Общие сведения о том, как агенты ИИ соответствуют рабочим процессам вашей организации

Это руководство поможет владельцам предприятия, руководителям ИИ и руководителям инженеров спланировать развертывание агента ИИ. Вы определите, какие функции следует включить, какие элементы управления следует проверить и какие команды следует включить перед развертыванием.

О агентах ИИ на GitHub

Разработчики в вашем предприятии уже могут использовать ИИ как инструмент парного программирования, одновременно получая предложения кода в процессе разработки.

Агенты ИИ больше похожи на одноранговых программистов. Они могут выполнять следующие действия:

• 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.

GitHub CopilotАгентские функции интегрированы в GitHubплатформу , обеспечивая упрощённый опыт и упрощённое лицензирование и управление по сравнению с сторонними инструментами. Пользователи могут запускать облачные сеансы с локального клиента и возобновлять их с GitHubтеми же инструментами, разрешениями и моделями.

Пример сценария

Вы являетесь менеджером по инженерии в Моне, бутик-магазин зонтиков. Ваша команда добавляет в онлайн-магазин виджет на базе искусственного интеллекта , который рекомендует зонты на основе местоположения пользователя и местной погоды.

Чтобы уложиться в сжатые сроки, нужно ускорить каждый этап как для разработчиков, так и для тех, кто не занимается разработчиками, при этом сохраняя управление после запуска. Вы работаете с администраторами предприятия, чтобы решить, какие функции следует сделать доступными и как управлять их использованием.

1. Планирование с помощью CopilotGitHub

1. Диспетчер продуктов (PM) запускает сеанс с Copilotgithub.com/copilot, работая в репозитории, который содержит базу кода для проекта.

   Они задают Copilot вопросы на высоком уровне, чтобы понять, какая работа по разработке необходима для новой функции. Чтобы получить Copilot доступ к важному контексту проекта, они загружают макеты и ссылаются на репозиторий, где хранится кодовая база.

2. Pm закрепляет облачный сеанс, чтобы сохранить его в верхней части списка сеансов. Позже, во время перехода на встречу с клиентом, они возобновляют сеанс в GitHub Mobile целях продолжения планирования.

   Совет

   Если для организации требуется единый вход (единый вход), pm должен пройти проверку подлинности с помощью единого входа, чтобы получить доступ к сеансу из другого клиента.

3. Когда менеджер проекта Copilot работает над обзором необходимых задач, он просит Copilotсоздать задачи для каждой части работы.

   

4. Чтобы помочь разработчику быстро начать, PM создаёт пространство с Copilot Spacesgithub.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, имея доступ ко всему контексту PM.

2. Создайте с Copilot CLI

1. Задав некоторые начальные вопросы в Copilot пространстве, разработчик возобновляет сеанс в своем терминале, чтобы начать смотреть на код. Они просят Copilot рекомендовать несколько моделей ИИ для задания и перечислить плюсы и минусы каждого.

2. После написания кода разработчик просит Copilot рефакторить его на несколько различных функций и подредить его в соответствии со стандартами организации. Они вызывают одного из кастомных агентов организации, который включает индивидуальные инструкции для организации.

Copilot может одновременно обновлять несколько файлов и, с разрешения разработчика, запускать команды для таких действий, как установка зависимостей или запуск тестов.

1. Перед открытием запроса на вытягивание разработчик запускается /security-review для выявления вероятных уязвимостей в активных локальных изменениях и применения исправлений.
2. Разработчик просматривает различие и выбирает, какой код сохранить.

3. Тестирование с помощью сервера MCP

1. После завершения кода разработчик запускает тесты на локальной сборке с помощью Playwright.

   1. Разработчик настроил сервер Model Context Protocol (MCP ) для Playwright — утверждённого сервера в частном реестре MCP предприятия.
   2. Разработчик просит Copilot оформить тестовые сценарии в .feature файле, а затем запустить тесты в браузере.
   3. Copilot просит разработчика авторизировать его действия при открытии браузера и взаимодействии с интерфейсом. Он выявляет провалившийся тест и предлагает решение.

2. Когда тесты удовлетворяются, разработчик просит Copilot открыть pull request на выполнение работы на GitHub. Используя GitHub MCP-сервер, Copilot открывается pull request с уже заполненным заголовком и описанием.

   Совет

   Взаимодействие с GitHub MCP-сервером защищено push-защитой, которая блокирует включение секретов в ответы, сгенерированные ИИ, и не даёт вам раскрывать секреты через любые действия на сервере (только в публичных репозиториях).

4. Повторение с Copilot code review

1. Владелец репозитория настроил автоматические проверкиCopilot кода на репозитории. Copilot предоставляет первоначальный обзор pull request, выявляя баги и возможные проблемы с производительностью, которые разработчик может исправить до того, как человеческий рецензент доберётся до pull-запроса.
2. Коллега разработчика проверяет и утверждает запрос на вытягивание. Работа готова к слиянию.

5. Назначение дальнейших работ Copilot

1. После релиза менеджер продукта выявляет возможность улучшить виджет, перейдя на более надёжный погодный API. Они создают проблему и назначают Copilot её напрямую на GitHub.

2. Copilot работает в фоне и открывает pull request, который менеджер продукта отмечает как готовый к рассмотрению.

   

3. Разработчик рассматривает pull request и оставляет отзыв, который Copilot включает в себя. Разработчик затем объединяет pull request.

   Совет

   Copilot В комплекте стандартные ограждения. Например, он не может объединять 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 делегирует работу Copilot непосредственно из своей Copilot CLI сессии.

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

6. Обеспечьте безопасность Copilot Autofix

1. Администратор включил code scanning репозиторие, и оповещение code scanning указывает на потенциальную уязвимость в коде.

2. Менеджер по безопасности автоматически Copilot Autofix предлагает исправление уязвимости, которое разработчик рассматривает и одобряет.

   

Планирование развертывания

Используйте приведенный выше пример, чтобы определить, где агенты ИИ могут помочь вашим командам. Обратитесь к администраторам предприятия для планирования:

• Пилотные команды и задачи: выберите команду и рабочий процесс, чтобы сначала попробовать, например обслуживание невыполненных операций или проверку запроса на вытягивание.
• Требования к управлению. Определение политик, утвержденных серверов MCP и защиты репозитория, необходимых для этого рабочего процесса.
• Обязанности по развертываниям. Согласны с тем, кто будет настраивать корпоративные политики, подготавливать репозитории, обучать разработчиков и просматривать результаты пилотного проекта.