GitHub
Генерация кодаGitHub CopilotGitHubAgentic WorkflowsPlan ModeИИ-разработка

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

Сергей Сергеев, редактор gen-hub.ru
Сергей Сергеев
Редактор gen-hub.ru
·3 мин чтения
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

Все эти инструменты - уже на Genova-ai

Картинки, видео, музыка, голос и ИИ-чат в одном месте. Без VPN и зарубежных карт.

Картинки
Видео
Музыка
Голос
ИИ-чат
Попробовать бесплатно

Похожие новости

V
Генерация кода

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.

14 ноября3 мин чтения
Hugging Face
Генерация кода

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.

13 ноября3 мин чтения
A
Генерация кода

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.

13 ноября3 мин чтения