber Duck 如何为 GitHub Copilot CLI 带来不同的思路与视角。当你让一个编码智能体构建数据管道时,它未必会采用最优结构。但如果在执行方案之前,让它先获得“第二视角”呢?今天,在中,我们以引入。它利用来自不同 AI 模型家族的第二个模型,作为独立评审者,在关键时刻对智能体的计划与执行
这意味着你可以把任务交给 Copilot,去处理其他待办事项,然后再回到终端中查看结果并提出进一步修改请求——整个过程无需打断工作流,也无需切换工具。GitHub Copilot CLI 将 Copilot 的智能体 AI 能力直接带入命令行界面(CLI)中,使其成为你日常使用的终端/控制台工具之一(并且能够访问你代码仓库的完整上下文)。以及 GitHub 博客文章),我们将探索如何直接在终端中使
作者:Andrea Griffiths排版:Alan Wang学习如何将 Copilot SDK 集成到 React Native 应用中,以生成由 AI 驱动的 issue 摘要,并采用适用于生产环境的优雅降级和缓存模式。Copilot SDK 让你可以将驱动的同款 AI 添加到你自己的应用中。我想看看它在实际中的效果如何,于是我构建了一个名为 IssueCrush 的 issue 分类应用。下
学习如何使用 GitHub Advanced Security 保护你的项目,并确保它们的安全性。
作者:Ari LiVigni排版:Alan Wang一份动手实践指南,讲解如何使用 GitHub Copilot CLI 从意图出发,逐步生成可供审查的代码变更,以及这些工作如何自然地流转到你的 IDE 和 GitHub 中。大多数开发者早已在终端中完成实际工作。我们在终端中初始化项目、运行测试、调试 CI 失败,并在代码准备好评审前进行快速、机械性的修改。正是契合了这种工作方式:它帮助你直接在终
任务流是 YAML 文件,用于描述我们希望通过 LLM 完成的一系列任务。借助它们,我们可以编写提示词来完成不同任务,并让任务之间相互依赖。框架负责按顺序运行这些任务,并将一个任务的结果传递给下一个任务。例如,在审计一个代码仓库时,我们首先根据功能将仓库划分为不同组件。然后,对于每个组件,我们会收集一些信息,例如其接收不可信输入的入口点、预期权限以及组件用途等。这些结果会被存储在数据库中,为后续任
作者:Landon Cox & Jiaxiao Zhou排版:Alan WangGitHub Agentic Workflows 构建于隔离、受限输出以及全面日志记录之上。了解我们的威胁模型和安全架构如何帮助团队在 GitHub Actions 中安全运行智能体。无论你是开源维护者还是企业团队的一员,早上醒来看到文档修复、新的单元测试以及重构建议,都会是一个真正的“aha”时刻。但自动化也带来了一
作者:Carie Fisher排版:Alan WangAI 自动化处理无障碍反馈的分类工作,使我们能够专注于修复障碍——将混乱的积压转变为持续、快速的解决方案。多年来,在 GitHub 上,无障碍反馈一直没有一个明确的去处。与典型的产品反馈不同,无障碍问题不属于任何一个单一团队——它们横跨整个生态系统。例如,一位屏幕阅读器用户可能会报告一个涉及导航、身份验证和设置的工作流程中断的问题。一位仅使用键
主容器(Nginx)保持精简与专注 —— 只负责提供 HTML 和代理请求。它对 AI 或技能一无所知。Sidecar 1(Copilot Agent)封装所有 AI 逻辑。它使用 GitHub Copilot SDK,管理会话并生成内容。它与 Pod 其余部分的唯一耦合点是环境变量和共享卷。容器镜像支持跨平台构建 —— Node.js 通过官方二进制安装并自动检测架构,确保同一 Dockerfi
作者:Don Syme & Peli de Halleux排版:Alan Wang探索现已进入技术预览阶段的 GitHub Agentic Workflows。通过在 GitHub Actions 中使用编码智能体构建自动化流程,处理问题分流、文档编写、代码质量检查等任务。想象一下,某天早晨你打开仓库时感到格外安心,因为你看到:Issues 已完成分流并打好标签CI 失败已被调查,并附有建议修复方
Copilot 的跨智能体记忆系统使各类智能体能够在整个开发工作流中学习和改进,涵盖从编码智能体、CLI 到代码审查。
了解我是如何管理上下文以保持 Copilot 的专注度,如何借助 Plan Agent 将模糊需求梳理清晰,以及如何通过强制采用测试驱动开发(TDD)实践,在问题到达用户之前捕获缺陷。
Taskflow 是一种 YAML 文件,用于描述我们希望借助 LLM 完成的一系列任务。通过这种方式,我们可以为不同任务编写提示词,并让任务之间形成依赖关系。seclab-taskflow-agent 框架负责按顺序执行这些任务,并将一个任务的结果传递给下一个任务。例如,在审计 CodeQL 告警结果时,我们首先需要获取代码扫描结果。随后,对于每一条结果,我们可能会有一系列需要检查的任务。例如,
斜杠命令是一种简单的指令,比如/clear或/session,用来明确告诉 Copilot 你想做什么。它们都以开头,会立即触发 Copilot 执行具备上下文感知能力的操作。要开始使用斜杠命令,打开 Copilot CLI,输入,即可看到可用命令列表。借助 Copilot CLI 中的斜杠命令,你可以让常见的工作流任务变得快速且可重复。在不离开终端的情况下,你就能对上下文、作用范围和自动化能力进
传统的 AI 助手往往追求“全能”——试图回答你抛给它的任何问题。质量不一致:一个模型同时写代码、做数据分析、生成创意内容,很难在每个领域都达到专业水准上下文污染:不同任务的提示混在一起,容易导致模型输出不稳定优化困难:为一种任务类型调优提示,可能会对其他任务的表现产生负面影响开发门槛高:从零构建智能体,需要处理规划、工具编排、上下文管理等复杂逻辑GitHub 提出了一种革命性的思路——与其强迫开
作者:Mario Rodriguez排版:Alan Wang目前处于技术预览阶段,GitHub Copilot SDK 可作为一个可编程层集成到任何应用中,用于进行规划、调用工具、编辑文件以及运行命令。从零开始构建 Agentic 工作流很难。你需要在多轮交互中管理上下文、编排工具和命令、在不同模型之间进行路由、集成 MCP 服务器,并仔细考虑权限、安全边界以及失败模式。甚至在真正触及你的产品逻辑
混合 AI 模型是在同一个应用中,有策略地将本地运行的小语言模型(SLM)与基于云的大语言模型(LLM)结合起来,并根据任务的不同特性,为每个任务选择最合适的模型。核心原则敏感数据的本地处理:隐私敏感内容的分析在本地设备上完成云端用于价值创造:复杂推理和创造性生成依赖云端能力成本与性能的平衡:高频、简单任务在本地运行,以减少 API 成本于 2026 年 1 月 22 日 以技术预览形式发布,是
项目通过自定义 Copilot Skill()来明确以下内容:PR 分析行为模式博客文章结构要求重大变更的优先级策略代码片段提取规则这种基于 Skill 的方式,使 AI 智能体能够专注于特定领域任务,从而产出更高质量的结果。本文通过 agent-framework-update-everyday 项目,展示了如何使用 GitHub Copilot SDK 构建实用的自动化系统。将 AI 智能体作