Integrando a IA com agente ao ciclo de vida de desenvolvimento de software de sua empresa

Sobre os agentes de IA em GitHub

Os desenvolvedores em sua empresa podem estar acostumados a usar a IA como uma ferramenta de programação em par. Nesse modelo, os desenvolvedores trabalham com assistentes de IA de forma síncrona e recebem sugestões de código durante a fase de desenvolvimento de um project.

Agentes de IA são mais semelhantes a programadores pares. Os agentes podem:

• Realizar tarefas assíncronas, como executar testes ou corrigir problemas em sua lista de pendências, com menos necessidade de intervenção humana.
• Contribuir para fluxos de trabalho além da fase de desenvolvimento, como ideação ou otimização após uma versão.

Colaborar com os agentes pode dar aos seus funcionários mais tempo para se dedicar a outras prioridades, como planejamento de alto nível, e trazer os benefícios da IA para funções que não são de desenvolvimento, dando mais poder aos prompts de linguagem natural.

          GitHub CopilotOs recursos de IA agente de GitHub são integrados à sua plataforma coesa, oferecendo uma experiência do usuário mais fluida e controles de licenciamento e governança mais simplificados em comparação com a adoção de uma variedade de ferramentas de terceiros.

Cenário de exemplo

Você é gerente de engenharia na Mona's, uma boutique de guarda-chuvas. Sua equipe foi encarregada de adicionar um widget alimentado por IA à loja online da empresa. O widget ajudará os clientes a escolher o guarda-chuva certo fazendo recomendações personalizadas com base em fatores como a localização do usuário e tendências climáticas locais.

Para cumprir um prazo apertado, você pretende acelerar cada fase do processo, tanto para os desenvolvedores quanto para os outros profissionais de sua equipe. Você também quer garantir que a equipe não seja sobrecarregada com tarefas de manutenção após o novo recurso ser implantado.

1. Planeje com Bate-Papo Copilot

1. Para começar a planejar, um gerente de produto trabalha com Bate-Papo Copilot em https://github.com/copilot.

   Eles fazem Copilot perguntas de alto nível para ter uma noção do trabalho de desenvolvimento necessário para o novo recurso. Para dar Copilot acesso a um contexto importante sobre o projeto, eles carregam arquivos de simulação e vinculam ao repositório em que a base de código é armazenada.

2. Depois que o PM trabalhou com Copilot para obter uma visão geral das tarefas necessárias, ele pede a Copilot para criar tarefas para cada parte do trabalho.

          Copilot elabora as questões em `https://github.com/copilot`, onde o PM pode refiná-las e publicá-las no repositório.
   

   O PM marca alguns dos issues como opcionais ou de manutenção. Estes podem ser bons candidatos para agente de nuvem Copilot.

   

3. Para que o desenvolvedor comece rapidamente, o PM cria um espaço com Espaços Copilot.https://github.com/copilot/spaces O PM coleta recursos como diagramas e referências a arquivos de código, envia algumas perguntas de teste e compartilha o espaço com a organização.

   Agora, o desenvolvedor pode fazer perguntas no espaço e Copilot já terá todo o contexto adicionado pelo PM.

2. Protótipo com GitHub Spark

1. Para prototipar o recurso, o PM abre GitHub Spark (https://github.com/spark) e solicita a criação do widget. Eles podem escrever um prompt, colar a documentação da última fase ou carregar uma captura de tela. Spark gera um aplicativo funcional com uma LLM já integrada para fornecer recomendações — sem necessidade de IDE ou codificação.
2. Para refinar o protótipo, o PM pode solicitar Spark novamente, usar o editor visual ou editar o código diretamente. Na guia "Prompts", eles podem ajustar o texto que alimenta as recomendações sem editar código. Cada alteração atualiza instantaneamente a visualização ao vivo, para que o PM possa ver como as edições afetam o aplicativo.
3. Para colaborar, o PM publica o spark e atualiza a visibilidade para que a sua organização possa acessá-lo. Eles também podem criar um repositório e convidar colaboradores. As alterações de código feitas no repositório são sincronizadas de volta para Spark, permitindo que o PM e os designers vejam atualizações no widget em tempo real.

