Skip to main content

Интеграция агентического ИИ в жизненный цикл разработки программного обеспечения предприятия

Узнайте, как агенты могут повысить производительность в вашей организации.

Сведения об агентах ИИ на GitHub

Разработчики в вашей организации могут использоваться для использования ИИ в качестве парного средства программирования. В этой модели разработчики работают с помощниками по искусственному интеллекту синхронно и получают предложения по коду на этапе разработки проекта.

Агенты ИИ больше похожи на одноранговых программистов. Агенты могут:

  • Выполнение асинхронных задач, таких как выполнение тестов или устранение проблем в невыполненной работе, с меньшей потребностью в вмешательстве человека.
  • Участие в рабочих процессах за пределами этапа разработки, таких как идея или оптимизация после выпуска.

Совместная работа с агентами может предоставить сотрудникам больше времени, чтобы сосредоточиться на других приоритетах, таких как планирование высокого уровня, и повысить преимущества ИИ для ролей, не являющихся разработчиками, предоставляя больше возможностей для запросов естественного языка.

интегрируются в единую платформу GitHub, обеспечивая более упрощенное взаимодействие с пользователем и упрощенное управление лицензированием и управлением по сравнению с внедрением ряда сторонних средств.

Пример сценария

Вы являетесь менеджером по инженерии в Моне, бутик-магазин зонтиков. Ваша команда была поставлена перед добавлением мини-приложения** с поддержкой **искусственного интеллекта в интернет-магазин компании. Мини-приложение поможет клиентам выбрать правильный зонтик, сделав адаптированные рекомендации на основе таких факторов, как расположение пользователя и локальные тенденции погоды.

Чтобы достигнуть жесткого срока, вы стремитесь ускорить каждый этап процесса, как для разработчиков, так и для разработчиков и не разработчиков в вашей команде. Вы также хотите убедиться, что команда не перегружена задачами обслуживания после развертывания новой функции.

Примечание.

GitHub постоянно расширяет свою платформу, на основе ИИ. Некоторые функции, описанные в этой статье, находятся в public preview, и по умолчанию не могут быть включены для предприятий. Вы найдете ресурсы для каждой функции в разделе "Начало работы с агентическим ИИ ".

1. Планирование с помощью Copilot Chat

  1. Чтобы начать планирование, менеджер продуктов работает с Copilot Chat по https://github.com/copilotадресу.

    Они задают Copilot высокоуровневые вопросы, чтобы получить представление о работе разработки, необходимой для новой функции. Чтобы предоставить Copilot доступ к важному контексту проекта, они отправляют файлы макета и связываются с репозиторием, где хранится база кода.

  2. Когда PM работал с Copilot для получения обзора необходимых задач, они просят Copilot создавать проблемы для каждой части работы.

    Copilot проектирует проблемы в иммерсивном представлении, где PM может уточнить их и опубликовать в репозитории.

    Премьер-министр отмечает некоторые из проблем как хорошие и у вас есть или обслуживание. Это могут быть хорошие кандидаты для Copilot coding agent.

    Снимок экрана: Чат Copilot в иммерсивном режиме. Copilot спрашивает, хотите ли пользователь продолжить создание набора приоритетных проблем.
  3. Чтобы помочь разработчику быстро приступить к работе, PM создает пространство с Copilot Spaces по адресу https://github.com/copilot/spaces. PM собирает такие ресурсы, как схемы и ссылки на файлы кода, отправляет несколько тестовых вопросов, а затем делится пространством со своей организацией.

    Теперь разработчик может задавать вопросы в пространстве, и Copilot уже будет иметь весь контекст, добавленный PM.

2. Создание с помощью режима GitHub Models и режима агента

  1. Премьер-министр просит разработчика начать поиск лучшей модели ИИ для предоставления специализированных рекомендаций по зонтику на основе стоимости и эффективности моделей.

  2. Разработчик просит Copilot Chat рекомендовать несколько моделей ИИ для задания и плюсов и минусов каждого. Чтобы предоставить полезный контекст, они просят Copilot рассмотреть информацию в статье AUTOTITLE GitHub Docs .

  3. Чтобы урегулировать модель из краткого списка, разработчик использует детскую площадку GitHub Models для сравнения результатов из одного запроса в разных моделях. Они экономят время путем тестирования моделей на одной платформе, а не необходимости настраивать ключ API для каждой модели отдельно.

    Снимок экрана: игровая площадка GitHub Models с окнами для отправки запросов на две модели параллельно.
  4. После решения модели разработчик открывает код в VS Code.

  5. Разработчик начинает писать код для нового мини-приложения. Чтобы ускорить работу, они используют Copilot Chat в режиме "Задать" и "Изменить" для вопросов синтаксиса и высокоуровневых предложений.

