微软重构TypeScript转向Go语言 并推自研代码大模型MAI

GitHub, Copilot, VS Code, and More: Live from San Francisco | LIVE104 — Visual Studio Code

Visual Studio Code

JavaScript单线程机制触及多核算力天花板倒逼TypeScript用Go重写实现10倍编译提速,同时微软为摆脱通用LLM冗长推理推出端到端专有编程模型MAI-Code-1 Flash。

AI-assisted summary of GitHub, Copilot, VS Code, and More: Live from San Francisco | LIVE104 — original source. Check the original for full context.

Source published:

Key ideas

  • TypeScript 官方宣布正将编译器从 JavaScript 迁移至 Go 语言(代号 TypeScript 7.0 / tsgo),在典型代码库上实现约 10 倍构建加速,VS Code 百万行工程全量构建时间从 97 秒骤降至 10 秒以内。 (129:40)
  • 微软展示专为 VS Code 与 Copilot 场景优化的专有模型 MAI-Code-1 Flash,采用 137B 总参数量 MoE 架构(单次推理仅激活 5B 参数),兼具低延迟与代码任务强化推理能力。 (113:45)
  • VS Code 团队披露多模型接入脚手架(Harness)工程,揭示 OpenAI 与 Anthropic 模型在补丁生成与全量重写上的行为差异,并通过专有 VSCbench 容器化仿真环境评估编码 Agent 表现。 (95:41)
  • Copilot CLI 展示了现代 TUI 多会话后台管理、本地离线流式语音交互(基于 700MB Nemotron 模型)以及跨 Claude、GPT 和 Gemini 的多模型共识代码审查能力。 (84:54)

Detailed notes

## Background 本内容由 YouTube 频道 Visual Studio Code 于 2026 年 6 月 5 日发布,记录了在旧金山举办的 Microsoft Build 现场直播活动。页面简介显示,来自 GitHub、Copilot、VS Code 及 Visual Studio 团队的核心构建者齐聚舞台,带来了现场演示、惊喜嘉宾、游戏互动和实战编码,展示了该生态下的最新前沿进展。

## TL;DR 活动深入展示了 GitHub Copilot CLI 的多模型代码审查、Autopilot 闭环验证以及基于本地流式模型的语音控制等终端 Agent 新交互;剖析了 VS Code 接入 GPT 5.5 等新模型背后的 Harness 脚手架工程设计与评测基准;发布了微软自研的 137B MoE 编程模型 MAI-Code-1 Flash;并压轴揭晓了 TypeScript 编译器从 JavaScript 迁移至 Go 语言的“TypeScript 7.0 (tsgo)”重大重构工程,实现了 10 倍的编译性能飞跃。

## Atmosphere & style 整场直播充满浓厚的开发者极客氛围与黑客马拉松式的狂欢感,主持与演讲嘉宾在舞台上展开快节奏的实时演示、口述交互与现场 Vibe Coding 对决,笑声与代码报错交替出现,极具现场临场感。随着 Anders Hejlsberg 等元老技术领袖登台,探讨从底层 V8 限制到 Go 并发重构的硬核技术决策时,基调瞬间转入深邃严谨的工程思辨,让观众在轻松幽默与高浓度硬核技术的无缝切换中领略技术代际演进的震撼。

## Bulletin - [02:09:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7780s) TypeScript 官方宣布正将编译器从 JavaScript 迁移至 Go 语言(代号 TypeScript 7.0 / tsgo),在典型代码库上实现约 10 倍构建加速,VS Code 百万行工程全量构建时间从 97 秒骤降至 10 秒以内。 - [01:53:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6825s) 微软展示专为 VS Code 与 Copilot 场景优化的专有模型 MAI-Code-1 Flash,采用 137B 总参数量 MoE 架构(单次推理仅激活 5B 参数),兼具低延迟与代码任务强化推理能力。 - [01:35:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5741s) VS Code 团队披露多模型接入脚手架(Harness)工程,揭示 OpenAI 与 Anthropic 模型在补丁生成与全量重写上的行为差异,并通过专有 VSCbench 容器化仿真环境评估编码 Agent 表现。 - [01:24:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5094s) Copilot CLI 展示了现代 TUI 多会话后台管理、本地离线流式语音交互(基于 700MB Nemotron 模型)以及跨 Claude、GPT 和 Gemini 的多模型共识代码审查能力。

