The GitHub Blog
·
实践中的持续AI：开发者今天可以通过自主CI自动化的内容
💡
原文英文，约2200词，阅读约需8分钟。
📝
内容提要
软件工程中的重复性工作难以自动化，CI部分解决了这一问题，但仍需判断和上下文。GitHub Next探索“持续AI”，结合自然语言规则与智能推理，帮助开发者处理文档与代码不一致、生成项目报告等，确保在安全框架内运行，开发者控制最终决策。
🎯
关键要点
- 软件工程中的重复性工作难以自动化，CI部分解决了这一问题，但仍需判断和上下文。
- CI专注于确定性规则，适用于测试、构建和静态分析等任务。
- 许多工程工作需要判断、解释和上下文，而不是简单的验证。
- GitHub Next探索“持续AI”，旨在处理需要推理的任务。
- 持续AI结合自然语言规则与智能推理，帮助开发者处理文档与代码不一致等问题。
- 持续AI不是CI的替代品，而是一种新的模式，强调推理和意图。
- 开发者与代理协作，逐步定义工作流程，而不是一次性完成。
- 安全性是持续AI的首要原则，代理默认只具有只读权限。
- 自然语言规则补充YAML，适用于无法用规则表达的期望。
- 代理工作流程不会自动提交代码，开发者仍然保持控制权。
- GitHub Next的原型展示了持续AI的实际应用，包括修复文档与行为不一致、生成项目报告等。
- 开发者可以通过简单的步骤构建代理工作流程，逐步实现持续AI。
- 未来的趋势包括自然语言规则的普及、小型代理的使用和任务的持续化。
❓
延伸问答
什么是持续AI，它与持续集成有什么不同？
持续AI是一种新模式，结合自然语言规则与智能推理，处理需要判断的任务，而持续集成（CI）主要处理确定性规则的任务。
持续AI如何帮助开发者处理文档与代码不一致的问题？
持续AI可以通过读取函数的文档字符串并与实现进行比较，检测不一致并建议更新，从而帮助开发者解决文档与代码不一致的问题。
开发者如何构建自己的代理工作流程？
开发者可以通过编写自然语言规则，编译成GitHub Actions工作流，并在仓库事件触发时执行，从而构建代理工作流程。
持续AI在安全性方面有哪些设计原则？
持续AI的设计原则包括默认只读权限、明确的输出权限和活动日志记录，以确保代理的操作在安全框架内进行。
持续AI如何提高项目报告的生成效率？
持续AI可以自动生成项目报告，汇总多个数据源的信息，减少维护者和管理者的重复工作，提高报告生成的效率。
未来持续AI的发展趋势是什么？
未来趋势包括自然语言规则的普及、小型代理的使用，以及将测试、文档和本地化工作转变为持续化模式。
➡️
