Jay Parikh:编程智能体正在改变 GitHub 的工作方式

原标题Jay Parikh: GitHub must adapt as coding agents change development

Microsoft CoreAI 的 Jay Parikh 谈 GitHub 如何应对智能体带来的规模、模型选择与安全挑战。

JPJay Parikh嘉宾 · Microsoft
频道
Latent Space
发布
2026年11月8日
视频
23:15
阅读
7 分钟
幻灯片
3
原文
英语
在 YouTube 打开
往下滚动阅读时,视频会缩到右下角继续播放。字幕跟随阅读语言。
阅读语言共 2 种语言可读
由 AI 从英语原文翻译。打开“对照原文”可以逐段核对。
摘要

30 秒看懂

GitHub 正在支持编程智能体和 2.25 亿开发者,并尝试让任务上下文跨工具、跨设备延续。Microsoft CoreAI 高管 Jay Parikh 说,Copilot 应根据质量、速度和成本为任务选择模型。他也提醒,替换开源依赖意味着团队要自行维护替代代码。随着 AI 支出增加,他希望企业把费用与完成的工作和实际成果联系起来。

  1. 1GitHub 报告 2.25 亿开发者和 343 亿次提交Parikh 说,其年度报告还记录了 179 亿次推送和 13 亿个拉取请求,且连续第二年平均每秒有一位开发者加入。
  2. 2Parikh 认为拉取请求应当可以配置他在一些个人仓库中会跳过拉取请求,并认为服务学生和企业的平台需要支持不同工作方式。
  3. 3Copilot Fusion 希望平衡模型的质量、速度和成本Parikh 介绍,多模型 harness 负责协调工具,而模型选择功能则减轻开发者需要做的选择。
  4. 4同一编程任务可以跨设备继续Parikh 说,GitHub 的不同界面使用共同的 harness,使仓库和其他任务上下文能够从手机延续到桌面。
  5. 5减少外部依赖仍会带来维护工作Parikh 说,重写外部软件不是通用的安全解法,因为团队需要负责维护替代代码。
  6. 6根据产出的工作和成果衡量 token 支出Parikh 建议关注成本节省、参与度和留存率等指标;swyx 指出,开发者个人未必直接负责收入。

要点建议

  1. 用完成的工作和实际成果衡量 AI 支出,不只看 token 费用。
  2. Parikh 说,替换依赖也意味着团队要维护更多自己的代码。
  3. 让编程任务的仓库和对话上下文能够跨设备、跨模型使用。
  4. GitHub 年度数据报告显示,平台有 2.25 亿开发者和 343 亿次提交。
全文

按章节阅读整理后的全文

只看原始文稿
01

GitHub 如何同时服务人类和智能体

swyx 介绍 GitHub 不断变化的工作负载及其作为共享基础设施的角色,并围绕增长、可靠性和编程智能体展开对话。

主持人 swyx 说,GitHub 必须同时支持越来越多的人类开发者和编程智能体。平台的可靠性受到过批评,但他认为,服务背后的规模和变化同样值得关注。

Microsoft CoreAI 高管 Jay Parikh 在 GitHub Universe 之后接受采访。swyx 说,平台报告智能体创建的拉取请求增长迅速,人类用户也在增长,同时基础设施正在迁往 Azure。

swyx 说,GitHub 已有 2.25 亿开发者,平均每秒增加约一人。他提到 Parikh 曾负责 Facebook 工程团队并领导安全公司 Lacework,以此说明其面对基础设施挑战的经验。

GitHub 也是一个社交网络,开发者在上面共同维护开源软件并发现安全问题。swyx 希望了解,随着编程方式变化,这个共享平台将如何演进。

主题演讲结束后,Parikh 说,活动中的工作坊让开发者能够亲手尝试舞台上来不及逐一展示的安全等功能。采访从 GitHub 的 Octoverse 报告中的规模数据开始。

02

平均每秒加入一位开发者

Parikh 分享 GitHub 的用户和活动数据。他预计编程智能体将让更多人参与共同构建软件。

Parikh 说,社区有 2.25 亿开发者,遍及世界各国。报告显示,连续第二年平均每秒有一位新开发者加入;过去一年有 179 亿次推送、343 亿次提交和 13 亿个拉取请求。

