GitHub 发布开发者指南：从代码生成走向智能体工程

GitHub 在其博客发布开发者指南，提出“智能体工程”工作流，将软件开发拆为 Plan、Build、Verify、Observe 四个阶段，并说明 Copilot 在各阶段的分工。文章开篇给出两组数据：今年 10 月 GitHub 单周提交量超过 12 亿次，同比增长逾 400%，超过 2025 年全年总量；Faros AI 的研究则显示，团队 AI 采用率从低升到高后，拉取请求在评审环节停留的时间延长了 441%。 规划阶段，指南建议用 Slack 或 Teams 中的 Copilot 汇集产品、设计、分析等角色，把分散的上下文和兼容性要求集中讨论，再让 Copilot 生成带验收标准的 GitHub Issues；GitHub Agentic Workflows 可自动打标签、评估任务复杂度，并把低复杂度任务直接指派给 Copilot，复杂任务则用 Plan Mode 比较方案、确认后再交给 Copilot 实施。 构建阶段强调脱离单机限制：Session continuity 让同一 Copilot 会话跨客户端接续，任务在云沙箱中执行，Copilot 应用为每个会话提供隔离的仓库副本，避免不同任务的改动混在一起。仓库指令与共享记忆承载团队约定，Copilot Dreaming 会复查会话与 PR 反馈以更新记忆并提出指令或技能更新建议；Copilot Fusion 用于按任务选择模型与推理深度，企业托管设置则把公司策略和工具配置带到各个 Copilot 界面。 验证阶段针对评审积压：指南建议用堆叠 PR 拆分依赖工作，GitHub Code Quality 在人工评审前拦截常规问题，Copilot 代码评审可按改动复杂度调整分析深度，AI Scan 覆盖 CodeQL 之外的語言与文件，AI secret detection 识别非结构化密钥，许可证合规检查与处于公开预览的 GitHub package firewall（目前支持 npm）把依赖挡在策略之外；Agentic Autofix 提出修复建议，Agent Merge 处理失败检查、评审意见与合并冲突，配置后可自动合并。 观察阶段把可观测性工具与业务数据通过 Fabric 等连接器接入 Copilot，用于判断哪些请求或客户群受影响，并让 Copilot 起草带证据和回归测试的 issue；Dreaming 的建议则用于改进记忆、技能与代码评审指引。文章最后建议从本周最令人头疼的一项工作入手，逐步把智能体扩展到整个流程。相关内容在 GitHub Universe 2026 的“Agentic Engineering: Past the Pilot”环节做过现场分享。