超越代码生成：开发者智能体工程指南

今年十月，GitHub 在一周内见证了超过 12 亿次提交——比一年前增长了 400% 以上。这比 GitHub 在 2025 年全年收到的提交量还要多。很有可能，你现在生成的代码比一年前更多。但问问你自己：你觉得自己比去年高效了 400% 吗？

构建软件不仅仅需要一个好的提示词。随着 AI 加速实现过程，软件开发者在其他方面感受到更大的压力：Faros AI 的一项研究发现，当团队从低 AI 采用率升至高度采用 AI 时，拉取请求在评审环节停留的时间延长了 441%。

作为软件开发者，你负责收集需求并引导实现、评审变更并评估测试结果，然后调查生产环境中发生的情况。智能体可以帮助你在所有这些阶段更高效地工作：规划（Plan）、构建（Build）、验证（Verify）和观察（Observe）。我们将逐一介绍在 GitHub 上高效的智能体工程工作流是什么样的。

规划：让每个人和每个智能体达成共识

看看这是否似曾相识。你正在规划一次 API 变更。设计在一个工具里，兼容性要求埋在 Slack 里，而一个旧的拉取请求解释了当前实现为何如此运作。在你能写出有用的计划之前，你需要把这些细节串联起来、比较各种方案，并就现有客户端如何继续工作达成一致。看似简单的规划任务变成了数小时的搜索、交叉核对和追查答案。实现还没开始，你就已经精疲力竭了。

你可以使用 Copilot 将这些分散的上下文汇集到一处，权衡各种取舍，并将决策转化为实现计划。

在团队已经工作的地方共同规划。在 Slack 或 Teams 中使用 Copilot，与所有相关人员协作——从产品经理和设计师到分析师和业务利益相关者。引入来自已连接工具的上下文，让团队能够一起核对假设、贡献想法并完善需求。

将达成一致的需求转化为可执行的工作。让 Copilot 创建带有实现所需上下文和验收标准的 GitHub Issues，并拆分出可以单独处理的任务。

让日常分诊不再占用规划时间。使用 GitHub Agentic Workflows 为议题打标签并估算任务复杂度。将低复杂度任务直接分配给 Copilot，然后把你自己的时间花在更难的决策上。

为复杂工作提供所需的规划。在你偏好的 Copilot 界面中使用 Plan Mode 来比较方案并完善实现计划。在将计划交给 Copilot 开始实现之前，先审阅并批准该计划。

过去需要数天搜索和收集上下文的工作，现在能产出可评审的计划、明确的验收标准和划定范围的议题，让你的时间花在决策上而不是检索上。然后，一旦你确定了方案，你就已经为自己和你的智能体做好了实现计划的准备。

构建：同时推进多个任务

你已准备好将计划转化为代码。但生活总有别的安排。你的智能体任务进行到一半，下一场会议五分钟后开始，而你的狗已经盯着门看了二十分钟。接着会上有人指出实现需要处理的一个边缘情况。每个人都在同一时间需要你。你想继续取得进展，但你无法同时身处三地。

你可以让工作持续推进，而不必被束缚在开始工作的那台电脑上。

从另一台设备继续你的对话。会话连续性让你可以跨客户端接续同一个 Copilot 会话，因此你可以在最方便的地方工作。

合上笔记本电脑后让工作继续。Copilot 在云端沙箱中运行任务，将执行过程留在你的机器之外，并允许你稍后离开再返回某个会话。

处理不同任务而不混淆它们的编辑。Copilot 应用为每个会话提供仓库的隔离副本，因此一个实现任务和一个文档更新不会共享未完成的工作树。

将项目知识带入每个任务。仓库指令记录约定和验证命令，而共享记忆存储 Copilot 可在整个仓库中复用的有用事实。Copilot Dreaming 会审查符合条件的会话和拉取请求反馈，以保持记忆最新，并提出指令或技能更新建议。这意味着更少的时间用于反复解释团队的工作方式，Copilot 在各任务中提供更一致的帮助。

让模型与工作相匹配。选择 Copilot Fusion 来为任务选择模型和推理深度，在需要时引入额外模型来评审解决方案。你可以设置投入级别，以平衡质量、成本和响应时间。

无论在哪里工作都遵循公司规则。企业托管设置将公司的策略和已配置的工具带到各个 Copilot 界面，减少你在不同客户端之间切换时的设置差异。

编写代码不只是向你的 LLM 抛出一个提示词、看看返回什么结果那么简单。而当你手头的工作比以往任何时候都多时，既要维持编码标准，又要按时交付项目，可能会变得十分困难。Copilot 借助共享的项目知识帮助各项任务独立推进，同时让你能够跨设备从上次中断的地方继续会话。这为你腾出了更多空间来处理实现决策，并应对随时出现的变化。而当你的工作完成时，你已经有了聚焦的改动可供审查。