GitHub 活动量在 2026 年大幅增长
幻灯片 1 / 3GitHub 活动量在 2026 年大幅增长GitHub 的 Octoverse 图表比较了 2024 至 2026 年的推送、提交、Actions 作业和已合并拉取请求。

Parikh 说,开源贡献也大幅增长。swyx 指出,每一项活动背后都有数据库、文件和元数据操作;运营开发者社区既有社交层面的需求,也有基础设施需求。

Parikh 认为,AI 可以扩大参与者范围。没有接受过专业软件工程训练的人也可以用编程智能体实现想法、分享代码仓库并征求反馈,无须独自构建。

03

工作流程和仓库需要适应变化

Parikh 说,并非每个项目都必须使用拉取请求。仓库既要支持给智能体的指令,也要支持长期运行的业务代码。

swyx 问,智能体是否可能让拉取请求这种常见的代码变更审查方式走向终结。Parikh 说,GitHub 应适应新的工作方式,让团队自行配置需要哪些流程。

从学生到大型企业,不同用户需要不同流程。Parikh 说,他在一些个人仓库里会跳过议题和拉取请求,因为他想不断尝试想法,直接继续构建。

开发者 Matt Pocock 的一个 Markdown 指令仓库让 swyx 提出疑问:当智能体既能使用指令也能使用可执行文件时,什么才算代码?Parikh 说,仓库必须容纳不同内容和工作方式。

Parikh 补充说,已有数十年历史的 Java 和 .NET 系统仍在支撑重要业务,需要安全修复、现代化和性能优化。开发者也重视选择适合自己技艺的工具。

04

模型选择与共享编程上下文

Copilot harness 协调模型和工具,Fusion 则希望为任务选择模型。Parikh 希望任务上下文能跨设备延续。

swyx 将编程助手的 harness 描述为帮助模型发挥能力的外围系统,其中包括任务路由。他问 GitHub 的 Copilot Fusion 模型选择为什么重要。

Parikh 说,Copilot harness 支持多种模型、工具和集成,其软件开发工具包也可用来构建其他应用。随着模型和工具协议变化,这套系统也需要调整。

Copilot 多种界面共用一套 harness
幻灯片 2 / 3Copilot 多种界面共用一套 harness主题演讲展示了命令行、应用、移动端、VS Code 和协作工具中的 Copilot。

Fusion 旨在减轻开发者选择模型的工作。Parikh 说,它希望针对任务平衡质量、速度和价格,而外围 harness 则协调工具和工作流程。

被问及 GitHub 是否既要改进界面又要改进模型时,Parikh 说,公司需要同时改进基础设施、平台服务和用户工作流程。存储、计算、网络和安全都支撑着最终体验。

Parikh 说,手机应用、桌面端和 VS Code 可以使用同一套 harness。用户可以在一台设备上启动工作,在另一台设备上继续,同时保留仓库、议题、安全发现等上下文。

Parikh 希望,即使用户更换模型,积累的上下文、偏好和记忆也能帮助后续工作。他将此与不同厂商各自独立的工具作比较:后者不会自动合并对用户工作的了解。

05

安全和替代依赖的代价

GitHub 正在增加代码审查和扫描能力。Parikh 说,替换开源依赖会把维护工作转交给自行重写的团队。

谈到安全时,Parikh 说,随着生成的代码越来越多,GitHub 需要维持质量。他提到辅助查找严重或隐蔽错误的 AI 代码审查,以及更多扫描能力。

AI 检测到密钥后拦截推送
幻灯片 3 / 3AI 检测到密钥后拦截推送演示画面显示,终端拒绝了包含被检测到的密钥的一次推送。

在主题演讲的演示中,一次包含密钥的推送在进入仓库前被拦截。Parikh 还介绍了与 Microsoft 安全团队和开源维护者合作,应对遭入侵的仓库及包管理器风险。

swyx 问,如果 AI 生成代码的成本降低,用自己编写的代码替代大部分外部依赖是否更安全。一个项目可以尝试把数千个依赖缩减为少数核心组件,减少需要信任的外部软件。

