Beyond code generation: A developer’s guide to agentic engineering

今年10月，GitHub在一周内收到了超过12亿次提交——比去年同期增长了400%。这个数字甚至超过了GitHub在2025年全年收到的提交总量。很可能，你现在生成的代码量已经比一年前增加了400%。但请自问：你是否感觉自己比去年提高了400%的效率？

构建软件需要的不仅是优秀的提示词。随着AI加速实现过程，软件开发者在其他方面正感受到更大压力：Faros AI研究发现，当团队从低AI采用率转向高AI采用率时，拉取请求的审查时间延长了441%。

作为软件开发者，你需要收集需求并指导实现，审查变更并评估测试结果，然后调查生产环境中的问题。代理系统可以帮助你在所有阶段（规划、构建、验证和观察）提高效率。我们将逐步展示GitHub上有效的代理工程工作流程是什么样的。

规划：让所有人和所有代理系统达成一致

这种情况是否似曾相识？你正在规划一个API变更。设计文档在一个工具中，兼容性要求埋在Slack消息里，而一个旧的拉取请求解释了当前实现方式的原因。在制定有用计划之前，你需要整合这些细节、比较不同方案，并就现有客户端如何继续正常运行达成一致。原本看似简单的规划任务，变成了数小时的搜索、交叉验证和寻找答案。即使在开始实现之前，你已经精疲力尽。

你可以使用Copilot将这些分散的上下文集中到一个地方，分析权衡因素，并将决策转化为实施计划。

• 与团队在现有工作环境中协同规划。 使用 Slack 或 Teams 中的 Copilot 与所有相关人员协作——从产品经理和设计师到分析师和业务利益相关者。通过连接的工具引入上下文信息，使团队能够验证假设、贡献想法并共同完善需求。
• 将已达成一致的需求转化为可执行的工作。 要求 Copilot 创建 GitHub Issues，并提供实施所需的上下文和验收标准，将可独立处理的任务拆分出来。
• 避免常规问题分类消耗规划时间。 使用 GitHub Agentic Workflows 为问题添加标签并评估任务复杂度。将低复杂度任务直接分配给 Copilot，然后将时间集中在更复杂的决策上。
• 为复杂工作提供所需的规划支持。 在首选的 Copilot 界面中使用 Plan Mode，比较不同方案并完善实施计划。在将计划交给 Copilot 执行前，先进行审核和批准。

曾经需要数天搜索和收集上下文信息的工作，现在可以生成可审查的计划、明确的验收标准和范围明确的问题，而您只需专注于决策而非信息检索。一旦确定方案，您和您的代理就已经准备好实施计划了。

构建：一次推进多个任务

您已经准备好将计划转化为代码。但现实往往不尽如人意。您的代理正在处理任务中途，下一个会议还有五分钟就要开始，而您的狗已经盯着门看了二十分钟。这时会议中有人指出实现需要处理一个边缘情况。所有人都同时需要您提供帮助。您希望继续推进工作，但无法同时出现在三个地方。

您可以在不依赖最初启动任务的电脑的情况下继续推进工作。

• 从另一台设备继续对话。会话连续性 允许您在不同客户端之间继续使用相同的 Copilot 会话，这样您就可以在最方便的地方工作。
• 合上笔记本电脑后工作仍能继续。 Copilot 在 云沙箱 中运行任务，将执行过程保留在您的设备之外，使您能够离开并稍后返回会话。
• 独立处理不同任务而不会混杂修改。 Copilot 应用程序为每个会话提供隔离的仓库副本，因此实现任务和文档更新不会共享未完成的工作树。
• 将项目知识带入每个任务。 仓库指令捕获惯例和验证命令，而 共享内存 存储 Copilot 可在仓库中重复使用的有用事实。Copilot Dreaming 会审查符合条件的会话和拉取请求反馈，以保持记忆的最新性并提出指令或技能更新。这意味着您不必反复解释团队的工作方式，Copilot 在不同任务中提供的帮助也更加一致。
• 根据工作内容匹配模型。 选择 Copilot Fusion 可以为任务选择模型和推理深度，必要时引入其他模型来审查解决方案。您可以设置努力程度以平衡质量、成本和响应时间。
• 无论在哪里工作，都遵循公司规则。企业托管设置 将公司的政策和配置工具跨 Copilot 界面同步，减少在不同客户端之间切换时的设置差异。

编写代码不仅仅是向您的大型语言模型（LLM）发送一个提示并查看返回结果。随着您需要处理的工作越来越多，保持编码标准并按时交付项目可能会变得困难。Copilot 通过共享项目知识让任务独立推进，同时让您可以在不同设备上继续之前的会话。这为您提供了更多空间来处理实现决策并应对随时出现的变更。当您的工作完成后，您将准备好审查专注的修改内容。

