登录社区云，与社区用户共同成长
邀请您加入社区
作者：Tanmayee Kamath排版：Alan WangVisual Studio 中最好的 AI，就是你可以带在身边的 AI。如今，开发者已经不再只使用单一模型。你可能会选择一个模型用于日常编码，另一个模型解决特定领域的问题，还可能使用一个经过组织批准的模型，以确保相关工作始终符合企业的治理要求。因此，我们最常听到的问题已经不是“哪个模型最好”，而是：“我可以使用自己的模型吗？
作者：Burke Holland排版：Alan Wang一个基于 GitHub Copilot 的实用开发工作流：覆盖软件原型设计、规划、实现与代码审查，无需追逐每一个新 AI 工具。如果你现在正被 AI 搞得不知所措，你并不孤单。每天似乎都会冒出一个新的工具、新的 MCP、新的模型、新的 Skill、新的工作流、新的功能，还有新的社交媒体帖子，内容大概都是：“嘿！看这个神奇提示词，我已经彻底搞懂
作者：卢建晖 - 微软高级云技术布道师排版：Alan Wang。
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
EvalAgentic 的 README 中描述了三张关键图：架构流程图、路由决策树以及 Token 计量设计图。↓↓↓↓↓↓在演示中，一个三行叙事通常非常有效：Token 不再只是技术细节，而是架构的真实账单。EvalAgentic 展示了同一场景在成本感知设计前后的差异。优化目标不是让模型更便宜，而是让智能体系统具备经济可治理性。面向开发者的更精炼版本：一个优秀的智能体系统，不会在所有地方都使
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
边缘 AI 值得关注的原因并不在于“新奇”，而在于经济规律和物理规律恰好指向了同一个方向。从Token 经济学的角度来看，云端推理的每个 Token 都需要持续计费，其边际成本永远无法降为零；而边缘推理则通过一次性的硬件投入，让后续 Token 的边际成本不断趋近于零。对于高频调用、交互密集以及隐私敏感的工作负载而言，这并非微不足道的成本优化，而是一种结构性的优势。NPU则是让这一模式真正可行的关
一份审查智能体生成 Pull Request 的实践指南：重点关注哪些内容、问题容易隐藏在哪里，以及如何在代码上线前识别并消除技术债务。
AI Runway 是一个 Kubernetes 原生的平台，用于部署和管理大语言模型。它的核心理念是通过一个统一的 Kubernetes CRD ——来描述模型部署意图。随后，AI Runway Controller 会基于不同 Provider 的能力，选择或委派给对应的 Provider 专属 Controller。该项目这样描述自己：在 Kubernetes 上部署和管理大语言模型 ——
作者：卢建晖 - 微软高级云技术布道师排版：Alan Wang大家好！我是 oBeaver 的创建者。这个项目起源于一个非常简单的想法：我想在自己的电脑上运行大语言模型。不把数据发送到云端，不需要 API Key，也没有按调用计费。我猜你可能也有过类似的想法。市面上已经有一些很优秀的工具——其中最知名的就是 Ollama。
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
你可以在。
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
看看 GitHub Copilot SDK 如何让智能体式工作流直接嵌入到你的应用中。
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
作者：Andrea Griffiths排版：Alan WangAI 正通过便利性循环重构开发者偏好。Octoverse 2025 揭示了 AI 兼容性正如何成为技术选择的新标准。你是否有过这样的体验：某种感官触发会瞬间把你拉回人生中的某个时刻？对我来说，那就是 Icy Hot。只要闻到那个味道，我就仿佛回到军队里清晨 5 点集合的时刻。肩膀绷紧，身体记忆被唤醒。这并不理性，这只是记忆的运作方式。我
宣布 GitHub Security Lab Taskflow Agent——一个面向安全研究的开源协作框架。
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，
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
