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 中打开并继续,保留原有对话、代码改动和工作上下文。VS Code 会以该会话关联的 worktree 打开项目,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,最后提交并推送到会话对应的 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,用户对告警的接受度提升 11.5%,推送后扫描中位执行时间缩短 86%,服务成本降低超 98%。该方案先用正则表达式广撒网生成候选,再由微调后的 ModernBERT 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,在代码提交前就返回结果。
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)、封装可重复流程的 agent skills、面向大型任务的 custom agents,以及连接外部工具与数据的 MCP servers。
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器,用代码上下文识别无固定格式的密钥,可在不到 2 毫秒内评估一批候选密钥,并称有望让可拦截的密钥数量翻倍以上。
GitHub 发布 AI 代码审查开放基准 ReviewBench,基于 1.039 亿个 GitHub PR 的分布特征,构建了覆盖 19 种语言、219 个公开 PR 的评测集。
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 节省的时间去解决更大的问题。文章以添加认证流程为例,展示开发者从逐行写代码转为定义任务、审阅多个智能体产出并做技术决策。文中还提到 GitHub Copilot 内置的 Rubber Duck 智能体用第二个模型评审计划、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份状态,可做成看板、问题分诊板或发布清单。创建时只需在智能体会话中输入 /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。