与「githubcopilot」相关的搜索结果

📣 Kimi K3 is now available in GitHub Copilot for @code! Try Kimi Moonshot's latest open-weight model for agentic coding, now hosted by @FireworksAI_HQ. 📖 Learn more:

太它妈方便了，多年的程序员都不想写自动化了 微软开源了个有意思的东西，叫 Skill Recorder。 你只要录一遍自己怎么完成一个任务——它会会采集鼠标操作、窗口切换、网页、剪贴板、终端命令和语音讲解——录完之后通过 GitHub Copilot CLI 直接把这套流程重建成一个 SKILL.md，定好自动化。 任务意图 → 通用步骤 → SKILL.md → 定时自动化 说白了它不是传统 RPA 那套靠录屏重放像素坐标，而是把你的网页点击转成更稳定的 API、CLI 或 Agent 原生工具。 举个例子，你演示一次处理 GitHub Issue，它可以基于这条录制生成一个能够批量处理同类 Issue 的 Agent Skill。 目前原生支持 Microsoft Scout 和 Microsoft 365 Copilot Cowork，暂时还不直接支持 Claude Code、Codex 和 OpenCode，但生成的 SKILL.md 可以手动适配。 它代表的是 Agent 工作流的一个方向：不是教 AI 怎么做，而是直接做给 AI 看。 想试的自己扒下来跑一遍，GitHub 872 星还很新，项目还在快速迭代。

🤝 Share VS Code's Integrated Browser w/Copilot Give GitHub Copilot the context of your running website, via VS Code's Integrated Browser! #vscode# #copilot# #agenticdevelopment#

GitHub Copilot for @Atlassian's Jira is now generally available. With Copilot in Jira, you can: • stream agent progress to Jira • provide follow-up instructions directly in the Jira chat panel • connect your GitHub org and repos to the Jira app faster with fewer steps at the point of setup Learn more about the new capabilities 💡

把你各处 AI 编程工具产生的 token 与花费记录汇总、可视化，按月份、项目、会话、模型层层下钻。 能读取 OpenCode、Claude Code、Codex、Hermes、GitHub Copilot、pi-agent、OpenClaw 等工具在本地留下的记录，还可以合并 CSV/JSONL 请求日志。 按月份、日、项目、会话、模型展示花费，提供趋势叠加（日/周/月图表、日历花费热力图、模型/服务商/来源排名）、成本占比与内联花费条、单会话模型组合与 token 拆解，以及递归子代理成本树。

📣 @OpenAIDevs's GPT-5.6 family is now generally available and rolling out in GitHub Copilot. GPT-5.6 comes in three variants: ☀️ GPT-5.6 Sol: the highest reasoning ceiling in the family. Best for complex reasoning over large codebases and demanding, long-running agentic work. 🌎 GPT-5.6 Terra: the balanced default. A strong all-round choice for everyday interactive and agentic coding. 🌕 GPT-5.6 Luna: a lightweight, cost-efficient variant for smaller, faster tasks and the lowest-cost option in the family. Try one, two, or them all in @code or the GitHub Copilot app.

我大概理解了一部分传统程序员为什么会如此抗拒和反对AI vibe coding了。 推上这个评论其实展示得很完整： 1. 对AI行业的认知非常浅。会把阿里内部某个AI编程实验，直接当成AI在真实生产环境里的能力上限，甚至拿这个来作为判断整个AI行业发展的依据。 2. 对AI工具的使用也非常落后。很难想象已经2026年了，还有人拿GitHub Copilot这种不知道落后多少代的东西来代表AI编程的真实水平。 3. 对成本和生产力的理解也很奇怪。现在最好的AI coding agent产品，200刀一个月的Codex量大管饱。但他们依然会认为企业采购AI编程工具成本非常高，所以“AI编程能力很强、能进入生产环境”这种说法都是纸上谈兵，一看就不怎么上班，非常水。 这几层叠在一起，基本就构成了一种很典型的判断路径：用落后的AI生产工具，和错误的AI行业认知，成本账也没算明白，得出了一个非常奇怪的结论。 不知道怎么评价好了，分享一下。