三位 Java Champion 如何用 GitHub Copilot 提升生产力
GitHub 博客采访了 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion,分享在生产与开源项目中使用 GitHub Copilot 的实践。
GitHub 博客采访了 Vlad Mihalcea、Patrick Baumgartner 和 Frank Delporte 三位 Java Champion,分享在生产与开源项目中使用 GitHub Copilot 的实践。
GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续,保留原有对话、代码改动和工作上下文。VS Code 会加载该会话关联的 worktree,并在 Copilot 侧边栏显示原会话,便于逐行审查 diff、手动修改、本地运行测试,最后提交并推送到会话对应的 pull request。
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器,替代此前的 LLM 流水线,在推送后扫描中把用户接受率提升 11.5%、中位扫描执行时间缩短 86%、服务成本降低超 98%。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式:用 .github/copilot-instructions.md 定义仓库级规范,用 .github/instructions 中的 applyTo 字段指定路径级规则,用 .github/skills 下的 SKILL.md 打包可复用流程,用 .github/agents 创建自定义智能体。
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,把 push protection 扩展到无固定格式的密钥,可在 2 毫秒内评估一批候选密钥,并称可让可拦截的密钥数量翻倍以上。
GitHub 发布 AI 代码评审离线基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布特征,构建了覆盖 19 种语言、219 个公开 PR 的评测集。
GitHub 博客提出 AI 时代开发者应强化的三项技能:学会指挥 AI 智能体而非仅使用它,不轻信 AI 的第一个答案,以及用 AI 节省的时间去解决更大的问题。文章以新增认证流程为例,展示开发者如何从逐行写代码转为定义任务、审阅多个智能体产出并做技术决策。文中还提到 GitHub Copilot 内置的 Rubber Duck 智能体,会用第二个模型对计划、代码和测试提出批评。
GitHub Copilot 应用中的 canvases 是可自定义的双向界面,用户只需在 agent 会话中输入 /create-canvas 并用自然语言描述工作流,agent 即可生成看板、发布清单或仪表盘等界面。用户与 agent 可同时操作同一画布,点击按钮或移动卡片会即时同步,无需额外发送或同步步骤。画布可保存为扩展供团队共享或个人复用,Awesome Copilot 已提供现成扩展。