跳到正文
#GitHub
今天11月13日周五3 条
  1. Hacker News · AI48

    Loose Ends：对 AI 代理遗留的未使用代码进行存活性检查

    Loose Ends 是一款新的 CLI 工具，用于检查变更中添加或修改的代码是否仍可从真实入口点到达，标记出孤立的新增代码、新近孤立的代码以及被替换后仍留在原地的实现。它跨 TypeScript、JavaScript、Python 和 Java 构建存活性图，并且只报告本次变更所造成的影响，因此已有的死代码永远不会阻塞拉取请求。可通过 npm 安装，需要 Node.js 20 或更高版本以及 git。

  3. GitHub Blog · AI & ML58

    GitHub 指南解释如何构建可在 Claude Code、Cursor 和 Copilot 上运行的 agent skills

    GitHub 发布了一份关于 agent skills 的实用指南，agent skills 是以 SKILL.md 文件为中心、带版本号的目录，用于描述何时以及如何执行可重复的任务。该指南使用两个示例——用于对 AI 生成代码进行对抗性验证的 Proof Agent 和用于多技能数据管道的 Data Forge——来展示技能如何共享项目清单、复用同一条执行路径，并在每个阶段设置人工审批。它还介绍了一个打包脚本，可从单一 skills 源为 Claude Code、Cursor 和 GitHub Copilot 生成特定于客户端的文件。

11月11日周三
  1. MarkTechPost40

    Marktechpost AI 推出 GPU 排行榜并发布 Deploy It Chrome 扩展

    Marktechpost 推出了 GPU Leaderboard，这是一个免费的云 GPU 价格比较网站，面向 AI 推理，按 $/GPU-hr 对来自 24 家提供商的 201 个实时报价进行排名。其成本计算器可计算包含空闲时间的完整运行成本：一个 8×H100、72 小时、90% 利用率的任务，价格从 Latitude 的 $967.68 到 CoreWeave 的 $3,545.28 不等。配套的 Deploy It Chrome 扩展可在 Hugging Face 模型页面和 GitHub 仓库上估算 FP16、INT8 和 INT4 下的 VRAM，并显示最便宜的适配 GPU。

11月7日周六
  1. GitHub Blog · AI & ML38

    超越代码生成：开发者的智能体工程指南

    GitHub 发布了一份面向开发者的智能体工程指南，介绍了 Copilot 如何支持软件工作中的规划、构建、验证和观察四个阶段。该指南引用了 GitHub 今年 10 月单周 12 亿次提交的数据，比一年前增长超过 400%，还引用了 Faros AI 的一项研究：随着团队从低 AI 采用率转向高 AI 采用率，拉取请求在审查环节的停留时间延长了 441%。指南详细介绍了多项功能，包括 Slack 或 Teams 中的 Copilot、Plan Mode、GitHub Agentic Workflows、云沙箱、会话连续性、共享记忆、Copilot Dreaming 和 Copilot Fusion。

11月5日周四
  1. The Pragmatic Engineer22

    扩展 Slack 与 GitHub：Maude Lemaire 谈后端性能与数据库分片

    Maude Lemaire 是首席工程师、《Refactoring at Scale》一书的作者，她在 The Pragmatic Engineer 播客中分享了扩展 Slack 和 GitHub 的内部视角。她曾用近八年时间领导 Slack 的后端性能基础设施团队，之后于 2024 年加入 GitHub 处理数据库扩展问题，最近则在 Cursor 从事性能工作，包括首 token 时间。她解释了 Slack 为何限制自定义表情为 23 个以避免惊群效应，为何用朴素方式对 50 万个 WebSocket 连接做负载测试每次运行要花费 15 万美元，以及为何 GitHub 的 Active Record 抽象和分散查询将其限制在 16 个数据库分片。

10月27日周二
  1. Replit Blog75

    Replit Cloud Agents 现已让非工程人员也能参与公司代码库

    Replit 面向现有代码库推出 Cloud Agents，团队中任何人都可以用自然语言描述一项改动，由智能体在 GitHub 或 GitLab 中发起一个经过测试的拉取请求，所有 Pro 和 Enterprise 客户均可使用。该智能体在隔离的云沙箱中运行每项改动，点击浏览运行中的应用，并将截图和视频附加到 PR 中；共享环境为每位贡献者提供预配置的设置，并会从主分支更新。Replit 还推出了早期访问的自改进工作区记忆功能，可将评审评论转化为由工程师批准的团队技能，以及一项 Slack 集成，用户可在话题中提及 @Replit 来发起改动。

