前端进阶之旅前端进阶之旅
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
基础篇
进阶篇
高频篇
精选篇
手写篇
面经篇
AI 篇
原理篇
每日一题
小程序题库
知识卡片
  • 场景篇按分类整理的大前端场景考点
  • 历年面经按年份追踪真实考点
  • 算法题库NEW在线编码即时判题
  • 专项自测100 题快速查漏
  • 前端基础
    • HTTP从报文一路讲到 HTTPS
    • 浏览器渲染、事件循环、进程
    • 计算机基础Linux、网络、操作系统
  • 进阶专项
    • 设计模式23 种模式怎么用
    • 前端系统进阶学习大型项目工程化
    • 前端综合文章长期沉淀的实践文
  • 工程与工具
    • Node学习指南从环境搭建到服务端
    • NPM工作流script、依赖与发布
    • Docker容器化部署上手
    • Canvas图形与动画实战
  • 路线与导图
    • 思维导图知识点全景图
    • 学习路线按图索骥不跑偏
  • 动态
    • 公众号动态公众号历史文章
    • 博客动态站长的技术博客
    • 开发者导航常用工具与文档站
  • AI 助手随时提问,即时解析
  • AI 模拟面试模拟真实面试 + 报告
  • AI 知识地图串起全站知识点
  • AI 定制路线按你的简历现排
AI 热点
旧版
返回 AI 情报前线
All News · 全部资讯9275
  • Anthropic推出Claude文本水印检测API
  • RPA与工作流自动化深度对比:如何构建持久自动化
  • Google Sheets推AI画布,可用自然语言构建交互应用
  • n8n替代方案横评:企业级自托管AI自动化平台
  • 苹果AI策略区域分化或致iOS应用在中国行为不同
  • CoT Prompting 实战指南:何时用、怎么用
  • 阿里Qwen3.8:消费级硬件即可跑出Opus 4.6级性能
  • 什么是AI上下文架构?为什么不建议自建?
  • 阿里Qwen 3.8开源:27B参数上下文达26万token
  • OpenAI推出Computer History:Mac操作记录转为ChatGPT可搜索记忆
  • Grok 4.6 登陆 GitHub Copilot,专为 Agent 编码设计
  • 提升 Claude Code 使用效率的实战指南
  • 换用新模型前,先用历史失败用例回归测试
  • Qwen3.8-27B vs Qwen3.6-27B:架构完全相同,性能提升全赖训练
  • 编程Agent能读git log,却读不到你试错的四次失败
  • AI集成层大规模密钥泄露:Composio等平台暴露数千凭证
  • NVIDIA Nemotron 3.5 Lightning:解决Agent执行层成本与能力矛盾
  • 研究打脸:前沿模型还无法自主做科研
  • AI代理真正学会记住的四层记忆系统
  • Amazon Nova Forge 多轮强化学习奖励函数设计指南
  • GitHub推出覆盖全SDLC的Agent应用
  • AI by Hand:Hacker News热捧的AI辅助手工工具
  • SageMaker 联手 Bedrock AgentCore 构建多Agent工作流指南
  • 两阶段语义检索 + 结构化引用:游戏答案类 RAG 架构设计
  • 语音转文字 + 模型网关:知识库流水线的 API 设计实践
  • Meta发布Glimmer开源模型,Zuckerberg阐述开放AI理念
  • Google用同态加密让私有AI变为实用技术
  • Qwen3.8-27B 开源:家用显卡可跑,可商用
  • 大吞吐量 LLM 工单分类的成本控制五法
  • 阿里开源 OpenSandbox:AI Agent 安全沙箱,两天斩获 1.27 万星
  • AI 记忆不必是数据库:试试 Markdown + Git 方案
  • AI 功能开发中的信任边界设计原则
  • GLM-5.3编码能力跃升:基座未变,提升从何而来
  • AI 编程模型评测实战框架:从真实开发任务出发的选型方法
  • 阿里开源 Qwen3.8-27B:编程办公场景超越 Qwen3.7-Plus,推理资源可调控
  • AI生成的Shell命令需像MR一样审查
  • 中国医生用GPT-5.6-Sol 16小时证明22年数学难题
  • Qwen3.8-27B发布:阿里新一代开源大模型
  • Node.js API客户端防御式解析实战:四种结果分而治之
  • AGENTS.md成跨工具标准:Claude/Cursor/Codex统一配置指南
  • 一行属性将ASP.NET Core API暴露为MCP服务器
  • .NET消费MCP服务三动词:Connect/Discover/Call
  • .NET消费MCP服务:应用作为客户端
  • 生产级 AI Agent 可观测性建设实战指南
  • Kog深度优化GPU推理,挑战Agent工作流效率
  • 理想汽车自研云端推理芯片,数据流架构复用智驾设计
  • LLM分类器不必用真实类目:基于嵌入的假设分类法
  • 为什么我们的Agent需要请求许可才能无人值守运行
  • Dataverse MCP:Claude Code/Copilot接入企业数据平台
  • Agent 执行可视化:让 AI 思维链路可调试
  • 移动端安全配对本地 AI Agent:短命配对码替代 QR 码内置密钥
  • 已加载 51 / 9275
8.0
热点
AI SCORE
编程提效2026-08-15 00:00

