GitHub Copilot 推出八步 AI 编码工作流

GitHub AI 专家 Burke Holland 提出了一种新的八步工作流，通过 GitHub Copilot 跑通从原型、规划到实现与评审的完整 AI 编码流程。该方法旨在帮助开发者更好地利用 AI 工具，提高开发效率。

Burke 建议新手从 GitHub Copilot CLI 开始使用，因为终端界面以文本交互为主，用户可以直接观察 Agent 如何读取文件、调用工具和执行命令。在实际使用中，可以先用一个工具完成一个任务，再考虑切换入口。为了确保安全，建议不要直接在存有工作数据的本地环境中开启 Allow All，而是使用 GitHub Codespaces、Development Container 或其他沙箱。这样可以在隔离环境中进行全权限操作，避免风险。

Burke 没有直接实现 Date Picker，而是先让 Copilot 生成 20 个原型，并将它们放入一个 HTML 文件中，方便横向比较不同方案。这种方法可以帮助开发者更直观地发现不同方案的差异，从而确定最终的交互方向。非 UI 任务也可以采用类似的方法，例如新增 API 端点时，可以让 Agent 通过 Mermaid 图给出多种设计。这些原型可以提前呈现交互、数据流、接口边界和实现约束，减少进入编码后的返工。

在确定了方向后，Burke 使用 plan mode 进一步澄清需求，然后切换到 Autopilot 执行计划。Autopilot 会持续读取代码、修改文件和运行命令，直到任务完成或遇到阻塞。第一版 Date Picker 完成后，Burke 进行了人工评审，并对存在的问题进行了修正。他还建议请求 Rubber Duck review，这是一种内置的评审 Agent，可以检查当前计划、代码或测试，并给出第二意见。通过这种循环评审，可以进一步提高代码质量。