一次构建、跨智能体运行:agent skills 实用指南
GitHub 发布 agent skills 实用指南,介绍以 SKILL.md 为核心的版本化目录如何封装可复用任务指令,并可在不同智能体间共享。
GitHub 发布 agent skills 实用指南,介绍以 SKILL.md 为核心的版本化目录如何封装可复用任务指令,并可在不同智能体间共享。
GitHub 单周提交量突破 12 亿次,同比增长超 400%,超过 2025 年全年总量。Faros AI 研究显示,团队从低 AI 采用率升至高位后,pull request 的评审停留时间延长了 441%。
三位拥有十余年 Java 经验的 Java Champion 分享了在生产与开源项目中使用 GitHub Copilot 的具体实践。Vlad Mihalcea 借助 Copilot 将原本需数周的 Optimizer 事件历史 Web 应用缩短至两天完成,并用 65 篇文章训练自定义 skill 模仿自己的写作风格。
GitHub Copilot 应用中的会话可直接在 VS Code 中打开并继续,对话、代码改动和工作上下文均完整保留。VS Code 会加载该会话关联的 worktree,并在 Copilot 侧边栏显示原会话,用户可逐行审查 diff、手动编辑、本地运行测试,再将更新推送到会话对应的 pull request。
GitHub 推出基于微调 ModernBERT 的密钥检测流水线,替代此前基于 LLM 的方案,用户告警接受率提升 11.5%,推送后扫描中位执行时间降低 86%,服务成本降低超 98%。该流水线先用正则高召回生成候选,再由 ModernBERT 结合文件路径、变量名和上下文判断是否为真实凭证,从而将占位符、测试样例等误报过滤掉。
GitHub Copilot 可通过四种方式定制项目上下文:仓库级自定义指令(.github/copilot-instructions.md)、封装可复用流程的 agent skills(.github/skills)、面向复杂任务的 custom agents(.github/agents),以及连接外部工具与数据的 MCP 服务器。
GitHub 发布与 Microsoft Applied Sciences 联合构建的 ModernBERT 分类器,用代码上下文识别非结构化密钥,可在 2 毫秒内评估一批候选密钥,据称能把可拦截的密钥数量提升一倍以上。
推荐理由:GitHub 公开了九季度密钥泄露数据,并说明新分类器如何把推送拦截扩展到非结构化密钥。
OpenAI 发布内部前沿模型在数学开放问题上的新结果,并在 GitHub 上公开 Lean 证明形式化与研究细节。
推荐理由:OpenAI 公开内部前沿模型在数学开放问题上的结果,并放出 Lean 形式化证明,可了解其研究路径。
GitHub 发布 ReviewBench,一个面向 AI 代码审查智能体的开放离线基准,基于 1.039 亿个 GitHub PR 的分布特征构建,包含 187 个开源仓库、19 种语言的 219 个 PR。
推荐理由:GitHub 公开了 AI 代码审查基准的构建方法、评分口径与验证数据,可据此比较不同审查智能体。
GitHub 提出 AI 时代开发者应强化的三项技能:学会指挥 AI 智能体而非仅使用它、不轻信 AI 的首次答案、用 AI 节省的时间去解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例,说明它用第二个模型对计划、代码和测试进行批判性审查,从而发现首个模型遗漏的问题。
GitHub Copilot 应用中的 canvas(画布扩展)是一种用户与智能体共享的可定制界面,可做成看板、issue 分诊板、发布清单或仪表盘。在 agent 会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体权限,即可生成界面并在右侧面板打开,无需手写代码。
GitHub Copilot 提出聊天并非与 AI 协作的最佳界面,其应用内的 canvas 是一种无浏览器外壳的全栈小应用,可与 Copilot 智能体双向通信,也能调用第三方 API 并在本地执行代码。
GitHub Security Lab 发布 Fuzzing Taskflow,一个面向 C/C++ 项目的自主模糊测试流水线,基于其 Taskflow Agent 框架构建。
推荐理由:原文完整披露了 Fuzzing Taskflow 的流水线设计与覆盖率反馈机制,可看到 LLM 智能体在安全测试中承担哪些判断、哪些执行。
GitHub Copilot 应用重建了 pull request 视图,用一个含 2,200 个文件、超百万行改动和 400 多条行内评论的开源 PR 做压力测试。代码行沿用“绘制前高度已知”的确定性几何,评论等动态块则改为惰性测量、高度有界、修正锚定在用户当前视口,避免滚动跳动。
GitHub Podcast 最新一期拆解了五个 AI 热门观点:AI 生成的代码仍需阅读和负责,只是审查力度应按风险分级;Skills 与 MCP 解决不同问题,前者是打包的团队经验,后者是连接工具与数据的标准,可组合使用;RAG 并未消亡,它让模型基于训练数据外的文档、内部知识和代码库上下文作答,避免浪费 token 并减少不完整回答。
GitHub 用 GitHub Copilot app 和 Copilot CLI 把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行生产级 Rust,代码主要由 AI 智能体编写,分布在 128 个合入 main 的 PR 中增量发布而非一次性切换。
推荐理由:作者以亲历者身份给出把 80 万行运行时从 TypeScript 迁到 Rust 的完整工程细节,可迁移到大规模 Agent 协作开发。
GitHub 日本和韩国区营销负责人把活动运营流程交给 GitHub Copilot,用 GitHub Issue 表单、Labels 触发器和 Actions 工作流搭出一套自动化管线:活动从单个 Issue 自动建站、生成 UTM 链接、每日筛选报名者并在结束后自动清理。
GitHub Copilot 应用内置 diff、终端和浏览器三个面板,让用户无需离开应用即可审查、运行和预览 AI 智能体生成的代码变更。diff 面板以绿色和红色高亮显示增删改内容,终端面板支持运行命令和配置脚本,浏览器面板提供 Pick & Polish 工具用于选取元素并让智能体调整。完成审查、运行和预览后,用户可直接在应用内接受变更并创建 pull request。
GitHub 推出研究预览版 Project HydraFusion,通过运行时多模型编排为 Copilot 提供前沿级编码能力,用户可在 GitHub Copilot CLI 中通过 /experimental 选择该模型。
推荐理由:GitHub 官方披露 HydraFusion 的三种编排模式与三项基准的成本质量对比,可据此判断多模型编排在编码任务上的取舍。
GitHub Copilot 应用支持同时运行多个智能体会话,每个会话在独立的 Git worktree 上并行执行、互不干扰,并各自保留上下文,可随时切换且无需重新说明任务。在示例仓库 tailspin-toys 中,可同时让 Copilot 分别开发 funded sort 功能、执行无障碍审查和运行测试,并在会话视图中跟踪进度、查看结果。
Google 发布 TimesFM-3,这是其新一代零样本时间序列基础模型,原生支持多变量预测,参数量为 330M,预训练语料包含超过 1 万亿个时间点。模型采用交替注意力架构,并通过 Contiguous Patch Masking 在单次前向中输出整个预测区间,同时给出 9 个分位数。
推荐理由:原文交代了 TimesFM-3 从单变量转向原生多变量预训练的结构改动,以及它在三个公开基准上的排名表现。