3. Criar com GitHub Models e modo de agente

1. O Gerente de Produto compartilha o espaço Copilot, o protótipo GitHub Spark e o repositório com o desenvolvedor e pede ao desenvolvedor que comece encontrando o melhor modelo de IA para oferecer recomendações personalizadas de guarda-chuva, com base no custo e na eficácia dos modelos.

2. O desenvolvedor pede para recomendar vários modelos Bate-Papo Copilot de IA para o trabalho e os prós e contras de cada um. Para fornecer um contexto útil, eles pedem que se considere as informações no artigo Comparação de modelos de IAGitHub Docs.

3. Para escolher um modelo da lista reduzida, o desenvolvedor usa o GitHub Models playground para comparar os resultados do mesmo prompt entre modelos. Em seguida, eles também podem atualizar o protótipo GitHub Spark para usar o modelo específico que selecionaram e ver como isso afeta toda a experiência de widget no protótipo (todos os modelos compatíveis em GitHub Models também são compatíveis em Spark). Ele economiza tempo testando os modelos em uma só plataforma, em vez de precisar configurar uma chave de API para cada modelo separadamente.

   

4. Com o modelo decidido, o desenvolvedor abre o código em VS Code.

5. O desenvolvedor começa a escrever código para o novo widget. Para acelerar o trabalho, eles usam Bate-Papo Copilot no modo "Perguntar" e "Editar" para perguntas de sintaxe e sugestões de alto nível.

   Dica

   O desenvolvedor trabalha com a IA da maneira que funciona melhor para ele, mas sua organização tem controle sobre a experiência. Por exemplo, você pode: * Controlar os modelos que o desenvolvedor pode usar para o trabalho de desenvolvimento, de modo a atender aos requisitos de conformidade e gerenciar custos. * Exclua determinados arquivos do alcance de Bate-Papo Copilot. * Salve os prompts efetivos que foram testados com GitHub Models, para que outros usuários possam se beneficiar.

6. Quando o desenvolvedor escreve algum código, ele alterna para o modo de agente para solicitar Copilot a refatoração do código em várias funções diferentes para melhor legibilidade.

   No modo de agente, Copilot funciona de forma mais autônoma e é capaz de atualizar vários arquivos e, com a autorização do desenvolvedor, executar comandos para ações como instalar dependências ou executar testes.

   

   Dica

   Você pode criar uma experiência mais consistente adicionando um arquivo de instruções personalizadas ao repositório. Por exemplo, o arquivo pode ajudar a garantir que o modo de agente use convenções de nomenclatura estabelecidas e execute os comandos corretos para criar, testar e fazer lint do código de acordo com os padrões da organização.

7. O desenvolvedor revisa o diff do trabalho do agente e escolhe qual código manter.

4. Testar com um servidor MCP

1. Quando o código é concluído, o desenvolvedor deseja executar testes na compilação local do site usando o Playwright, um serviço de teste no navegador automatizado.

   • Um administrador de repositório adicionou o servidor MCP (Model Context Protocol) para Dramaturgo, que fornece ao Copilot agente uma interface predefinida para integração com o Dramaturgo.
   • O desenvolvedor pede a Copilot para delinear cenários de teste em .feature um arquivo e, em seguida, instrui Copilot a executar os testes no navegador.
   • No modo de agente, Copilot solicita ao desenvolvedor que autorize suas ações à medida que abre o navegador e clica em elementos diferentes na interface do usuário. À medida que o desenvolvedor observa os testes no navegador, Copilot identifica um teste com falha e sugere uma correção no código.

2. Quando estiverem satisfeitos com os testes, o desenvolvedor solicitará ao modo de agente que abra um pull request para o trabalho em GitHub.

   Dica

   • Com o GitHub servidor MCP habilitado, Copilot pode executar o comando para abrir um pull request diretamente a partir de VS Code, com o título e a descrição já preenchidos.
   • As interações com o GitHub servidor MCP são protegidas pela proteção por push, que impede que segredos sejam incluídos em respostas geradas por IA e impede que você exponha segredos por meio de todas as ações executadas usando o servidor (somente repositórios públicos). Confira Sobre a proteção por push.

