将代理式 AI 集成到企业的软件开发生命周期中

关于人工智能代理 GitHub

企业中的开发人员可能已习惯将 AI 用作结对编程工具。在此模型中，开发人员与 AI 助手同步合作，并在项目的开发阶段接收代码建议。

AI 代理更像是结对编程的伙伴。代理可以：

执行异步任务，例如运行测试或修复积压工作中的问题，所需的人工干预较少。
在开发阶段之外为工作流做贡献，例如发布后的构思或优化工作。

与代理协作可以让员工有更多时间专注于其他优先事项（如高层次规划），并通过赋予自然语言提示更强的能力，将 AI 的优势扩展至非开发人员角色。

          GitHub Copilot与采用一系列第三方工具相比，代理 AI 功能已集成到 GitHub“凝聚力平台”中，提供更简化的用户体验和简化的许可和治理控制。

示例方案

你是精品伞具零售商 Mona's 的工程经理。你的团队的任务是为公司的在线商店添加一个 AI 驱动的小组件****。小组件将基于用户位置和当地天气趋势等因素提供定制化建议，帮助客户选择合适的伞具。

为了赶在紧迫的截止日期前完成，你打算加快团队中开发人员和非开发人员在每个流程阶段的工作进度。你还希望确保新功能推出后，团队不会被维护任务压得不堪重负。

注意

GitHub 不断扩展其 AI 驱动的平台。本文中所描述的一些功能位于公共预览版阶段，且默认情况下可能未启用于企业。可以在开始使用Agentic AI 部分中找到每个功能的资源。

1. 使用 Copilot 对话助手

产品经理与Copilot 对话助手 在https://github.com/copilot一起开始规划。

他们提出 Copilot 高级别问题，了解新功能所需的开发工作。为了让 Copilot 获取与项目相关的重要背景信息，他们上传设计模型文件并链接到代码库存储的仓库。
当 PM 处理 Copilot 完以获取所需任务的概述时，他们要求 Copilot 为工作的每个部分 创建问题 。
```
       Copilot 起草`https://github.com/copilot`中的问题，在此 PM 可以对其进行优化并发布到存储库。
```
PM 将部分问题标记为“可有可无”或“维护类”。这些可能是很好的候选人 Copilot云代理。
为了帮助开发人员快速入门，PM 会在Copilot工作区创建一个包含**** 的空间。 PM 收集诸如图表和对代码文件的引用等资源，提交一些测试问题，然后将该空间与其组织共享。

开发人员现在可以在空间中提出问题，而 Copilot 已经具备 PM 添加的所有上下文。

2. 原型设计 GitHub Spark

若要创建功能原型，PM 将打开 GitHub Spark （https://github.com/spark），并提示它创建小组件。他们可以编写提示、粘贴上一阶段的文档，或上传屏幕截图。 Spark 生成一个已集成 LLM 来提供推荐功能的工作应用程序——无需 IDE 或编码。
若要优化原型，PM 可以再次提示 Spark 、使用可视化编辑器或直接编辑代码。在“提示”选项卡中，他们可以调整支持建议的文本，而无需编辑代码。每次更改都会立即更新实时预览，以便 PM 可以查看编辑如何影响应用。
为了进行协作，PM 发布 Spark 并更新可见性，以便其组织可以访问它。他们还可以创建存储库并邀请协作者。在代码库中进行的代码更改会同步回 Spark，让 PM 和设计师实时看到小组件的更新。

3. 使用 GitHub Models 和代理模式创建

PM 与开发人员共享 Copilot 空间和 GitHub Spark 原型和存储库，并要求开发人员首先找到最佳 AI 模型，根据模型的成本和有效性提供定制的伞式建议。
开发人员要求 Copilot 对话助手 为作业推荐多个 AI 模型，以及每个模型的优缺点。为了提供有用的上下文，他们要求 Copilot 考虑 AI 模型比较GitHub Docs 文章中的信息。
为了从入围名单中确定最终的模型，开发人员使用 GitHub Models 测试平台来比较不同模型中相同提示的结果。然后，他们还可以更新 GitHub Spark 原型，以使用他们自行选择的特定模型，查看其如何影响原型中整个小组件的使用体验（GitHub Models 中支持的所有模型在 Spark 中均受支持）。他们通过在单个平台上测试模型来节省时间，而无需为每个模型分别设置 API 密钥。
确定模型后，开发人员会在其中 VS Code 打开代码。
开发人员开始为新小组件编写代码。为了加快工作速度，他们在 Copilot 对话助手 语法问题和高级建议中使用“询问”和“编辑”模式。
提示

