大数跨境

AI新手村!Git + GitHub:AI 编程必不可少的两个工具

AI新手村!Git + GitHub:AI 编程必不可少的两个工具 AI大模型-木子
2026-11-16
0
导读:AI 把「写代码」这道关打通了。麻烦换了个地方——现在卡住你的是「它到底改了什么」和「改坏了怎么退」。这两件事,刚好是 Git 和 GitHub 的活。

AI 把「写代码」这道关打通了。麻烦换了个地方——现在卡住你的是「它到底改了什么」和「改坏了怎么退」。这两件事,刚好是 Git 和 GitHub 的活。

一、先说结论

在 AI 编程里,Git 已经不只是「版本管理工具」,GitHub 也不只是「代码托管平台」。

它们现在干的是两件更硬的事:

•Git 负责划定可回滚的最小单位
•GitHub 负责设置AI 产出的准入门槛

换成一个能用的判断标准:评价一个 AI 编程工作流,别看它生成得多快,看它退回上一个可信状态需要几步。

三行命令能退干净,这个工作流就是硬的。要翻聊天记录、要重新跟 AI 说「把刚才那个改动撤销掉」,那就是软的。

二、「写」这一环,确实被打通了

数字先摆出来。

2025 年 GitHub 上的平台活动:约 9.86 亿次提交,同比涨 25.1%;月均合并 4320 万个 PR,同比涨 23%;AI 相关仓库超过 430 万个;80% 的新用户在第一周就用了 Copilot;大约一半的开源项目至少有一位维护者在用 Copilot。

开发者这端:84% 的人正在或计划使用 AI 工具,51% 的职业开发者每天在用(Stack Overflow 2025 年调查)。

但真正的信号是这一条——Copilot 的 coding agent 在 2025 年 5 月到 9 月这五个月里,创建了 100 万个以上 PR。

AI 现在已经能自己开 PR 了。 它不再只是补全光标后面那一行,而是能跨文件改、能自己发起变更请求。

这一句是全文的分水岭:代码改动的发起方,从「人」变成了「人 + 一堆 agent」。

三、但「信」这一环,没跟上

同一份调查里,46% 的开发者不信任 AI 输出的准确性,信任的只有 33%,「高度信任」只有 3%。10 年以上经验的人最谨慎,高度不信任比例最高,20%。

最大的痛点不是「AI 写得烂」。66% 的人选了同一项:「几乎对,但就是不对」。紧跟其后的第二大痛点是 45% 的「调试 AI 生成的代码比自己写更花时间」。

这两条放在一起,指向同一个东西:AI 的错误是低幅度、高密度的。它不会给你一段明显跑不起来的代码,它会写得像模像样,然后在边界条件、错误处理、并发、权限判断这些地方偏一点。

这种错误的特征,决定了应对方式不是「更仔细地读」,而是「可验证 + 可回退」。

人眼对「看起来对的代码」的审查能力,其实很差。这不是态度问题,是注意力的问题。你盯着一屏完全合理的代码,找不出那个把 >= 写成 > 的地方,因为它在语法上没有任何异常。

四、所以瓶颈换了位置

我认为,AI 编程真正的门槛已经从「产出」挪到了「判断」。

产出侧的成本被压得极低:一句提示词,几十行代码。判断侧的成本没降——你还得读 diff、跑测试、想边界。

当产出成本远低于判断成本时,系统会出现一个反直觉的行为:你越快,技术债增长得越快。因为进仓库的代码量涨了,验证量没涨。

这就是 Git 和 GitHub 位置变化的原因。它们原来服务的是「人写得慢、改动少、记得住」的时代;现在要服务「agent 写得多、改得快、记不住」的时代。

五、Git 现在干的三件事

Git 有个特性平时不太被当回事,在 AI 时代变成了核心:它存的是快照,不是差异。每次 commit 是对当时所有文件的一次完整拍照,用 SHA-1 校验和标识。

这意味着每个 commit 都是一个可寻址的完整状态。有地址,就有回退。

从「有地址」到「用得上」,隔着一个前置动作和三条纪律。

前置动作是:AI 说「改好了」之后,你敲的第一条命令不该是 commit,而是这个——先看规模,再按文件逐个看。

git diff --stat          # 看规模
git diff -- src/auth.ts  # 逐文件看

--stat 超过十个文件,就该停下来问一句「这是一件事还是一堆事」。规模本身就是信号:真正的一个意图,很少需要改十几个文件。

1. commit 是天然的回滚粒度

一次 commit 对应一个意图。AI 把登录逻辑改坏了,你只需要撤销那一个 commit,不用碰它同一个下午顺手改的别的东西。

前提是——你得逼它按意图提交。做法很土但有效,直接在提示词里写死:

每完成一个独立改动就 commit 一次,
message 用 "type: 一句话说明",
一次只做一件事。

如果你手上已经有一个巨大的、AI 一口气改完的工作区,用 git add -p 手工切块。烦,但比事后收拾烂摊子便宜。

2. 三个回退粒度,别搞混

git restore src/auth.ts  # 单个文件
git reset --hard HEAD~1  # 一次提交
git revert <sha>         # 保留历史

