GitHub описал, как применять Copilot на всех этапах работы, а не только для кода

GitHub выпустил на своем блоге руководство для разработчиков по agentic-инженерии. Отправная точка - статистика платформы: в одну из недель октября там зафиксировали более 1,2 млрд коммитов, это на 400% больше, чем годом ранее. Код пишется быстрее, но компания признает, что вся остальная работа от этого легче не стала.
Узкое место сместилось
В подтверждение GitHub ссылается на исследование Faros AI: когда команды переходили от низкого уровня использования ИИ к высокому, пулл-реквесты проводили в ревью на 441% дольше. Генерация кода ускорилась, а проверка, согласование требований и разбор проблем в продакшене остались на людях.
Поэтому руководство построено вокруг четырех этапов: планирование (Plan), разработка (Build), проверка (Verify) и наблюдение за работой в продакшене (Observe). В доступной нам части материала подробно разобраны первые два. Что именно GitHub советует для проверки и наблюдения, мы здесь пересказывать не будем.
Планирование: собрать контекст в одном месте
Описанный сценарий знаком многим: дизайн лежит в одном инструменте, требование к совместимости потерялось в Slack, а причину текущей реализации объясняет старый пулл-реквест. Прежде чем составить план, все это нужно найти и сопоставить.
GitHub предлагает поручить сбор контекста Copilot. Конкретные приемы такие:
- обсуждать задачу с продактами, дизайнерами и аналитиками прямо в Slack или Teams через Copilot, подтягивая данные из подключенных инструментов; - просить Copilot заводить GitHub Issues с критериями приемки и разбивать работу на независимые задачи; - отдавать рутинную сортировку GitHub Agentic Workflows: они расставляют метки и оценивают сложность, а простые задачи можно сразу назначать на Copilot; - для сложных изменений включать Plan Mode, сравнивать подходы и утверждать план до того, как агент начнет писать код.
Идея в том, что человек тратит время на решения, а не на поиск. План, который можно проверить, и задачи с понятными критериями нужны еще и самим агентам: чем точнее входные данные, тем меньше правок на выходе.
Разработка: несколько задач параллельно
Второй раздел посвящен тому, что разработчик не может сидеть у одного компьютера весь день. Для этого GitHub называет три механики. Session continuity позволяет продолжить ту же сессию Copilot с другого устройства. Облачные песочницы запускают задачи вне вашей машины, поэтому сессию можно закрыть и вернуться к ней позже. Приложение Copilot, по описанию GitHub, помогает вести отдельные задачи так, чтобы их правки не смешивались.
Что это значит на практике
Материал во многом рекламный: он продвигает связку Copilot, Issues и Agentic Workflows. Но диагноз в нем честный. Если ревью раздувается почти в пять с половиной раз, ускорять написание кода дальше бессмысленно, пока команда не научится так же быстро планировать и проверять. Цифру Faros AI стоит читать как оценку для команд, которые резко нарастили использование ИИ, а не как закон для каждого проекта.
Для тимлидов вывод простой: измерять нужно не число коммитов, а время от идеи до проверенного релиза. Рост коммитов на 400% сам по себе этого не показывает.
Источники
Похожие новости
Vercel Labs выпустила UI SDK: 50+ поведений интерфейса для ИИ-агентов
Vercel Labs открыла бета-версию UI SDK под Apache-2.0: набор из 50+ поведений интерфейса, из которых агенты собирают доступные компоненты для React, Vue, Svelte, Solid и Web Components.
llama.cpp и ggml вышли в версии 1.0.0 и перешли на семантическое версионирование
Команда ggml-org выпустила llama.cpp и ggml v1.0.0. Теперь поломки API и ABI будут отмечать повышением мажорной версии, а сборки появятся в Homebrew, Winget, conda-forge и других каналах.
Amplitude оценивает срок выпуска доработок с агентом Wave в 1-2 дня, раньше уходил месяц
Amplitude рассказала, что ее агент Wave на моделях OpenAI сокращает путь от идеи до релиза с примерно месяца до 1-2 дней. В тесте на своей главной странице число сообщений через карточки-подсказки через день выросло на 160% относительно контрольной группы.