## Key takeaways - [01:19:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4796s) Copilot CLI 支持在终端通过 TUI 进行多任务后台调度,使用 `/new` 命令派生任务后会话可在后台异步运行,开发者可通过 `/sessions` 统一管理与切换。 - [01:23:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5032s) GitHub 核心工程团队在一个月内通过全 Agent 驱动模式向多个仓库合并了 2000 个 PR,但也带来了代码库迭代极快导致主维护者需要频繁重新理解实现代码的挑战。 - [01:24:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5094s) Copilot CLI 的 `/review` 命令能够并行调用 Claude、GPT-5.5 和 Gemini 对代码进行交叉审查,并且仅输出多模型达成共识的问题,有效消除单模型幻觉与偏见。 - [01:27:34](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5254s) 开发者可以通过仓库级的 `copilot-instructions.md` 或用户本地目录全局配置精简度偏好,强制智能体将冗长回复压缩至单句话并消除无用寒暄。 - [01:29:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5349s) Copilot CLI 语音模式支持本地运行约 700MB 的端侧转录模型(如 NVIDIA Nemotron),无需调用云端 API 即可实现低延迟、高隐私的口述编程体验。 - [01:34:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5649s) Autopilot 闭环验证机制(Ralph 循环)能够自动拉起本地开发服务器并后台截屏,结合浏览器技能驱动自动化测试与状态验证,解决智能体无法自闭环验证的痛点。 - [01:35:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5741s) VS Code 接入不同底层大模型需要定制专属脚手架(Harness),不仅要调优系统提示词,还要适配 OpenAI 偏向局部差量补丁(apply_patch)与 Anthropic 偏向全量覆盖的不同工具偏好。 - [01:43:32](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6212s) 针对 GPT 5.5 等模型容易在缺乏上下文时抢先执行终端命令的倾向,官方调优后的系统提示词强制其在执行命令前先探索工作区结构,显著提高了任务通过率。 - [01:43:32](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6212s) 微软构建了基于 Azure 容器运行 VS Code Insiders 实例的 VSCbench 评测基准,通过 100 多个仿真任务五次重复测试,对编码 Agent 进行端到端真实能力验证。 - [01:53:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6825s) 专有模型 MAI-Code-1 Flash 采用 137B 总参数、5B 激活参数的 MoE 架构,经过 VS Code 真实交互环境强化学习调优,兼顾了快速响应与精准测试调用能力。 - [02:09:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7780s) 由于 JavaScript 单线程模型无法利用多核 CPU 共享内存并发,TypeScript 编译器自托管历史在面对现代超大规模工程时触及了 V8 性能微调的天花板。 - [02:15:23](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8123s) TypeScript 迁移至 Go 语言(TypeScript 7.0)通过基于 ts-morph 的 AST 自动化脚本重写,在保留 95% 以上端到端测试用例的同时实现了原生跨核共享内存并发。 - [02:22:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8576s) 实测显示 Go 重构版编译器在解析和代码生成阶段可占满所有 CPU 核心,在 150 万行代码的 VS Code 工程上将非增量编译耗时从 97 秒缩减至 10 秒以内,为企业节省海量 CI 时间。

## Detailed walkthrough ### [00:30](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=30s) 现场开场与日程公告

活动在 Microsoft Build 第二天早晨开场,主持人 Burke 与搭档 Pierce 登台调动现场气氛。Burke 调侃 Pierce 的具体职位究竟是什么,Pierce 解释自己隶属于 VS Code 团队,但同时横跨 GitHub Copilot 相关的各项业务,包括 GitHub Copilot 桌面客户端、CLI 等。Burke 也介绍自己同样从事 Copilot、CLI 以及 VS Code 的相关工作,平时除了制作 YouTube 视频,就是和 Pierce 共事。随后,Burke 宣布了当天的一系列直播与分会场安排:本舞台在下午 2:15 之后将转为 Windows 相关内容的专属直播流;现场及在线观众(涵盖 VS Code 的 YouTube 与 X 平台、GitHub、Microsoft Developer 终端等流媒体)均可同步观看。