第三个是重点。已推送的东西别 reset --hard,用 revert:它新增一个「抵消提交」,历史不动,别人拉下来不会出事。git restore 则是 Git 2.23 之后的新命令,语义比 checkout -- 清楚,值得换过来。

3. 并行试错:分支和 worktree

同一个问题让 AI 出两版方案,是最常见的用法。别在同一个工作区里来回改,直接开两个:

git worktree add ../exp-a -b exp/a
git worktree add ../exp-b -b exp/b

两个目录,两个分支,互不干扰。跑测试、看性能,选一个合进来,另一个 git worktree remove 删掉。

这比让 AI 在同一个文件上「回滚再重试」干净得多——因为让 AI 回滚,实际发生的往往是重新生成一遍,而重新生成不等于复原。

六、GitHub 干的是另一半:准入

Git 解决的是个人能不能退回去。GitHub 解决的是团队要不要让它进来。

一个 AI 产出的改动,从「能跑」到「能进主干」,中间需要闸门。

PR 是第一道闸门。 它把改动变成一个可评论、可批准、可追溯的对象:谁提的、改了什么、谁批的,全部留痕。AI 也能开 PR——上面那 100 万个就是——但能开 PR 不等于能合 PR。这个区别就是整个流程存在的理由。

Actions 是第二道闸门,而且是机器的。 测试、类型检查、lint、构建,全自动跑。人的注意力是稀缺资源,机器的不是。能用机器卡住的,别用人眼卡。

一个能用的最小闸门长这样:

# .github/workflows/gate.yml
on: [pull_request]
jobs:
  gate:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - run: npm ci
      - run: npm run typecheck
      - run: npm test -- --ci

它的作用不是「跑 CI」,而是把「AI 说它能跑」换成「机器证明它能跑」。typecheck 和 test 缺一不可:类型检查管「长得对」,测试管「行为对」。AI 出错的地方大多在后者。

代码扫描是第三道。 GitHub 的报告里有个信号值得注意:Broken Access Control 在 2025 年超过 Injection,成了最普遍的 CodeQL 告警类型,15.1 万个以上仓库被标记,同比涨 172%。

权限判断写错,恰好是 AI 最容易写得像那么回事的地方——代码长得完全正常,逻辑却是错的。

七、三条能立刻照做的编排

不用重构工作流,改三个小习惯就够。

① 提交跟着意图走,不跟着时间走

前面说过要在提示词里约束提交粒度。约束完了得验收,一条命令就够:

git log --oneline -10

十行里如果出现「feat: 一堆改动」「update files」这种,说明粒度还是太粗——你没法只回退其中的一部分。理想的十行是能一眼看出这十个意图各自是什么。

粒度对了还有个附带好处:出问题时 git log 一拉,能直接定位到哪一类改动引入的问题,而不是在一大坨提交里二分。

② 一次实验一个分支,别在主干上试

git switch -c try/agent-refactor

试通了合,试不通删。主干永远只放你验证过的东西。分支在这里不是协作工具,是隔离带。

③ PR 描述写三行,AI 起草,人核实

## 改了什么
(AI 生成,人逐条核对)
## 为什么这么改
## 我怎么验证它是对的
- 跑了哪些测试
- 手动验了哪些路径
- 哪些情况没覆盖

第三行是关键。绝大多数「AI 写的代码出问题」,不是没人看,是没人写下来「凭什么认为它对」。写下来这个动作本身就会暴露:其实我没验证。

八、反方和边界

反方:AI 工具自己有 checkpoint,为什么还要 Git?

这个反驳有真实成分。IDE 里点一下回到上一版,确实比敲命令快。

但它不够,三个原因:checkpoint 绑在工具内部,换一家就没了;它不构成跨人、跨年的可审计历史;它进不了团队评审——你没法给同事看「上周三 AI 改的那一版」。

Git 的价值恰恰在于它是契约,不是功能。任何工具都能读写,任何平台都能托管,十年后还在。

边界:什么时候不值得

一次性脚本、跑完就扔的数据清洗、两小时的小工具——硬上 Git 只会变成形式主义。

判断标准还是那一个:这个改动将来需要被退回吗? 需要,就值得。

还有一点要分清:Git 只保证改动可控,不保证改动正确。它是安全网,不是质检员。质量该由测试和评审负责,Git 负责的是「出事之后你还有得选」。

最后

回到开头那个判断:看它退回上一个可信状态需要几步。

三行命令能退干净,你可以放心把更多活交给 AI 了。

要翻聊天记录、要重新生成、要凭记忆手动改回来——那不是 AI 不行,是你的工作流缺了一层。

AI 负责快,Git 和 GitHub 负责让你敢快。


【声明】内容源于网络
0
0
AI大模型-木子
日常分享Ai大模型干货教程。关注我,普通人也能学Ai大模型!
内容 8
粉丝 0
AI大模型-木子 日常分享Ai大模型干货教程。关注我,普通人也能学Ai大模型!
总阅读159
粉丝0
内容8