跳到正文
只看一手#GitHub
11月7日周六
10月21日周三
  1. GitHub Blog · AI & ML42

    三位 Java Champion 如何利用 GitHub Copilot 提升生产力

    三位资深 Java Champion 分享了利用 GitHub Copilot 在开源及生产环境中提升效率的实践。Vlad Mihalcea 借助 Copilot 将原本需数周的应用开发缩短至两天，并通过自定义技能保持代码风格一致。Patrick Baumgartner 则利用其完成大规模演示文稿迁移，并通过视觉对比验证确保内容完整性。

10月20日周二
10月14日周三
10月13日周二
  1. GitHub Blog · AI & ML67

    GitHub Copilot 如何通过四种方式理解代码库

    GitHub Copilot 提供了四种配置项目上下文的方法，帮助模型遵循团队规范并执行复杂任务。用户可通过 .github/copilot-instructions.md 定义全局或路径特定的自定义指令，利用 .github/skills 文件夹封装可复用的 Agent 技能，在 .github/agents 中创建处理跨文件任务的自定义智能体，并接入 MCP 服务器以连接外部工具和数据源。

    推荐理由：原文给出了四种配置Copilot项目上下文的具体路径，读者可据此将团队规范转化为可复用的自动化指令。

10月8日周四
  1. GitHub Blog · AI & ML72

    GitHub 发布 ModernBERT 密钥检测模型以应对 AI 智能体加速下的安全挑战

    GitHub 发布基于 ModernBERT 的通用密钥检测模型，将推送保护中的密钥评估延迟降至 2 毫秒内，预计可使可预防的密钥泄露数量翻倍。该功能目前处于私有预览阶段，后续将向 Enterprise Cloud 和 GitHub Teams 组织开放，并集成至 Copilot CLI 及 App 的 /security-review 命令中。

    推荐理由：GitHub 推出基于 ModernBERT 的密钥检测模型，将推送保护延迟降至 2 毫秒内，旨在应对 AI 智能体加速代码生成带来的安全挑战。

10月5日周一
  1. GitHub Blog · AI & ML72

    GitHub 发布 ReviewBench：面向 AI 代码审查的开源基准

    GitHub 发布 ReviewBench，一个基于 103.9M 真实 Pull Request 分布构建的 AI 代码审查开源基准。该基准包含 219 个跨 19 种语言的公开 PR，采用多源黄金集和独立验证机制，提供 Grounded 和 Augmented 两套指标以评估已知和新发现的问题。

    推荐理由：基于 103.9M 真实 PR 构建的开源基准，提供了可复用的离线评估方法，帮助团队在上线前预判代码审查智能体的表现。

10月2日周五
9月26日周六
  1. GitHub Blog · AI & ML62

    GitHub Copilot 教程：使用 Canvases 构建自定义工作流

    GitHub Copilot 应用支持通过 /create-canvas 技能，利用自然语言描述生成可自定义的交互界面（Canvases）。该界面支持用户与智能体双向实时协作，可保存为扩展供团队共享，无需手动编码即可将看板、清单等工作流转化为可视化工具。

    推荐理由：文章演示了如何通过自然语言描述生成双向交互界面，展示了智能体与用户实时协作的工作流构建方法。

9月25日周五
  1. GitHub Blog · AI & ML72

    GitHub Copilot 推出 Canvas 功能以替代聊天界面

    GitHub Copilot 推出 Canvas 功能，允许在应用内运行全栈应用并与 Agent 双向通信。该功能支持本地代码执行和第三方 API 调用，可用于构建 SQLite 管理工具或自动化开发工作流，从而减少不必要的 Token 消耗并提升交互效率。

    推荐理由：原文展示了 Canvas 如何替代聊天框处理本地代码执行与自动化流程，为构建非对话式 AI 交互提供了具体实践参考。

  2. GitHub Blog · AI & ML75

    GitHub Security Lab 发布基于 Taskflow Agent 的 AI 模糊测试工具

    GitHub Security Lab 发布 Fuzzing Taskflow，利用 LLM 智能体自动化 C/C++ 项目的模糊测试流程。该工具通过 MCP 工具调用 AFL++ 执行测试，智能体负责识别入口点、编写测试桩、分析覆盖率缺口并分诊崩溃。系统采用结构感知模糊测试策略，包括预构建字典、源码常量提取及动态语料库演化，最终生成包含根因分析和修复建议的漏洞报告。

    推荐理由：原文展示了 LLM 智能体如何接管模糊测试中编写测试桩、分析覆盖率及分诊崩溃等重复性人工环节，为自动化安全测试提供了具体架构参考。

9月24日周四
  1. GitHub Blog · AI & ML52

    GitHub Copilot 应用重构 Pull Request 视图以支持超大代码差异渲染

    GitHub Copilot 应用重构了 Pull Request 视图，使其能够流畅渲染包含 2200 个文件和超百万行变更的超大代码差异。该方案通过分离确定性代码几何与动态评论块几何，并引入基于空闲和滚动门控的测量调度器，解决了评论高度未知导致的布局抖动问题。此外，团队构建了自主测量循环工具，利用生产环境探针自动检测并修复渲染性能瓶颈。

9月18日周五
3月13日周五