三位 Java Champion 如何用 GitHub Copilot 提升生产力
GitHub Blog 采访三位 Java Champion,分享在生产与开源项目中使用 GitHub Copilot 的具体做法。Vlad Mihalcea 用 Copilot 在 IntelliJ IDEA 中开发 Hypersistence Optimizer 的事件历史 Web 应用,原本需数周的任务两天完成,并按任务复杂度切换模型。
GitHub Blog 采访三位 Java Champion,分享在生产与开源项目中使用 GitHub Copilot 的具体做法。Vlad Mihalcea 用 Copilot 在 IntelliJ IDEA 中开发 Hypersistence Optimizer 的事件历史 Web 应用,原本需数周的任务两天完成,并按任务复杂度切换模型。
GitHub Copilot 应用中的会话可直接在 VS Code 中打开,保留原有对话、代码改动和工作上下文,无需重新描述任务。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、手动编辑、本地运行测试,最后提交并推送到该会话对应的 pull request。
GitHub 为密钥扫描训练了专用 ModernBERT 分类器,配合正则候选生成的两阶段流水线,替代此前的 LLM 方案。相比旧 LLM 流水线,告警接受率提升 11.5%,推送后扫描中位执行时间降低 86%,服务成本降低 98% 以上。该效率使通用密钥检测得以扩展到推送保护,在开发者推送前返回结果。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式:仓库级自定义指令(.github/copilot-instructions.md 及带 applyTo 字段的路径级指令文件)、打包可复用流程的 agent skills(.github/skills)、面向大型任务的 custom agents(.github/agents)。
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,把 push 保护扩展到无固定格式的非结构化密钥,候选密钥批量评估耗时低于 2 毫秒,可拦截的密钥数量有望翻倍以上。
GitHub 发布 AI 代码审查开放基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布构建,包含 19 种语言的 219 个公开 PR。
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 节省的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明其用第二个模型审查计划、代码和测试,从而发现首个模型遗漏的问题。
GitHub Copilot 应用中的 canvas 是一种可与智能体共享的双向自定义界面,用户只需在智能体会话中输入 /create-canvas 并用自然语言描述需求,即可生成看板、发布清单或仪表盘等界面。