关注【索引目录】服务号，更多精彩内容等你来探索！
发生了什么：GitHub 的云端代理自动起草 PR
GitHub 宣布了 Copilot 的一项重要新功能：
GitHub 在Microsoft Build 2025 大会期间发布了 Copilot 的重大升级：一个基于云端的编码代理，能够直接在 GitHub 内部起草和迭代拉取请求。之前的 Copilot 体验主要集中在通过 VSCode 提供编辑器内协助，而这个新代理则在云端异步运行，利用了类似于 GitHub Actions 的基础架构。
开发人员现在可以直接通过 GitHub 或 VSCode 分配任务：
@github 提交拉取请求，将此查询生成器重构为一个独立的类。Copilot
代理可以自主处理各种任务：创建分支、根据代码审查意见迭代 PR，以及更新提交直至工作被接受——所有这些都无需触及受保护的分支。至关重要的是，现有的 CI 管道、分支保护和审查工作流保持不变，确保“设计即信任”。
通过添加 MCP，开发人员甚至可以通过在存储库设置中直接配置服务器来授予代理访问外部工具和数据的权限。这使我们从实际实现中抽离出来，从而可以专注于描述任务。这与 Codex Agents 以及其他为代理提供计算能力以运行和进行编码的方案相一致。它也与更广泛的无头代理（即独立运行、完成任务并在工作准备好进行审核时进行报告的代理）趋势相呼应。
社区反应：敬畏、谨慎、恐惧和疑问。
就我个人而言，使用 GitHub Copilot Agent 执行低级任务时，体验非常愉快。当我直接在 PR 中（或通过 VSCode 的聊天栏）执行一些典型的 GitHub 操作时，我感到一阵“哇”的惊喜。它的速度令人印象深刻，开发者体验也恰到好处。
在深入研究社区反馈时，我们发现 Copilot 的编码代理既有兴奋、好奇，也有合理的怀疑。“节省时间”是普遍的赞誉。用户喜欢该代理的 PR 草稿和日志，它能让他们清晰地看到正在发生的事情，并且保留了何时/是否合并的选择权。与我的经验类似，用户也表示他们发现 Copilot 在低级任务上表现良好。
GitHub 的 Copilot 编码代理产品负责人对此回复道：
社区中也有一部分人担心，将编码工作交给AI后，人类的工作可能会沦为日常的琐事：整天提交详细的JIRA工单，并对AI生成的代码进行审批。此外，用户还担心这会对初级开发者造成什么影响。GitHub CEO对此的看法是：
在这个时代，有人声称人工智能发展越快，入门级开发者的机会就越少，但我认为事实恰恰相反。现在正是加入我们这个行业的最佳时机。
在这个时代，有人声称人工智能发展越快，入门级开发者的机会就越少，但我认为事实恰恰相反。现在正是加入我们这个行业的最佳时机。
基于这一担忧，安全和政策问题也随之而来。例如，代理是否会无意中泄露敏感信息，例如在 PR 中包含密钥？更复杂的是，一些开发者指出，使用 AI 代理的好处并非唾手可得。只有预先投入精力才能真正获得回报；例如，撰写一份清晰的可接受标准，并具备完善的问题描述。
喜欢了解人工智能原生开发领域 (AIND) 的最新动态吗？为了方便大家，我们每周都会免费发送一份由 7,000 多位 AI 爱好者撰写的简洁单页
文章，直接发送到您的邮箱！ 附言：我正在帮助建立AIND 社区，我们在这里报道最相关的开发者新闻。
AIND 的做法：减少繁重工作，培养新习惯
GitHub 正在发展成为一个 AI 增强型开发平台。正如Actions Marketplace的历史性增长一样，我们可以预期Copilot Extensions中的工具数量将大幅增加，这将使 Copilot 更加强大，并涵盖开发工作流程的更多方面。
以历史为类比，这类似于 DevOps 革命或向云/无服务器计算的转变：日常的基础设施工作被抽象出来，使开发人员能够专注于更高层次的逻辑。同样，Copilot 代理可以抽象出大量繁琐的工作。
这也是一项新技能：在编码过程中提示和监督人工智能。正如持续集成/持续交付 (CI/CD) 和云计算催生了新的角色一样，人工智能代理也可能催生出“人工智能编排工程师”之类的新角色。我猜想，我们会看到越来越多的人工智能原生初创公司尝试让多个代理协作。
我们认为一个用例是使用任务依赖型代理：一个代理可以生成代码，另一个代理负责审核；或者一个代理专攻前端，另一个代理专攻后端，协调问题和 PR。GitHub 的基础设施可以支持这种多代理工作流，尤其是在 MCP 允许链接不同的 AI 服务的情况下。
从开发者的角度来看，为了迎接以 AI 为中心的未来，我们建议在使用 Copilot 的 Agent 时采取一些具体步骤。首先，编写清晰、详细的任务/问题/PR 描述并附带验收标准将成为一项宝贵的技能。即使对于人类合作者来说，这也不失为一种好习惯，但对于 AI 来说，它至关重要。这有助于培养与机器沟通代码意图的能力。
其次，投资测试。AI 代理依靠测试来确保自身没有破坏系统，这一前景极具吸引力。高测试覆盖率可以使代理成为可靠的贡献者，而低覆盖率则会使其成为严重的风险。强化自动化测试和持续集成 (CI) 流程可以帮助您的项目更充分地从 AI 的参与中获益。
最终目标是让AI自行起草，而你负责指导/完善。在这个新时代，蓬勃发展的开发者将是那些拥抱以规范为中心的开发方式的开发者；他们能够精准地引导AI，塑造代码，并通过测试进行验证。
关注【索引目录】服务号，更多精彩内容等你来探索！