摘要

GitHub 在2025年的押注，是让 Copilot 从“结对程序员”升级为“同侪程序员”，但前提是任务边界清晰。 Agent Mode 把人工审批留在 VS Code 内；Project Padawan 则可以接手一条指定的 GitHub issue，列出计划，提交到草稿 pull request，并吸收评审反馈。目标是让自动化像同事的工作一样可观察、可逆。
代理要被广泛采用，必须同时具备4个特征：可预测、可引导、可验证、可接受。 当时尚未开放的完整 o3 模型，可能提升推理能力，让代理在 SWE-bench 上逼近100%；但任务拆解仍是更难的前沿：代理还无法可靠地把“构建 GitHub”拆成可执行的工作单元。Dohmke 预计，今年范围明确的 bug 和功能开发会取得戏剧性进展，但系统级思考仍会让中位数开发者不至于被替代。
Copilot 的使用量已经超出传统辅助工具指标，但可靠性仍是最大刹车。 自动补全最初生成了25%的代码，高到让 Dohmke 怀疑遥测数据出错，随后升至约50%，具体取决于编程语言。Agent Mode 可以把一条提示变成完整应用，把一场15分钟的演示压缩到1分钟；但它也可能反复改写同一个文件，卡住后甚至把文件删掉。
可被覆盖的工作范围不止代码生成，还包括代码评审、云端迭代、安全和产品规格。 开发者每天可能只有2到3小时在写代码，花在评审同事工作的时间大致相当；GitHub 希望 AI 提供即时评审闭环，消除环境搭建样板工作，修复漏洞，并自动清理 linter 报警。产品经理、设计师和工程师最终会围绕一项共同能力汇合：写出精确的规格说明。
企业市场的销售逻辑建立在异常清晰的单位经济学上：每位用户每月20美元，对应端到端25%-28%的生产率提升，以及编码任务55%或更高的提升。 最近一次披露的数字是77,000家组织和180万付费用户，但 Dohmke 拒绝更新。Copilot 的价格几乎等于 GitHub Enterprise 的21美元，说明一个曾经很小的功能，只要 ROI 可衡量，就能捕获大量价值。
Dohmke 预计，代理定价仍会由算力成本决定，而不会变成某种虚拟程序员的工资，即使更强的层级会更贵。 他的类比是洗碗机：买家不会拿它和一名全职洗碗工的工资比较。人类开发者仍然稀缺，而代理拥有受 GPU 约束的“无限供给”，这支持 OpenAI 所举的200美元档位等高价值层级，却不足以支撑长期的人类等价定价。
GitHub 的战略立场是多元共存：多种模型、代理和开源项目会并存，差异化则向技术栈上层移动。 Copilot 提供 Claude、Gemini、4o、o1 和 o3-mini，GitHub Models 则开放采用开放权重的替代方案；DeepSeek 和 FLUX 说明，开放开发可以对专有供应商形成压力。“软件就像 Minecraft”：不存在最终赢家，只有不断扩张的工具世界和阶段性胜利。

精读

1. Copilot 正从建议走向可追责的 pull request

Thomas Dohmke 区分了今天的 Agent Mode 和明天的 Project Padawan。在 VS Code 中，Agent Mode 可以实现一个功能，并展示安装软件包所需的终端命令，但开发者必须点击批准：“好，运行。”其核心原则非常明确：“你仍然掌握主导权”（You’re still in charge），因为今天的代理仍需要人在环。
Project Padawan 在2025年的工作流始于有人给 Copilot 分配一条边界清晰的 GitHub issue。代理会创建草稿 pull request，列出计划，通过多次提交执行任务，并吸收反馈；开发者则像观察同事一样观察整个过程。用 Dohmke 的话说，Copilot 将“从结对程序员毕业，成为团队中的同侪程序员”（graduates from a pair programmer to a peer programmer that becomes a member of your team）。
界面必须帮助用户判断一条 issue 是否已经适合交给代理；如果描述含糊，还要帮助用户完善，并允许代理带着问题回来。GitHub 偏爱 pull request，是因为提交历史让工作可检查、可逆：开发者可以评审、回滚，或在 VS Code 中单独检出某项改动，再决定是否接受结果。
Dohmke 的采用标准有4项：代理必须“可预测、可引导、可验证、可接受”。模型与代理的组合是第一个技术障碍：当时尚未开放的完整 o3 模型，可能改善推理能力，让 SWE-bench 接近100%；这里的 SWE-bench 约包含12个开源 Python 仓库中的2,200组 issue-pull request 对。但每一次浪费掉的会话，或一轮烧掉的算力，都会降低开发者再次尝试代理的意愿。

