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
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:Andrea Griffiths排版:Alan Wang如今,Copilot 已按照公开的 API 定价标准计费。本文将对比直接访问模型 API 与围绕 AI 编程工作流构建的开发体验、策略管理以及 Agent Harness(智能体运行框架)等能力,帮助你了解两者之间的真正价值差异。我经常看到这样一个问题:“既然我可以通过 API 调用同样的模型,为什么还要为 GitHub Copilot
作者:Napalys Klicius排版:Alan Wang通过将 Copilot Code Review 迁移到共享的 Unix 风格代码探索工具,我们围绕 Pull Request 中的代码证据重新设计了智能体工作流,从而降低了代码审查成本,并提升了整体审查效率。给智能体配备更好的工具,它理应完成更好的工作。至少,直觉上是这样认为的。
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
作者:Joe Binder排版:Alan WangGitHub Copilot 正在通过优化上下文管理与模型路由,让每次会话中的 Token 更多地投入到真正有价值的工作中,帮助你更高效地利用 GitHub AI Credits。随着 Copilot 承担越来越多的智能体工作——从任务规划、代码编辑,到调试、代码审查,以及在长时间会话中调用各种工具——效率已不仅仅意味着“使用更少的 Token”,
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。
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
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
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。
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。
不再只是一个纯本地化的体验。今天,我们正式推出:借助远程能力,你现在可以直接通过 GitHub Web 或 GitHub Mobile 应用监控并操控正在运行的 CLI 会话。启用远程会话后,Copilot 会将 CLI 会话活动实时同步到 GitHub。CLI 会显示一个链接和二维码,你可以在另一台设备上打开,用于查看、监控并向该会话发送后续命令。所有活动都会在 CLI 与 GitHub 之间保
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
这不仅仅是自动化带来的效率提升——尽管看到四位“科学家”在不到三天内交付 11 个智能体、4 个技能以及一个全新概念,本身就已经非常惊人——更重要的是,这种开发方式迫使你去优先关注那些真正重要的事情:清晰的架构、完善的文档、充分的测试,以及深思熟虑的设计——这些我们一直知道很重要,但却总是没有时间去做的事情。技术是新的,但原则不是。因此,如果你希望你的智能体表现得像一名工程师,那就要用对待工程师的
你可以在。
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
随着 Copilot 代码审查的不断演进,我们对“好的代码审查”的定义也在变化。2024 年刚开始构建时,我们的目标只是做到足够全面。此后我们发现,开发者真正看重的是高信号的反馈——能够帮助他们快速推进 Pull Request。如今,Copilot 代码审查结合了最先进的模型、记忆能力以及智能体工具调用能力,来执行全面的审查。为了实现这一点,我们通过持续评估循环来优化智能体的判断能力,重点关注三
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。
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
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。
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