展厅现场设有一个引人注目的“透明玻璃鱼缸”式 Live Coding 展台。Pierce 透露自己今天将被“关”在里面进行整整两小时的现场编码,而他甚至还没想好具体要写什么。Burke 回顾去年的现场演示,提到 Anthony 仅用 10 分钟就在里面现场写出了一个全新的编程语言。此外,当天上午 10:15 至 11:00,Pierce 将与 VS Code 团队的 Josh 在 Breakout 204 会场带来题为“VS Code 团队的 AI 采纳历程”的分享。Pierce 澄清该分享并非探讨宏观上为什么要引入 AI,而是聚焦团队在日常实际深度使用 AI 之后面临的连锁反应:“The basic concept is like, OK, you use AI, now what? There's a lot of things that break.” 主舞台还将举行由 Kent C. Dodds 联合主持的 Copilot 游戏秀,挑战在 45 分钟内通过“氛围编码”(vibe coding)快速构建出可用产品。Burke 强调现在产品迭代太快,功能每 15 分钟就可能更新一次,呼吁大家关注 VS Code 每月的版本发布直播来了解最新动态。

- **Windows 专场**:当天下午 2:15 后于当前主舞台直播。 - **Live Coding 展位**:位于 Expo 展厅,由透明玻璃隔间构成,供开发者进行长达两小时的现场实时编程演示。 - **团队实操分享(Breakout 204)**:10:15 - 11:00,由 Pierce 与 Josh 主讲,深入拆解团队全面拥抱 AI 后的断裂点与适应流程。 - **Copilot 游戏秀**:Keynote 舞台举行,由 Kent C. Dodds 协同主持,演示 45 分钟内的即兴极限构建。

---

[03:50](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=230s) GitHub Copilot 独立桌面应用与多 Agent 工作流探讨

Burke 与 Pierce 转向回顾 Build 首日的技术亮点,首要关注的是新发布的 GitHub Copilot 桌面客户端。Pierce 说明该产品既不是代码编辑器,也不是命令行工具,而是一个以 Agent 为原生的桌面环境。针对 Burke 调侃这属于市场公关话术,Pierce 进一步解构道,虽然它可以像会话管理器(Session Manager)那样利用 Git worktree 隔离环境并行运行多个 Agent,但其真正价值在于覆盖编写代码之外的全流程工作:从决定挑选哪些 Issue、分拣整理待办积压(Backlog),到将 Agent 生成的 PR 稳步推进至合并完成。