验证：把注意力花在真正重要的地方

在花了一个小时引导你的智能体朝正确方向推进之后，你以为你们都已经落到了一个不错的位置。于是你打开一个标记为“小型重构”的拉取请求。它改动了 47 个文件。你本想就共享的校验逻辑获得反馈，但它却淹没在对每个调用它的端点的更新、格式改动以及数百行生成的测试之中。你琢磨着，考虑到团队评审板上那无穷无尽的拉取请求列表，要拿到批准得等多久。

那条评审队列在实践中就是那 441%。你可以从两端缩短等待时间：让你的改动更容易被人审查，并让 Copilot 在任何人打开 diff 之前清除例行检查和修复。

把更小、更聚焦的拉取请求堆叠起来，而不是创建一个单一而庞大的改动。你和你的智能体可以使用堆叠式拉取请求，把有依赖关系的工作拆分成更小的片段。这样每个 PR 都能单独接受审查，依赖关系保持可见，并让团队能在你的工作合并之前就在其基础上继续构建，从而解除阻塞。

在例行质量问题消耗评审时间之前就将其捕获。GitHub Code Quality 会依据编码实践和组织的标准检查改动，在问题到达人工审查者之前就将其捕获，为作者和审查者双方节省时间。

获取与改动相匹配的审查帮助。Copilot 代码审查会提供自动化反馈，对简单改动做较轻量的分析，对复杂改动做更深入的分析。你可以自行设定该深度，也可以让 Copilot 为每个拉取请求选择深度。

在更多代码库范围内检查安全性。AI Scan 能在 CodeQL 覆盖范围之外的语言和文件中发现漏洞。AI 机密检测有助于识别非结构化的机密（例如密码），而模式匹配可能会漏掉这些。

让新增依赖保持在策略范围内。许可证合规检查会在合并前依据公司规则检查依赖项的许可证。GitHub 包防火墙（目前针对 npm 处于公开预览阶段）可以阻止违反已配置安全策略的下载。

解决发现的问题和后续工作，而无需对每个拉取请求事必躬亲。Agentic Autofix 会针对安全问题提出修复方案，而 Agent Merge 会自动处理失败的检查、审查评论和合并冲突——帮助你让拉取请求持续向前推进，并为合并做好准备。而且，如果你进行了配置，一旦你的验证步骤通过，Copilot 甚至会合并你的拉取请求。

更小的改动加上已经处理好的例行工作，意味着更少的来回往复。你的审查者得以把注意力花在代码是否实现了你的意图，以及可能出什么问题上面。

观察：从发布之后发生的事情中学习

你的改动获得批准，部署检查通过，你终于可以把它从清单上划掉了。第二天早上，你的值班仪表盘显示间歇性超时，支持团队报告说有几个大客户受到影响。现在你一边比对日志、发布历史和客户报告，一边有人问你是否应该回滚。“所有检查均已通过”这句话，感觉不像昨天那么令人安心了。

把运维证据和工程上下文结合起来，这样你才能决定该怎么做。

用真实行为检验假设。借助通过 Fabric 等连接器访问你的可观测性工具和业务数据，Copilot 可以帮助调查哪些请求或客户群体受到影响。

把发现记录在有人能据此行动的地方。让 Copilot 起草一个带有佐证和验收标准的问题，其中包括针对你所发现的故障的回归测试。

把有用的经验带入未来的工作。查看 Dreaming 给出的改进建议，它会利用会话和仓库活动来帮助完善记忆、技能和代码审查指导。

弄清发布之后发生了什么，可能会让你在仪表盘、对话和提交历史之间来回奔波。有了 Copilot 帮助串联这些信息，你可以记录下你的发现、创建后续问题，并改进可供未来任务使用的指导。你花更多时间决定需要改变什么，花更少时间重走调查过程。而你的下一个计划，将从你从人们实际使用的软件中学到的东西开始。

从哪里开始

从你手头已有的一项工作入手，把目光投向编码任务之外。它需要什么上下文？你将如何审查和测试它？发布之后你如何知道它奏效了？

你不必一次性改变整个流程。从这周最让你头疼的事情开始，给它配上一个智能体。然后随着时间推移，扩展到流程的其他部分。一旦智能体在你整个工作流中提供帮助，你或许终于会感觉自己像提交次数所显示的那样高效了。

我们在 GitHub Universe 2026 的“Agentic Engineering: Past the Pilot”中现场讨论了这个话题。