GitHub推出覆盖全SDLC的Agent应用

GitHub Blog · AI/ML#GitHub#Agent#DevOps
Editor brief · 编辑速览

GitHub博客介绍四款Agent应用,可在GitHub内完成需求范围评估、安全扫描、灰度发布和交付,覆盖完整软件交付流程。

文章思维导图
Knowledge map
拖拽缩放
Full translation

完整中文译文

你在打开 pull request 的同时,还开着多少个标签页?

想象你在产品的免费试用引导流程中遇到一个新的 issue:把"邀请团队成员"这一步设为可选。随着注册量增加,支持团队不断标记这一步是摩擦点。快速胜利,对吧?

从需求确认到部署,你需要回答这四个问题:

  • 这真的是正确的改动吗?
  • 我涉及的依赖是否干净?
  • 如何安全地推出这个改动?
  • 现在部署是否安全?

每个答案都存在于不同的工具中,所以处理 pull request 意味着要在四个地方之间来回携带同样的上下文。

GitHub agent apps 把回答这些问题所需的工具带到你已经工作的地方,基于与我们的 Copilot 云端 agent 相同的平台和框架构建。下面的说明性演示展示了如何使用你已经依赖的服务(如 Amplitude、Endor Labs、LaunchDarkly 和 PagerDuty)来回答这些问题并完成这个需求,全程无需离开 GitHub。

1. 在动手之前

支持团队说"邀请团队成员"这一步让使用产品的客户感到烦恼,但他们没有说明是谁投诉的,也没有表明这些投诉是否导致了用户流失。你有理由持怀疑态度。所以,你不用打开 Amplitude 并构建一个查询来验证你的直觉,而是直接从 Agents 标签页询问 Amplitude agent:

@amplitude[agent] 完成团队邀请步骤与后续漏斗中的成功留存有相关性吗?按我们正在衡量的用户细分来拆解。

分析结果很清晰:完成这一步的团队用户后续留存的可能性更高,而个人用户则没有这种相关性。现在有理由重新调整范围了:给个人注册暂缓这一步,给团队保留现有的做法。

产品洞察现在可以在 GitHub 中获取,在任何代码写出之前就能进行方向修正。

2. Copilot 打开了改动草稿

Copilot 为这个改动打开了一个草稿 pull request。实现方案同时也更新了引导流程所使用的依赖。与其等待后续 CI 扫描失败,不如直接在评论中询问 Endor Labs agent:

@endor-labs-github-agenthq[agent] 这个 pull request 涉及的依赖有什么需要我注意的吗?

