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,对话、代码改动和工作上下文完整保留。VS Code 会加载该会话对应的 worktree 并在 Copilot 侧边栏显示原会话,用户可逐行审查 diff、手动编辑、在本地运行测试,再把改动推送到会话关联的 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%、中位扫描执行时间降低 86%、服务成本降低 98%。该方案先用正则表达式高召回生成候选,再由分类器结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护,在代码提交前返回结果。
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/skills 打包可复用流程,用 .github/agents 创建专用智能体,并通过 MCP 服务器连接外部工具与数据源。
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 分类器,用代码上下文识别无固定格式的密钥,可在 2 毫秒内评估一批候选密钥,据称能把可拦截的密钥数量提升一倍以上。
GitHub 发布 AI 代码审查开放基准 ReviewBench,基于 103.9M 条 GitHub PR 的分布构建,包含 219 个 PR、覆盖 19 种语言。
GitHub 提出 AI 时代开发者应强化三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的第一个答案、用 AI 省下的时间解决更大的问题。文中以添加认证流程为例,展示多个 AI 智能体分别产出代码、文档和测试后由开发者审核决策的工作方式,并提到 GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型审查计划、代码和测试。
GitHub Copilot 应用中的 canvas 是一种可自定义界面,用户和智能体共享同一状态,可做成看板、问题分诊板、发布清单或仪表盘。创建时只需打开智能体会话,输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体可执行的动作,智能体就会生成界面并在右侧面板打开。