5. Examinar com Copilot revisão de código e Copilot agentes personalizados

1. Um proprietário do repositório configurou revisões de código automáticas por Copilot no repositório. Copilot fornece uma revisão inicial na solicitação de pull, identificando bugs e possíveis problemas de desempenho que o desenvolvedor pode corrigir antes que um revisor humano chegue à solicitação de pull.
2. Como uma verificação de conformidade adicional, um proprietário da empresa criou um Copilot agente personalizado contexto chave sobre regulamentos do setor e políticas internas. O desenvolvedor seleciona o agente personalizado em https://github.com/copilot/agents, fazendo com que Copilot revise cuidadosamente o pull request para conformidade e aplique quaisquer alterações necessárias antes de requisitar uma revisão humana.
3. O colega do desenvolvedor revisa e aprova a pull request. O trabalho está pronto para ser mesclado.

6. Otimizar com agente de nuvem Copilot

1. Após a versão, o gerente de produto recebe comentários dos clientes e identifica uma oportunidade de melhorar as sugestões do widget mudando para uma API mais confiável de dados meteorológicos. Eles criam um problema para implementar essa alteração e atribuem-na Copilot diretamente.GitHub

2.        agente de nuvem Copilot funciona em segundo plano e abre uma solicitação de pull, que o gerente de produto marca como pronta para revisão.
   

   

3. Um desenvolvedor analisa a solicitação de pull de Copilot e fornece comentários, que Copilot incorpora. Por fim, o desenvolvedor mescla a pull request.

   Dica

   agente de nuvem Copilot vem com guardrails padrão. Por exemplo, Copilot não é possível mesclar solicitações de pull por si só. Você pode definir proteções adicionais para branches de destino usando conjuntos de regras do repositório.

4. Posteriormente, ao trabalhar em um recurso separado, o desenvolvedor observa um pequeno bug no código do widget de IA. Para evitar a alternância de contexto, o desenvolvedor instrui Copilot a abrir uma solicitação de pull diretamente de VS Code.

   @github Create a PR for the widget function to correctly validate that the user's age is a positive integer.

5.        Copilot funciona em segundo plano e abre um pull request no GitHub, pronta para revisão por outro desenvolvedor.
   

7. Proteger com Copilot Autofix

1. Um administrador habilitou code scanning no repositório, e um alerta code scanning sugere uma vulnerabilidade potencial no código.

2. Um gerenciador de segurança solicita Copilot Autofix a sugestão automática de uma correção para a vulnerabilidade, que um desenvolvedor analisa e aprova.

   

Introdução à IA com agente

          <a href="https://github.com/github-copilot/purchase?ref_product=copilot&ref_type=trial&ref_style=button&ref_plan=enterprise" target="_blank" class="btn btn-primary mt-3 mr-3 no-underline">
          <span>Inscrever-se para Copilot</span><svg version="1.1" width="16" height="16" viewBox="0 0 16 16" class="octicon octicon-link-external" aria-label="link external icon" role="img"><path d="M3.75 2h3.5a.75.75 0 0 1 0 1.5h-3.5a.25.25 0 0 0-.25.25v8.5c0 .138.112.25.25.25h8.5a.25.25 0 0 0 .25-.25v-3.5a.75.75 0 0 1 1.5 0v3.5A1.75 1.75 0 0 1 12.25 14h-8.5A1.75 1.75 0 0 1 2 12.25v-8.5C2 2.784 2.784 2 3.75 2Zm6.854-1h4.146a.25.25 0 0 1 .25.25v4.146a.25.25 0 0 1-.427.177L13.03 4.03 9.28 7.78a.751.751 0 0 1-1.042-.018.751.751 0 0 1-.018-1.042l3.75-3.75-1.543-1.543A.25.25 0 0 1 10.604 1Z"></path></svg></a>

Para começar a usar os recursos mencionados neste artigo, use os links na tabela a seguir.

Para integrar efetivamente os recursos da IA com agente aos seus fluxos de trabalho, você precisará investir em treinamento, governança e mudanças culturais eficazes. Recomendamos experimentar os recursos com agente com uma coorte multifuncional para receber comentários antes de fazer uma distribuição maior.

          Bate-Papo Copilot em GitHub | 
          [AUTOTITLE](/copilot/using-github-copilot/copilot-chat/asking-github-copilot-questions-in-github#submitting-a-question-to-copilot-chat) |