关于开发者日常究竟应当并发运行多少个 Agent,Burke 现场调查了与会观众。台下只有少数人同时运行 2 到 3 个 Agent,而所谓“在屏幕上开 50 个终端窗口同时挂 50 个 Agent”的做法在现实中几乎不存在,多属于社交媒体上的夸张摆拍。Pierce 坦言开发者必须警惕“表演式生产力”(performative productivity),评估的核心永远是实际交付的业务价值;从认知负荷来看,开发者在上下文频繁切换时很容易迷失,3 到 4 个 Agent 已经是个人的心智极限。与 VS Code 等注重细看代码的编辑器不同,Copilot 应用刻意将代码弱化至后台,内置浏览器与一键运行环境,让开发者将第一精力放在“事情是否做成了”的结果验证上,而不是一开始就陷入对底层代码细节的过度纠结中。

```mermaid flowchart TD accTitle: Copilot 桌面端工作流 accDescr: 展示 GitHub Copilot 应用如何覆盖从 Issue 到 PR 合并的全流程,并强调结果优先的设计。

subgraph BacklogFlow["前置流程"] A["评估与挑选 Issue"] --> B["整理需求待办 Backlog"] end

subgraph AgentRun["执行环境(Git Worktrees 隔离)"] B --> C["并发 Agent 1~4 个会话"] end

subgraph VerificationFlow["结果导向验证"] C --> D["内置浏览器一键运行"] D --> E{"功能是否达成?"} E -- "验证通过" --> F["视需要检查代码质量"] E -- "未通过" --> C F --> G["提交并合入 PR"] end ```

- **心智负担上限**:Pierce 指出自己日常并行跑任务的上限是 3 到 4 个,必须按批次处理,否则无法持续跟进上下文状态。 - **界面设计哲学**:代码在 Copilot 桌面客户端中被刻意置于次级背景(backgrounded),首屏界面优先提供一键运行和结果呈现,避免开发者过早陷入“Nerd sniping”(钻牛角尖)而偏离目标。 - **Pierce 的核心观点**:“I think there's a lot of performative productivity of like to your point, people running 50 things at once, but it's just like always like when I sit down and write my performance review, it's like, what impact did I deliver, right?”

---

[06:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=401s) Copilot SDK 与首款自研模型 MAI-Code-1-Fast

谈到新推出的 GitHub Copilot SDK,Burke 提出疑问:为什么开发者需要一个单独的 Copilot SDK?Pierce 解释道,GitHub Copilot 全系产品底层都依赖于名为“Agent Loop”(包含特定 Prompts、工具链集与上下文组装策略)的核心循环。过去各个客户端与端点各写一套,直到团队开发 GitHub Copilot CLI 时才进行了大一统沉淀。Copilot SDK 实际上就是将经过长期离线评测(Offline Evaluation)和 GitHub 实验室打磨的 Agent 运行时抽离成标准库,开发者可直接将其封装引入任意自定义应用中,甚至能够低门槛直接运行个人专属助手。

在会话的最后 45 秒快速问答中,Pierce 重点介绍了微软首款从头自主研发的编程模型——MAI-Code-1-Fast。以往微软推出的专用模型多属于基于现有大模型的微调版本(如基于 GPT-4o-mini 或 GPT-5-mini 微调的 Raptor mini),而 MAI-Code-1-Fast 则是完全自研底座。该模型对标 Claude Haiku,主打轻量、高效和超低延迟。训练策略深度绑定 GitHub Copilot 的工具调用轨迹(Agent Trajectories)和测试 Harness,具备自适应解决方案长度(adaptive solution length)的能力,能够依据输入 Prompt 的复杂度动态调节回复长度(例如对简短陈述仅作精炼响应,绝不无端展开长篇大论)。目前该模型正逐步在 VS Code 的模型选择器(Model Picker)以及 Auto 路由模式中灰度推送。

- **Copilot SDK 本质**:将 CLI 与全线产品中验证成熟的 Agent Loop 核心运行时暴露为 SDK,支持第三方快速集成。 - **MAI-Code-1-Fast 定位**:微软首个从头训练的编程模型,定位轻量高速层级(同 Haiku 相当),针对 Copilot 内部工具调用轨迹做了专用训练。 - **动态长度控制**:具备自适应生成长度特性,根据用户提示词深度动态伸缩,避免冗长输出。 - **发布与试用**:正面向 VS Code 开发者灰度推送,可在 Model Picker 列表或 Auto 调度下直接体验。 - **Pierce 评价自研意义**:“It is the first coding model we built from scratch here at Microsoft.”

[09:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=594s) 使用 VS Code 语音扩展直接唤起 AI Agent

在日常的 VS Code 编码流程中,提示词(prompting)不再局限于纯键盘输入。开发者只需安装 VS Code Speech 扩展,即可直接使用语音转文字功能与底层 Agent 互动,这为编程工作流带来了极大的交互便利。

以一个收录最新版本核心贡献者的“VS Code Community”社区网站为例,该页面原本具备向贡献者点赞(Give kudos)的功能,但开发者认为这里如果能增加一点彩带纸屑特效(confetti)会更加生动。为了实现这个需求,开发者无需手动输入代码或文本,直接点击聊天输入框中的麦克风图标,下达语音指令:“当用户第一次获得点赞时,添加彩带纸屑动画(Add a confetti animation. When a user gets their first kudos)”。系统随后将语音转录为提示词发送出去,AI Agent 随即展开后台自动化处理,短短数秒内未触碰任何按键就完整实现了这一新特性。

---

[11:02](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=662s) Addy Osmani 登台:从 jQuery、Web 性能到 AI Agent 技能

舞台转回现场直播间,主持人热情欢迎 Google Cloud AI 研发总监、畅销书作家及资深技术演讲嘉宾 Addy Osmani。两人追溯了长期的技术交情——从早年的 jQuery 时代、前端 Web 性能优化,一直走到当下如火如荼的 AI Agent 与技能生态。主持人甚至打趣提到最近在彭博社(Bloomberg)的 AI 专题片里看到了 Addy,回家兴奋地跟妻子说“我认识这家伙”,结果妻子完全不相信他。

现场话题随即切入 Addy 近期引发广泛关注并数次登上 Hacker News 首页的开源项目——Agent Skills(智能体技能库)。Addy 笑着调侃自己最近尽量少刷 Hacker News,因为“你永远不知道上面的评价是好是坏”。随后他正式介绍了何为 Agent 技能(Skills):从本质上讲,技能是一种标准化的方式,用来赋予 AI Agent 新的能力与领域专业知识(expertise)。

为了形象说明技能的价值,Addy 唤起了老一代开发者的共同记忆——就像当年工程师们互相分享和炫耀私藏的 Shell 配置与“dotfiles”一样:

> “These are my dotfiles that work really well for me... my magic tricks. And you'd be like, I want that bag of tricks. But then you think, well, my bag of tricks might be different than your bag of tricks. And so I think of skills in a very similar way.”

每个人手里的“魔法百宝箱”或许各有侧重,既可以直接复制别人的技巧为己所用,也可以从中获取灵感来打磨适合自己工作流的专属技能。