agent 识别出被修改的依赖,检查它们是否存在已知漏洞和更广泛的包风险,然后在 pull request 中报告回来。这次,一切都很干净。没有需要修复的问题。

依赖审查变成了主动检查,而改动还呈现在你面前。比等到 CI 扫描失败后再去修复要好得多。

3. 功能标志设置

前面的发现被带到实现阶段:个人注册走可选路径,团队保留现有流程。因为这些用户细分是在注册时确定的,所以功能标志可以直接针对他们。向 LaunchDarkly agent 询问,让他帮你设置,就像询问团队成员一样:

@launchdarkly-agent[agent] 请为这个 pull request 创建一个功能标志并将其接入代码。
   - key: defer-team-invite
   - type: boolean
   - default: false
   - target: solo-intent 注册用户
   -  rollout: internal > 5% > 25% > 100%

agent 在 LaunchDarkly 中创建了标志,并将代码实现作为提交让你审核。如果目标环境需要审批,它会创建一个审批请求,而不是直接应用定向变更。人类仍然决定推广是否继续。

标志设置从第二个工具、手动代码交接和 Slack 协调,变成了一条 pull request 评论和你需要审核的一次提交。

4. 部署前风险评估

审核告诉你代码是正确的,但服务是否处于适合部署的状态是另一个问题。在合并之前,你询问 PagerDuty agent:

@pagerduty-agent-app[agent] 评估这个 pull request 相对于引导服务的部署风险。检查活跃事件和最近的事件历史,然后建议是否继续。

agent 将仓库映射到其 PagerDuty 服务,检查是否有活跃事件,审查过去 90 天的情况,并将 pull request 中的文件与过去事件涉及的领域进行比对。

这次风险很低。没有活跃事件,与当前改动也没有有意义的关联。建议是继续进行。

没有戏剧性的事情发生,但这就是重点。检查部署风险成为你 pull request 的常规步骤,而不是只有在发布已经感觉危险时才做的事情。

5. 总结

你仍然使用 Amplitude、LaunchDarkly、Endor Labs 和 PagerDuty。但现在,你不再需要在它们之间来回携带上下文,而且它们都将直接在你的 GitHub 工作流中运作。

随着工作从想法到生产的推进,开发者可以在需要其上下文或能力的时刻将每个服务引入 GitHub。有了 agent apps,GitHub 成为了开发者和 agent 协调下一步行动的地方,开发者无需切换上下文。

Agent apps 可从 GitHub Marketplace 获取。安装一个,为你的组织启用它,然后开始使用:

  • 将其分配给一个 issue 来启动任务。
  • 在 pull request 评论中 @提及它以获取分析或操作。
  • 从仓库的 Agents 标签页中选择它。

你的工具仍然是我的工具。现在,它们出现在你已经工作的地方:在 GitHub 上。探索其他首批 agent apps,开始将你的技术栈直接引入工作流:

  • Packfiles 的 agent 阅读你的待办列表并构建迁移策略。
  • Miro 的 agent 将视觉协作与代码工作流连接起来。
  • Bright Security 的 agent 在 GitHub 内自动处理端到端动态安全测试。
  • SonarQube 的 agent 将分析、质量门禁和修复引入 GitHub agent 会话。
  • Octopus Deploy 的 agent 可以识别、诊断和解决部署失败。

在 GitHub Marketplace 发现更多 agent apps >

img

GitHub Copilot 产品经理

使用 GitHub Copilot 应用编写你的第一个 prompt

了解如何在 GitHub Copilot 应用中编写你的第一个 prompt,选择正确的上下文和模型,并充满信心地开始你的第一个任务。

面向 Java 开发者的 GitHub Copilot SDK

企业级 Java 开发者获得了新的超能力——用注解、虚拟线程等idiomatic Java 代码驱动 GitHub Copilot。

GitHub Copilot 应用中斜杠命令指南

在 GitHub Copilot 应用中超越聊天,使用这些斜杠命令。它们将帮助你规划、协作、自动化和定制你的开发工作流。

Original source

本文由 AI 翻译整理自 GitHub Blog · AI/ML,原文版权归原作者所有。

阅读英文原文
上一篇
Amazon Nova Forge 多轮强化学习奖励函数设计指南
下一篇
AI by Hand:Hacker News热捧的AI辅助手工工具