3 位 Java Champion 如何用 GitHub Copilot 提升生产力
3 位 Java Champion 分享了用 GitHub Copilot 提升生产力的实践。Vlad Mihalcea 借其把 Hypersistence Optimizer 事件历史应用开发从数周缩短到 2 天；Patrick Baumgartner 用它迁移 15 份演示、约 900 张教学幻灯片（Reveal.js 到 Marp）。他们强调仍需审查生成代码并验证结果。
#编码
#编码
今日 1 条GitHub Blog · AI & MLAI 评分3737
GitHub Blog · AI & MLAI 评分3838 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 打开继续，对话、代码改动和工作上下文保持完整。教程涵盖逐行审查 diff、在 Copilot 侧边栏继续提问或修改、手动编辑，并用集成终端运行测试。完成后可将更新推送到该会话关联的 pull request。
TechCrunch · AIAI 评分3131 Replit CEO：未来工作是“自动驾驶公司”
Replit CEO Amjad Masad 提出未来工作是“自动驾驶公司”：AI 智能体承担基础工作，人类保留判断与品味。他以客服工单为例称，智能体会先结合 GitHub issues、代码库和 Linear tickets 初步分诊，员工决定修复后一键部署另一个智能体；结果是岗位未被取代，工作内容转向架构和“做什么”的讨论。
Simon WillisonAI 评分4747 用 Python 3.15 剖析 web-edit：火焰图与源码热力图
用 Python 3.15 内置的 profiling.sampling 剖析未修改的 web-edit 应用，发现混合行尾保留主导了编辑负载：`preserve_endings` 出现在 64.8% 的 15,296 个 CPU 栈中，`SequenceMatcher.find_longest_match` 占 38.3% 的叶子样本。
GitHub Blog · AI & MLAI 评分2727 AI 正在改变开发者工作，GitHub 给出三项应强化的技能
AI 正在改变开发者工作，GitHub 建议开发者强化指挥 AI 智能体、审查 AI 输出和用 AI 解决更大问题三项技能。文中提到，GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型评审计划、代码和测试，帮助发现第一个模型可能遗漏的问题。
GitHub Blog · AI & MLAI 评分3030 GitHub Podcast 讨论 AI 热门观点：该不该读 AI 生成代码、RAG 是否已死、Skills 是否杀死 MCP？
GitHub Podcast 最新一期逐一回应“该不该读 AI 生成代码”“RAG 是否已死”“Skills 是否杀死 MCP”等 AI 热门观点。节目认为，开发者仍要对 AI 生成代码负责，但应按风险决定审查深度；Skills 与 MCP 解决不同问题，RAG 也并未死亡。它们可以与 AI 智能体共存于同一工作流，而不是互相取代。