    Совет

    Разработчик работает с ИИ таким образом, что лучше всего подходит для них, но у вашей организации есть контроль над опытом. Например, доступны следующие возможности:

    • Управляйте моделями , которые разработчик может использовать для разработки, чтобы соответствовать требованиям соответствия требованиям и управлять затратами.
    • Исключите некоторые файлы из Copilot Chat.
    • Сохраните эффективные запросы, которые были протестированы с помощью GitHub Models, чтобы другие пользователи могли воспользоваться преимуществами.
  6. Когда разработчик написал некоторый код, они переключаются в режим агента, чтобы попросить Copilot рефакторинг кода в несколько различных функций для повышения удобочитаемости.

    В режиме агента Copilot работает более автономно и может обновлять несколько файлов и выполнять команды для действий, таких как установка зависимостей или выполнение тестов.

    Снимок экрана: панель чата Copilot в VS Code. Copilot запрашивает у пользователя разрешение на выполнение команды подкладки.

    Совет

    Вы можете создать более согласованный интерфейс, добавив в репозиторий пользовательский файл инструкций . Например, файл может помочь убедиться, что режим агента использует установленные соглашения об именовании и выполняет правильные команды для сборки, тестирования и написания кода в соответствии со стандартами вашей организации.

  7. Разработчик проверяет дифф работы агента и выбирает, какой код следует сохранить.

3. Тестирование с помощью сервера MCP

  1. По завершении кода разработчик хочет выполнить тесты на локальной сборке сайта с помощью Playwright, автоматизированной службы тестирования в браузере.

    • Администратор репозитория добавил сервер протокола MCP для Playwright, который предоставляет агенту Copilot предопределенный интерфейс для интеграции с Playwright.
    • Разработчик запрашивает Copilot для структуры сценариев тестирования в .feature файле, а затем сообщает Copilot, чтобы выполнить тесты в браузере.
    • В режиме агента Copilot просит разработчика авторизовать свои действия, открыв браузер и щелкнув различные элементы в пользовательском интерфейсе. По мере того как разработчик просматривает тесты в браузере, Copilot определяет неудачный тест и предлагает исправление в коде.
  2. Когда они удовлетворены тестами, разработчик просит режим агента открыть запрос на вытягивание для работы с GitHub.

    Совет

    Если включен сервер MCP GitHub, Copilot может запустить команду, чтобы открыть запрос на вытягивание непосредственно из VS Code, а заголовок и описание уже заполнены.

4. Просмотр с помощью Проверка кода Copilot

  1. Владелец репозитория настроил автоматические проверки кода на Copilot в репозитории. Copilot предоставляет первоначальный обзор запроса на вытягивание, выявление ошибок и потенциальных проблем с производительностью, которые разработчик может устранить, прежде чем рецензент получит запрос на вытягивание.
  2. Коллега разработчика проверяет и утверждает запрос на вытягивание. Работа готова к слиянию.

5. Оптимизация с помощью Copilot coding agent

  1. После выпуска менеджер продуктов собирает отзывы клиентов и определяет возможность улучшить предложения мини-приложения, переключившись на более надежный API для погодных данных. Они создают проблему для реализации этого изменения и назначают ее Copilot непосредственно на GitHub.

  2. Copilot coding agent работает в фоновом режиме и открывает запрос на вытягивание, который менеджер продуктов помечает как готовый к просмотру.

    Снимок экрана: запрос на вытягивание, созданный Copilot coding agent.
  3. Разработчик проверяет и оставляет отзыв, который Copilot включает в себя. Наконец, разработчик объединяет запрос на вытягивание.

    Совет

    Copilot coding agent поставляется со стандартными охранниками. Например, Copilot не может объединить запросы на вытягивание самостоятельно. Можно определить дополнительные средства защиты для целевых ветвей с помощью наборов правил репозитория.

  4. Позже при работе с отдельной функцией разработчик заметил небольшую ошибку в коде мини-приложения ИИ. Чтобы избежать переключения контекста, разработчик предписывает Copilot открывать запрос на вытягивание непосредственно из VS Code.

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

  5. Copilot работает в фоновом режиме и открывает запрос на вытягивание на GitHub, готовый для просмотра другого разработчика.

6. Защита с помощью Copilot Autofix

  1. Администратор включил code scanning в репозитории, а оповещение code scanning предлагает потенциальную уязвимость в коде.

  2. Диспетчер безопасности запрашивает Copilot Autofix автоматически предлагать исправление уязвимости, которую разработчик проверяет и утверждает.

    Снимок экрана: оповещение сканирования кода на GitHub.com. Кнопка с меткой "Создать исправление" описана оранжевым цветом.

Начало работы с агентическим ИИ

Зарегистрируйтесь для Copilot

Чтобы приступить к работе с функциями, упомянутыми в этой статье, используйте ссылки в следующей таблице.

Чтобы эффективно интегрировать функции агентического ИИ в рабочие потоки, необходимо инвестировать в эффективное обучение, управление и культурные сдвиги. Мы рекомендуем экспериментировать с агентическими функциями с кроссфункциональным когортой для сбора отзывов перед более крупным развертыванием.

Примечание.

Некоторые из этих функций используют запросы класса Premium. См . раздел AUTOTITLE.