```mermaid flowchart LR accTitle: Agent技能比喻架构 accDescr: 对比传统开发者Dotfiles与现代AI Agent技能的运作逻辑。 subgraph S1["传统时代"] A["Shell dotfiles"] --> B["私藏黑魔法 / CLI 别名"] B --> C["个人本地终端效率提升"] end subgraph S2["AI Agent 时代"] D["Agent Skills 规范"] --> E["打包工作流与专业知识"] E --> F["按需注入 Agent / 跨项目复用"] end ```

---

[13:25](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=805s) “Vibe Coding”演示与技能的基本结构

为了向未深入接触该领域的开发者快速科普,Addy 现场展示了一个自己临时“氛围编码”(vibe coded)出来的网页演示:一个运行在浏览器里的趣味拟真 Windows 桌面,并在其中放置了经典的 Office 助手大眼夹(Clippy)。面对这个略显反常的界面——底部是 macOS 的 Dock 栏,上方却悬浮着 Windows 视窗——主持人忍不住打趣这是“集合了所有操作系统最糟糕特性的缝合怪”,并戏称在微软 Build 大会上大眼夹属于“违禁话题”,甚至会场里虽然有大眼夹皮套,但规定穿上的人绝对不准开口说话。

在玩笑之余,Addy 详细拆解了 Agent 技能的核心运行机制。所谓技能,就是把特定领域的工作流、上下文指令打包封装为标准化结构,弥补 Agent 天生缺乏特定流程知识的短板: - **核心元数据**:每个技能文件至少包含两大核心字段——`name`(名称)与 `description`(描述)。 - **可复用性(Reusability)**:与一次性执行的 Prompt(提示词)不同,技能面向的是团队或个人可在多个项目中反复调用的标准流程。 - **按需加载(On-demand Loading)**:当 Agent 接收到任务时,它仅凭借名称与描述在技能池中进行匹配。只有当确认该技能与任务相关时,Agent 才会动态加载具体执行步骤并遵照执行,从而避免将过长指令无序堆入 Context 窗口。

---

[15:10](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=910s) 围绕软件生命周期(SDLC)打造的 Agentic Engineering 体系

谈到该开源项目的诞生背景,Addy 坦言过去几年自己在开源界刻意放慢了脚步,因为“打造开源项目就像养小孩一样,你必须投入精力去持续维护”。直到后来看到 Garry Tan 推出了 G-Stack 并广受关注,Addy 意识到自己也应该站出来,向行业分享自己对于 Agent 技能的系统化见解。与很多碎片化的 Prompts 集合不同,Addy 的体系完全扎根于严格的软件开发生命周期(SDLC),强调工程纪律性:

> “I lean very heavily into agentic engineering, AI assisted engineering, that side of things where you try to be very disciplined about, you know, I'm going to be explicit about what I want built. I'm going to verify what gets built. I'm going to keep quality in mind.”

整个体系贯穿 SDLC 的六大阶段,每个阶段均配有对应专项技能: - **定义(Define)**:通过访谈机制理清模糊概念。例如开发者在洗澡时灵光一现冒出想法,却不清楚具体 UI 和实现细节,该技能可引导其逐步收敛为具体规范(Spec-driven Development)。 - **规划(Plan)**:将规范拆解为结构化开发任务。 - **构建(Build)**:指导生成高质量的前端 UI 界面、API 设计以及数据接口。 - **验证(Verify)**:Agent 自主进行端到端验证,包括基于浏览器的自动化渲染测试与自主调试(Auto-debugging)。 - **评审(Review)**:内置代码评审闭环,涵盖代码重构精简(Simplification)与安全合规扫描。 - **发布(Ship)**:辅助推进 CI/CD 流水线构建、Git 工作流整合、文档撰写及最终上线发布。