    推荐理由：Replit 把 Cloud Agents 接入企业既有代码库，让非工程人员以带测试视频的 PR 形式提交改动，展示了 AI 编码工具向团队协作流程延伸的一种路径。

10月21日周三
  1. GitHub Blog · AI & ML22

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

    三位拥有十多年 Java 经验的 Java Champion 分别分享了他们在生产环境和开源工作中使用 GitHub Copilot 的方式。Vlad Mihalcea 在两天内（而非数周）构建了一个 Hypersistence Optimizer Web 应用，并基于自己的 65 篇文章训练了自定义技能，以匹配他的写作风格。Patrick Baumgartner 借助 Copilot 将 15 份演示文稿中约 900 张教学幻灯片从 Reveal.js 迁移到 Marp，并通过截图对比验证结果。

10月20日周二
  1. GitHub Blog · AI & ML26

    如何在 VS Code 中继续 GitHub Copilot 应用会话

    GitHub Copilot 应用会话现在可以直接在 VS Code 中打开，并延续对话、代码更改和工作树，让开发者无需重新开始即可查看差异、手动编辑并在本地测试。本教程逐步演示如何打开会话、逐行查看智能体的更改、在 Copilot 侧边栏中继续同一对话，以及将会话的拉取请求推送更新。

10月14日周三
  1. GitHub Blog · AI & ML38

    GitHub 的密钥检测模型：以更少噪声发现更多密钥

    GitHub 训练了一个经过微调的 ModernBERT 分类器，用以替代其此前基于 LLM 的通用密钥检测流水线，使按所有者加权的告警精确率提升了 11.5%，并将推送后扫描执行时间中位数缩短了 86%。该两阶段流水线先通过正则表达式生成候选，再进行上下文感知分类，与远程 LLM 调用相比还将服务成本降低了 98% 以上。效率的提升使得将通用密钥检测扩展到推送保护成为可能，从而在变更被推送之前就返回结果。

10月13日周二
  1. GitHub Blog · AI & ML36

    GitHub Copilot 入门：让 Copilot 了解你的代码库的四种方法

    GitHub 的 Copilot for Beginners 系列介绍了四种为 Copilot 提供项目上下文的方法：在 `.github/copilot-instructions.md` 中编写自定义指令，并在 `.github/instructions` 中添加路径专属文件；在 `.github/skills` 中定义 agent skills；在 `.github/agents` 中配置自定义 agent；以及通过 MCP 服务器将 Copilot 连接到 Playwright 等外部工具。文章逐一讲解了每种机制及其组合方式，并引导读者前往社区 Awesome Copilot 合集获取现成示例。

10月8日周四
10月5日周一
  1. GitHub Blog · AI & ML58

    GitHub 发布 ReviewBench，一个用于 AI 代码审查的开放基准

    GitHub 发布了 ReviewBench，这是一个面向 AI 代码审查智能体的开放基准，基于 19 种语言的 219 个公开拉取请求构建，其语言和仓库规模分布参照 1.039 亿个 GitHub 拉取请求建模。黄金集从人类审查者、作者后续提交、静态分析和多个前沿 LLM 中提取发现，由 Claude Sonnet 5 按照已发布的评分标准评分，资深工程师独立重新标注了每一条发现，一致率为 96.6%。GitHub 表示，其对 Copilot 代码审查的离线评估预判了生产 A/B 测试的方向，其中已处理率上升 8.0%，召回率上升 13.6%，每次审查成本下降 8.0%。

10月2日周五
  1. GitHub Blog · AI & ML25

    GitHub 博客：AI 重塑工作方式，开发者需要三项技能

    GitHub 博客指出，随着 AI 改变开发者的工作方式，开发者应加强三项技能：引导 AI 智能体而非仅仅使用它们；批判性地审查 AI 输出，而不是轻信第一个答案；利用 AI 节省的时间去解决更广泛的问题。文中提到 GitHub Copilot 内置的 Rubber Duck 智能体，它会在开发者继续推进之前，用第二个模型对计划、代码和测试进行评审。