开发者「第二大脑」来袭，GitHub Copilot更新，人类开发参与进一步减少

Copilot 帮助开发者完成更大、更复杂的任务。

原文来源：机器之心

图片来源：由无界 AI生成

是什么让 Andrej Karpathy 感慨，人类在软件开发过程中直接编写代码的贡献将越来越小，直接输入和监督作用将更加抽象化。最终，人类的角色将仅仅是进行基本的审核和确认，而不再是主要的编程和开发者。

原来是 GitHub 新发布的 Copilot Workspace，它重新构想了开发者的内部流程。如果 AI 开发工具是开发者的第二双手，那么 Copilot Workspace 将是开发者的「第二个大脑」。

在编码的过程中，最头疼的莫过于遇到不熟悉的软件仓库、编程语言或框架。解决这些问题带来的困难，可能会拖延你完成任务的时间，甚至导致根本无法完成。在时间内想要快速掌握这些，重振旗鼓并不容易。但 Copilot Workspace 或许能够让你事半功倍，甚至能够帮助你完成更大、更复杂的任务。

Copilot Workspace，你的「第二个大脑」

Copilot Workspace 侧重于任务选择、意图表达和与 AI 合作寻求解决方案。这样做的目的是减少复杂性，提高生产力，同时还能保持软件开发中重要的方面，如决策和创造性和自主权。

你可以向 Copilot Workspace 提出问题，它会自动提出解决方案。Copilot Workspace 拥有问题（包括所有评论和回复）和代码库的全部上下文，因此它既能理解你想做什么，也能理解你的代码具体内容。如果 Copilot Workspace 提出的解决方案不完全正确，你也可以编辑流程中的任何步骤，从行为到计划，再到代码，全部都可以用自然语言完成。

Copilot Workspace 回答 GitHub 问题

编辑流程中的步骤，进行调整

Copilot Workspace 可在整个软件包的粒度范围内运行，并可跨不同编程语言对多个文件进行连贯修改。它既能处理核心编码任务，也能处理脚手架类型的任务，如「建立测试框架 」或「为持续集成编写 GitHub Actions 工作流」。它已在 GitHub Next 中被使用，用于开发 Copilot Workspace 自身和其他项目。

以任务为中心的工作流程

Copilot Workspace 能够帮助开发人员完成完整的开发任务，这些任务通常以 GitHub 问题的形式指定和跟踪。因此，Copilot Workspace 可以将问题作为输入，自动提取代码的当前行为，提出可解决该问题的新行为，制定计划，并实施该计划（即编写代码）。Copilot Workspace 拥有问题的全部上下文，包括所有注释，甚至可以跟踪问题中的链接以提取信息，帮助完成任务。

用户反馈和迭代是 Copilot Workspace 所注重的。从建议的新行为、计划到实施，你可以编辑流程的每一步。例如，在实施计划并看到代码后，您可以返回并调整行为或计划，然后再试一次。你甚至可以在多个标签页中打开同一个问题，探索几条不同的路径。

之前使用 LLM 完成开发人员任务的尝试主要集中在对话上，但 Copilot Workspace 更加基于任务的用户界面具更加结构化，并且有明显的优势：

目前，Copilot Workspace 以 GitHub 的问题作为起点，但计划未来将支持更多的入口点。例如，Copilot Workspace 可以帮助开发人员处理通过 CodeQL 发现的安全警报，迁移到新版本的依赖库或从一个库迁移到另一个库，以及解决 PR 审核中的评论问题。

云驱动的智能体

GitHub 结合 AI 智能体技术和 GitHub Codespaces 实现无头、短暂、安全的计算方式。当用户点击「运行」按钮时，后台中会创建一个新的 codespace，将修改后的代码推送到其中，并尝试构建项目。如果构建失败，我们会将错误信息和代码反馈给 Copilot Workspace，并要求其修复构建。一旦构建成功，修改后的代码会同步回 Copilot Workspace 的用户界面，让用户看到构建是如何被修复的。如果运行的项目是 Web 应用，codespace 上的端口会转发到只有该用户能访问的 URL。用户可以点击并查看 Web 应用的实时预览，从而直观地验证 Copilot Workspace 是否按照他们的预期执行。