2. 能力先出现断层，可靠性还在后面

Copilot Preview 的自动补全已经生成约25%的代码。Dohmke 在产品评审中的第一反应是：“这一定是遥测数据出错了”（That must be a mistake in the telemetry），因为早期模型仍会犯明显错误。但这个数字确实是真的：自动补全契合开发者寻找、粘贴、测试和修改代码片段的既有习惯；很快，这一比例升至约50%，具体取决于编程语言。
Agent Mode 直接打破了这个指标。开发者可以要求它“用 Python 写一个贪吃蛇游戏”，自己一行代码都不写，却拿到多个生成文件；人类手写代码的分母事实上变成了0。两年前需要15分钟的演示，现在1分钟就能完成；Dohmke 说，他的工作转而是验证输出，充当代码评审的人。
结果也可能完全相反：代理可能反复改写同一个文件，或者在丢失逻辑后直接把文件删掉。因此，GitHub 始终在“它已经能做这么多的兴奋感”和现实之间来回摆动——开发者费尽力气提示它修改背景色却没有成功，最后还是自己打开文件改。
说到是否等同于中位数程序员，Dohmke 将系统级思考与具体实现区分开来。代理距离接手“构建 GitHub”这样的粗略目标、选择数据库和云服务，并在不反复提问的情况下完成拆解，仍然很远。但 GitHub 已经有一名通常不写代码的产品经理，能够从一条 issue 生成真正的 pull request；开发者评审后，代码最终合并。

3. AI 工程把规划变成持续滚动的评估闭环

GitHub 把扩展后的这套能力称为“AI engineering”。应用科学家会评估来自多家供应商的多个模型，功能团队则把内部 benchmark 复用到代码评审代理、SWE 代理和 Agent Mode 的测试套件中。数据科学家与工程师的角色正逐渐重叠，因为模型行为已经成为普通产品构建的一部分。
新模型或微调后的模型会从离线测试进入在线 A/B 实验，先覆盖 GitHub 和 Microsoft 员工，再扩展到更广泛人群中的不同切片。与此同时，GitHub 也在用 Copilot 的代理模式处理自己的长期产品 backlog——一家“用 GitHub 构建 GitHub、在 GitHub 上开发并借助 GitHub 完成工作”的公司，正在内部使用自己的产品。
传统产品路线图已经不稳定：与 OpenAI、Anthropic 或 Google 的一次会议，就可能暴露出足以重新排序优先级的新能力，而且变化可以发生在相邻两天之间。Dohmke 说，团队“实际上无法规划超过1到2个月的事情”。开发者工具领域的竞争前所未有，但他把它比作 Formula 1：更有实力的车队会让比赛更精彩，也会迫使 GitHub 加速。

4. 代理的大部分价值，位于写代码之外

在许多公司，Dohmke 估计开发者每天只有2到3小时写代码，花在评审同事工作的时间大致相当。出于安全和信任考虑，人工评审仍应发生在上线前；但 AI 评审可以跨越时区即时反馈。云端工作空间还必须允许用户直接测试和修改建议，无需本地克隆仓库、安装依赖或切换分支。
GitHub 还希望代码扫描不仅能发现漏洞，也能直接修复漏洞；日常的 linter 和格式警告则自动消失。更大的价值，在于清理积压多年的低优先级安全、可访问性、遗留代码和合规工作，让工程经理不必持续在技术债务与客户、销售或安全团队眼前最紧急的火情之间做选择。
Dohmke 不接受“所有代码都会变成 AI 写的”这一前提。自然语言天然具有非确定性，而 Python、Ruby、Rust 等编程语言仍是工程师用来检查正确性和成本、位于机器指令之上的最后一层确定性表达。存在30或40年的 COBOL 不会凭空变成云软件；至少未来10年左右，开发者仍会继续使用 PHP、COBOL 及类似系统。他把这一转型比作自动驾驶：Waymo 可以在旧金山运行，但还不能从 SFO 一路开到 San Jose，因此范围可以扩大，却不存在一个已知的切换时点。