Parikh 说,这并非万能解法:替代原有依赖的代码仍需要有人维护。团队必须决定如何投入资金和时间;他倾向于让开源软件更安全,并预计其价值会继续增长。

06

Azure、智能体规模与 AI 支出衡量

Parikh 说,GitHub 的目标是在下一年完成 Azure 迁移,并继续适应智能体工作负载的变化。他希望支出控制与实际成果联系起来。

展望下一年,Parikh 说,GitHub 计划继续改进从基础设施向上的每一层。被问及迁往 Azure 的进度时,他说目标是在下一年完成,这并非保证。

Parikh 说,一年后人们管理的智能体数量可能大不相同,但他不知道团队管理的会是数千个,还是数十或数百个。因此,GitHub 需要提供能由用户组合的基础组件,以适应不同工作方式。

他预计,AI 支出和安全将成为重要关注点。GitHub 希望向组织展示资金流向,在适用时推荐成本更低的模型,并为大企业提供支出上限和治理控制。

Parikh 说,管理者需要把 token 支出与完成的工作和业务成果联系起来。swyx 指出,程序员个人未必直接负责收入;Parikh 同意,也可以衡量成本节省、参与度、留存率和客户满意度。

最后,swyx 称赞 GitHub Universe 的可编程胸牌,它看起来像一台小型游戏机。两人谈到使用 Copilot 制作胸牌,以及在软硬件交界处动手实验的吸引力。

同频道的其他文章

3 张幻灯片1:42:28EN → 简体中文
Latent Space· 2026年11月7日播客 · 2 人对谈Jamin Ball 解读 Anthropic S-1:算力经济与前沿模型竞赛嘉宾 Jamin Ball · 主持 swyx一位投资人从现金流、可转债、数据中心融资和竞争压力出发,解读 Anthropic 的上市文件。Foundation ModelsAI cost & performanceInvesting+2
50:37EN → 简体中文
Latent Space· 2026年11月6日播客 · 2 人对谈Adit Abraham:为什么文档解析仍会难倒 AI嘉宾 Adit Abraham · 主持 Allen ParkReducto 联合创始人一边制作牛排三明治,一边讨论表格漏行、生产评估、文档编辑与公司成长。AI agents评估Company Building
50:50EN → 简体中文
Latent Space· 2026年11月6日播客 · 3 人对谈Fabian Theis:虚拟细胞、类器官与实验室闭环嘉宾 Fabian Theis · 主持 RJ Honicky, Brandon AndersonHelmholtz Munich 研究者解释扰动模型、生物基准,以及将预测连接到实验所需的工作。AI for scienceComputational BiologyDeep Learning+2
1:12:24EN → 简体中文
Latent Space· 2026年11月4日播客 · 2 人对谈Latent Space 幕后:swyx 与 Galen Gao 谈 AI 工程师、SaaS 和上海嘉宾 Shawn Wang (swyx) · 主持 Galen GaoShawn Wang 与 Galen Gao 回顾 AI Engineer 社区的成长,并讨论编程智能体对小企业的意义。AI StrategyAI agents开发流程与测试+2
2 张幻灯片34:48EN → 简体中文
Latent Space· 2026年11月3日播客 · 2 人对谈Zach Lloyd:软件工厂背后的基础设施嘉宾 Zach Lloyd · 主持 Shawn Wang (swyx)Warp 创始人解释团队如何定义、观察和改进智能体开发流程,以及何时额外基础设施可能过于复杂。编程智能体开发流程与测试Agent orchestration+2
1:07:22EN → 简体中文
Latent Space· 2026年11月2日播客 · 3 人对谈看不到客户数据,如何打造法律 AI 智能体:Legora 的 Jacob Lauritzen 专访嘉宾 Jacob Lauritzen · 主持 swyx, Basil ChathaLegora 首席技术官介绍团队如何评估法律智能体、设计审阅流程,并在客户案件保密的前提下改进产品。AI agents企业 AI评估+2