GitHub：AI时代开发者需加强的三项技能

AI 正在改变开发者的工作方式。以下是三项需要加强的技能。

写作代码仍然不可或缺，但开发者越来越需要掌握如何引导 AI、评估 AI 的输出、沟通权衡方案，以及做出合理的技术决策。

好消息是：你今天就可以开始准备。以下是值得投入的方向：

技巧一：学会引导 AI，而不是单纯使用它

AI 正在改变"执行"的含义。出色的执行越来越多地意味着：清晰定义问题、提供恰当的上下文、评估 AI 生成的代码，以及判断何时可以交付。随着 AI Agent 承担更多的实现工作，这些技能变得愈发重要。

举个例子，假设你需要新增一个认证流程。

传统的工作流可能是这样的：

Task: Add authentication  

→ Create branch  
→ Write code  
→ Run tests  
→ Open pull request

随着 AI 工具能力越来越强、与日常工作的集成越来越深入，同样的技能也可以帮助你协调多个 AI Agent。你的工作流可能变成这样：

Workspace: Add authentication  

Agent 1 ✓ Authentication ready for review 
Agent 2 ✓ Documentation draft ready  
Agent 3 ✓ Test suite ready

注意发生了什么改变。你仍然对最终结果负责，但你花在亲自实现每个环节上的时间变少了。取而代之的是，你在定义工作内容、审查输出、做技术决策，把各个环节串联起来。

要点：学会引导 AI Agent。

Start your first agent session >

技巧二：不要迷信 AI 的第一个答案

AI 可以在几秒钟内生成令人印象深刻的解决方案，但第一个答案并不总是最好的。你编写整洁、可维护代码的经验可以帮助你评估 AI 的输出。

可以让第二个 AI 模型来批评第一个模型的工作成果，然后用自己的判断来评估两者的回答。

以下是一个 prompt 示例，展示了在实践中这可能是什么样子：

"Write a SQL query that returns each customer's most recent order." 
↓ 
AI Model #1 
✓ Generates the query 
↓ 
AI Model #2 (Critique) 
⚠ Doesn't handle duplicate timestamps 
⚠ Missing index recommendation 
⚠ May perform poorly on large tables

不同的 AI 模型有不同的优势和盲区。这就是为什么 GitHub Copilot 内置的 Rubber Duck agent 会使用第二个模型来批评计划、代码和测试，然后你再继续推进。第二视角往往能发现第一个模型遗漏的问题。

要点：信任 AI，但不要信任到跳过审查这一步。

技巧三：用 AI 解决更大的问题

当 AI 节省了实现时间后，开发者可以用这些时间去处理更宏观的问题：理解客户需求、评估权衡方案、设计更好的系统，以及做出 AI 无法替他们做出的技术决策。

Issue #4821 
Title: Add dark mode 

AI 

✓ Build implementation 
✓ Generate tests 
✓ Update documentation 

Developer checklist 

☐ Validate customer problem 
☐ Review architectural tradeoffs 
☐ Check accessibility 
☐ Define success metrics 
☐ Approve solution

随着 AI 承担更多的实现工作，区分优秀工程师的那些技能变得更为关键：运用正确的判断力、平衡权衡、解决正确的问题。

要点：让 AI 处理更多的实现工作，这样你才能把更多时间花在培养判断力上，帮助团队做出更好的决策。

随着开发者工作流的演进，学会有效地与 AI 协作，同时加强自己的技术判断力，可以帮助你更好地适应。

Put these ideas in practice >

Gwen Davis 是 GitHub 的高级内容策略师，负责撰写关于开发者体验、AI 加持的工作流以及科技职业成长的内容。

GitHub Copilot app for Beginners: How to build custom workflows with canvases

用日常语言描述你需要的界面，然后让 agent 为你构建一个可实时使用和更新的界面——这样你就能减少适应工具的时间，把更多时间花在真正的工作上。

When chat is the wrong UI

当开发者需要一个比聊天框更具体的东西时该怎么办？答案就是 canvases。

AI-powered fuzzing with the GitHub Security Lab Taskflow Agent

在这篇博客中，我将解释如何使用基于 GitHub Security Lab Taskflow Agent AI 框架的新型模糊测试工作流。