开发人员以最适合自己的方式使用 AI，但贵组织可对该体验进行控制。例如，可以：
- 控制模型，以便开发人员可将其用于开发工作，从而满足合规要求并管理成本。****
- 将某些文件排除在**** 的影响之外。
- 保存有效提示，这些提示已经过GitHub Models，以便其他用户受益。
当开发人员编写了一些代码时，他们切换到 代理模式 ，要求 Copilot 将代码重构为多个不同的函数，以提高可读性。

在代理模式下， Copilot 可以更自主地工作，并且能够更新多个文件，并使用开发人员的授权为安装依赖项或运行测试等操作运行命令。

提示

可以通过向仓库添加自定义说明文件来创建更一致的体验。**** 例如，该文件可帮助确保代理模式使用既定的命名约定，并根据贵组织的标准运行正确的命令来构建、测试代码以及对代码进行 Lint 分析。
开发人员会评审代理工作的差异，并选择要保留的代码。

4.使用 MCP 服务器进行测试

代码完成后，开发人员希望使用自动化浏览器内测试服务 Playwright 在其本地构建的网站上运行测试。
- 存储库管理员已为 Playwright 添加了 模型上下文协议（MCP）服务器 ，该服务器为代理提供了 Copilot 与 Playwright 集成的预定义接口。
- 开发人员要求 Copilot 概述文件中的测试方案 .feature ，然后告知 Copilot 在浏览器中运行测试。
- 在代理模式下， Copilot 要求开发人员在打开浏览器时授权其操作，并在 UI 中单击不同的元素。当开发人员在浏览器中观看测试时， Copilot 标识失败的测试并建议在代码中修复。
当他们对测试感到满意时，开发人员会请求以代理模式在 GitHub 上打开一个拉取请求以进行工作。
提示

* ** GitHub启用 MCP 服务器**后，Copilot可以运行命令，直接从VS Code中打开拉取请求，并填写标题和说明。
- 与 GitHub MCP 服务器的交互通过 推送保护进行保护，这会阻止机密包含在 AI 生成的响应中，并阻止你通过使用服务器（仅限公共存储库）执行的任何操作来公开机密。请参阅“关于推送保护”。

5. 使用 Copilot代码评审和 Copilot自定义代理

存储库所有者已在**** 存储库上配置了自动Copilot。 Copilot 提供对拉取请求的初始评审，确定开发人员在访问拉取请求之前可以修复的 bug 和潜在性能问题。
作为额外的合规性检查，企业所有者创建了一个包含关于行业法规和内部政策关键背景的Copilot自定义代理。开发人员选择自定义智能体 at https://github.com/copilot/agents，提示 Copilot 在请求人工评审之前仔细查看拉取请求是否符合性并应用任何必要的更改。
开发人员的同事评审并批准合并请求。工作已准备好合并。

6. 优化 Copilot云代理

发布后，产品经理收集客户反馈，并发现了可以通过采用更可靠的天气数据 API 来改进小组件建议的机会。他们创建一个任务来实现此更改，并在上直接将分配给它。

       Copilot云代理 在后台工作，并打开拉取请求，产品经理将请求标记为“已准备好审阅”。

开发人员评审 Copilot 的拉取请求并留下反馈，然后 Copilot 进行采纳。最后，开发人员合并拉取请求。

提示

Copilot云代理附带默认护栏。例如， Copilot 无法单独合并拉取请求。可以使用仓库规则集为目标分支定义其他保护。
之后，在开发另一个独立功能时，开发人员注意到 AI 组件的代码中存在一个小错误。为了避免上下文切换，开发人员指示 Copilot 直接从 VS Code 打开拉取请求。

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

       Copilot 在后台运行并在 GitHub 上打开一个拉取请求，准备让其他开发人员进行审核。

7. 安全固定 Copilot 自动修复

管理员已在存储库上启用 code scanning ，警报 code scanning 显示代码中可能存在漏洞。
安全管理器请求 Copilot 自动修复 自动建议修复漏洞，开发人员会审查和批准漏洞。

开始使用代理人工智能

          <a href="https://github.com/enterprise/contact?ref_product=copilot&ref_type=engagement&ref_style=button" target="_blank" class="btn btn-primary mt-3 mr-3 no-underline">
          <span>联系销售人员</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>

若要开始使用本文中提到的功能，请使用下表中的链接。

要将代理式 AI 功能有效集成到工作流，你需要在有效的培训、治理和文化变革方面进行投入。我们建议与跨职能团队一起试用代理功能，以在大规模推出前收集反馈。

注意

其中一些功能使用高级请求。**** 请参阅“GitHub Copilot 中的请求”。

功能	详细信息

          Copilot 对话助手 中的 GitHub | 
          [AUTOTITLE](/copilot/using-github-copilot/copilot-chat/asking-github-copilot-questions-in-github#submitting-a-question-to-copilot-chat) |

将代理式 AI 集成到企业的软件开发生命周期中

在本文中