你花了一个小时费劲地协调团队成员，终于让大家都找到了一个不错的切入点。于是你提交了一个名为“小的重构”的 pull request，它修改了 47 个文件。你原本希望获得关于共享验证逻辑的反馈，但这些内容却被淹没在每个调用该逻辑的接口更新、格式调整以及数百行生成的测试代码中。面对团队代码审查面板上堆积如山的待审请求，你不禁开始怀疑这个请求要多久才能获得批准。

这个审查队列正是实践中所说的 441% 的瓶颈。你可以从两端同时缩短等待时间：一方面让代码变更更容易被审查，另一方面让 Copilot 在任何人打开代码差异之前就完成常规检查和修复。

• 将大范围的更改拆分为多个更小、更集中的拉取请求，而非一次性提交大量变更。 你和团队成员可以使用 堆叠式拉取请求 将依赖性工作拆解为更小的模块。这种方式能让每个拉取请求独立接受评审，清晰展示依赖关系，并允许其他团队在你的工作合并前基于其进行开发，从而加快整体进度。
• 在代码进入人工评审前，提前发现常规质量隐患。GitHub 代码质量 会根据编码规范和组织标准对代码变更进行检查，在代码到达人工评审前自动拦截问题，为作者和评审者节省时间。
• 根据代码变更类型匹配合适的评审支持。Copilot 代码评审 提供自动化反馈，对简单变更进行轻量级分析，对复杂变更进行深度分析。你可以自行设置分析深度，也可让 Copilot 为每个拉取请求自动选择合适的分析级别。
• 扩大代码库的安全检测范围。AI 扫描 能检测 CodeQL 无法覆盖的语言和文件中的漏洞。AI 密钥检测 可识别模式匹配容易遗漏的非结构化密钥，例如密码。
• 确保新依赖项符合安全策略。许可证合规 会在合并前检查依赖项许可证是否符合公司规则。GitHub 包防火墙（目前处于 npm 公共预览阶段）可阻止违反配置安全策略的下载操作。

• 无需全程监控每个拉取请求即可解决发现的问题并跟进后续工作。Agentic Autofix 为安全问题提出修复方案，而 Agent Merge 可自动处理失败检查、审阅评论和合并冲突——帮助您保持拉取请求的进度并为其合并做好准备。如果进行相关配置，Copilot 甚至会在您的验证步骤通过后自动合并拉取请求。

减少因日常任务产生的来回沟通，意味着更少的反复修改。评审人员可以将注意力集中在代码是否符合预期、以及可能出现的问题上。

观察：从发布后发生的事情中学习

你的更改获得批准，部署检查通过，终于可以把它从待办事项中划掉。但第二天早上，你的值班仪表板显示出现间歇性超时，支持团队报告称少数大客户受到影响。现在你正在对比日志、发布历史和客户报告，而有人询问是否需要回滚。“所有检查都通过”带来的安心感，似乎不如昨天那么强烈。

将运营证据与工程背景结合起来，以便做出决策。

• 对照实际行为验证假设。 通过 Fabric 等 connectors 获取可观测性工具和业务数据，Copilot 可帮助调查受影响的请求或客户群体。
• 在可采取行动的地方记录发现。 要求 Copilot 起草一个包含支持证据和验收标准的问题，包括你发现的故障的回归测试。
• 将有用的教训带入未来的工作中。 查看 Dreaming 建议的改进方案，它利用会话和仓库活动来帮助完善记忆、技能和代码评审指导。

弄清楚发布后发生了什么，可能会让你在仪表板、对话和提交历史之间来回切换。通过 Copilot 连接这些信息，你可以记录发现内容、创建后续问题，并改进未来任务可用的指导。你花更多时间决定需要做出哪些改变，而不是反复追溯调查过程。而你的下一个计划将从实际使用软件的人身上学到的经验开始。

从哪里开始

从你当前待办事项中选择一项工作，超越编码任务本身进行思考。它需要什么背景信息？你将如何评审和测试它？在发布后，你将如何确认它是否有效？

你不需要一次性改变整个流程。从本周最让你沮丧的事情开始，为其分配一个代理。然后随着时间的推移，逐步扩展到流程的其他部分。一旦代理在整个工作流程中都能提供帮助，你可能会终于感受到自己的生产力与提交次数所显示的一致。

_我们在 GitHub Universe 2026 的 “Agentic Engineering: Past the Pilot” 活动中现场讲解了这个主题。_

探索更多 GitHub 内容

文档

一站式掌握 GitHub 所有内容。

前往文档

GitHub

在 GitHub 上构建未来，这里是任何人都可以构建任何东西的地方。

立即开始构建

客户案例

了解使用 GitHub 构建产品的公司和工程团队。

了解更多

GitHub Universe 2026

了解塑造软件开发未来的关键公告。

查看最新动态