5. 代理的充裕供给重塑角色，但不会消灭工具选择

在10人初创公司里，沟通链路很短，创始人可以兼任产品经理；到了1,000名工程师的组织，反复出现的问题则是：“你到底是什么意思？”Copilot Workspace 早期的规格与头脑风暴代理，会把 issue 与代码库进行比对，用人类语言描述变更前后的状态，并允许用户像编辑 Notion 文档一样编辑这份规格。
更好的规格工具会把不同职能拉到一起。设计师可以像产品经理一样描述同一项变更，用代码渲染线框图，并将其落实到公司的设计系统中；优秀的产品经理则可能生成整套变更集。当工程师能够精确表达预期行为时，他们也会更接近产品和设计。
Elad Gil 的反驳是，任何领先的通用模型对比4或5年前的能力都会显得惊人，这可能削弱专业化的价值。Dohmke 首先加了一层限定：如果奇点到来，模型选择也许根本不重要；他可以想象模型最终变得大致相同，却无法判断何时发生——他的 Tesla 开了10年，仍然不会左转进入自家社区。届时，差异化会向工作流、避免的麻烦和交付的软件上移。
因此，GitHub 把开发者选择视为基础：团队会按照各自的“信念体系”，组合不同的模型、代理、编辑器、云服务、容器系统和基础设施工具。Dohmke 还预计，5年内“一定会有个人软件”；类似 JARVIS 的界面可以构建定制应用，或预订“同一家酒店、带同一家人”的旅行，用户只需批准那趟5,000美元的行程。

6. Copilot 的经济学有利于普及，但不支持人类等价定价

Dohmke 回忆的最近一次公开数字是77,000家组织和180万名付费 Copilot 用户，这些数字是在几季度前披露的；他拒绝提供更新。相比绝对数量，他更强调覆盖面：采用者横跨不同规模和行业，并没有集中在初创公司或金融服务机构。
Copilot 每位用户每月20美元，约相当于美国平均开发者薪资的0.1%；Dohmke 引用的端到端生产率提升为25%-28%，编码任务则达到55%或更高。这一区分很重要，因为编码只是工作的一部分；但即便如此，相对于每家公司积压的软件开发工作，这个比例仍然意味着“每一美元支出都能带来惊人的 ROI”（an incredible ROI on the dollar spend）。
Gil 追问，未来的“租赁程序员”是否应该拿走它所替代的50,000美元、100,000美元或200,000美元年薪。Dohmke 预计定价会以算力，或算力的某种衍生指标为基础，因为买家不会把机器当成人类员工来估值。他的洗碗机类比很直接：自动化产品不会按洗碗工每天的工资定价。
价格仍然可以随着交付价值上升：Dohmke 举出 OpenAI 为 Deep Research 和 o1 Pro 模型提供的200美元档位，这在2年前听起来还难以置信。但供给经济学不同——开发者之所以昂贵，部分原因是他们稀缺；代理则拥有“无限供给”，只受 GPU 限制。他仍然认为，数据库、云服务和架构等创造性、业务特定的决策会留在人类手中。

7. 开源扩大构建者范围，软件价值将出现分化

Sarah Guo 用 Trabant 作比喻：如果工程能力变得充裕，一些软件是否会像两德统一后东德的默认汽车一样失去价值？Dohmke 补充了这段历史：当年的等待名单达到约17年，而他的父亲把家里的 Trabant 以高于购入价的价格卖掉，因为买家可以跳过排队。即使在现代超级跑车市场，稀缺溢价仍然存在。
他认为，软件价格会向两个方向移动。Copilot 每位用户每月20美元，几乎等于21美元的 GitHub Enterprise，尽管 Copilot 最初只是自动补全的“那个子功能”。有些产品会变成免费产品，操作系统基本已经如此；另一些则会通过订阅捕获更多价值。决定价格的变量是商业价值，而不是一条普遍适用的通缩规则。
Copilot 直接集成 Claude、Gemini，以及 OpenAI 的 GPT-4o、o1 和 o3-mini。GitHub Models 则增加 Llama、Mistral、Kohya 和 Microsoft 的 Phi-4；通过 Add Models 扩展，用户可以从 Copilot 访问这套目录。Dohmke 预计，开源会推动专有模型创新，并以 DeepSeek 和 Black Forest Labs 的 FLUX 为例；但他也区分了在 MIT 许可证下完全开源的模型，与仅开放权重、同时保留更专有条款，且部分情况下受中国法律约束的模型。
Guo 担心，AI 辅助的初学者可能错过架构判断力，Dohmke 承认，这个担忧“并不荒唐”；编程竞赛也许需要默认参赛者会使用 AI。他给出的反方向力量是可获得性：与 Commodore 64 时代的童年相比，如今的学习者拥有无限知识，以及一个“拥有无限耐心”的助手。人类会成为“代理乐队的指挥”——继开源、云和移动之后的又一次重大转型：“没有回头路了。”

Apple的历史与Apple的心理：Apple该如何兑现AI潜力，以及它为何大概率不会这么做 107: 与Haivivi李勇聊月入千万的AI Jellycat：小众AI硬件×大众消费品的交叉口创业