| SDLC 阶段 | 对应 Agent 技能与职责 | |:--- |:--- | | **Define** | 概念访谈澄清、规范驱动开发(Spec-driven Dev) | | **Plan** | 需求拆解与具体任务清单排期 | | **Build** | 前端 UI 构建、系统架构及接口(API)规范设计 | | **Verify** | 真实浏览器自动化测试、运行时错误自主排查(Debug) | | **Review** | 冗余代码精简、安全隐患排查与代码风格评审 | | **Ship** | Git 提交与版本控制、CI 自动化集成、发布文档整理 |

---

[18:05](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1085s) 技能内部的防线设计与实操接入

在每个具体的技能实现中,Addy 统一推行了一套严格的工程范式,确保 Agent 在执行过程中不偏离预期轨道: 1. **概述(Overview)**:明确说明该技能应在何种具体场景与前置条件下被触发。 2. **合理化判定(Rationalization)**:系统阐明“为什么该使用”与“为什么不该使用”,为 Agent 树立明确的决策护栏(guardrails)。 3. **警示红旗(Red Flags)**:预警机制,罗列可能导致任务失控或代码劣化的危险信号,使 Agent 具备自我纠偏意识。 4. **验证准则(Verification)**:明确界定每一步骤完成的标准,衡量输出结果的正确性。

这套体系与开发者的日常交互无缝衔接。所有技能均映射为斜杠命令(slash commands),开发者在 VS Code 的 GitHub Copilot 或各类 Agentic 编程侧边栏中输入对应指令即可定向触发。在最后的实操展示中,Addy 打开了一个已预先集成该 Skills 库的项目脚手架,里面整齐排列着代理文件与提示模板;随后他在 Copilot 侧边栏中切换并选定了 Google 的 Gemini 1.5 Flash 模型,展示如何以规范化的企业级流程开始驱动 Agent 工作。

[19:32](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1172s) 模型选择、VS Code Agents 视图与测试驱动开发(TDD)技能设计

演讲者演示时选用了 Gemini 3.5 Flash,并称赞它是一款非常适合智能体编程(agentic coding)与智能体任务的模型。在开发环境方面,VS Code 现已配备了 Agents 视图,用户只需在对话框中输入斜杠(`/`),系统便会弹出可调用的智能体技能命令列表,例如需求细化(refine)以及代码精简(code simplification)等实用功能。为了更直观地展示构建过程,演讲者决定使用当前视图,并首先带领观众审视了测试驱动开发(TDD)技能文件的内部结构。

```mermaid flowchart TD accTitle: TDD 技能工作流与规范架构 accDescr: 展示 TDD 技能中定义的循环阶段与最佳实践规则。

subgraph TDD_Cycle["TDD 循环核心"] A["失败测试 (Red)"] --> B["通过测试 (Green)"] B --> C["代码重构 (Refactor)"] C --> A end

subgraph Rules["规范与边界"] D["测试金字塔与决策指南"] E["测试反模式 (Anti-patterns)"] F["浏览器测试与调试边界"] G["安全性防护边界"] end

TDD_Cycle --- Rules ```

针对技能配置文件的冗长内容,演讲者特别强调了上下文窗口的管理纪律:“I try to be very diligent about what ends up in context windows.” 如果开发者觉得内容超出实际需求,完全可以自行裁剪和优化。但在个人实践中,他极度推崇明确性(explicit)。在这份 TDD 技能文件中,不仅完整记录了 TDD 循环的细节,还对“失败测试的定义”、“通过测试的判定标准”以及重构思维给出了极其详尽的界定。

演讲者透露,这些模式大多取材于内部规模化软件开发的实战体系:“Many of these patterns were ones that have been inspired by how we build software at scale at Google.” 技能文件中还涵盖了诸如测试金字塔、决策指南、应明确规避的测试反模式(anti-patterns)、浏览器端测试与调试的衔接逻辑,以及涉及测试时的安全性防护边界。他总结道,无论是高度明确还是保持开放全凭个人偏好,但他始终坚信在设定开发方法时保持明确与审慎(intentional)能带来极大的技术价值。

- 选用模型:Gemini 3.5 Flash,针对智能体编程与多步骤任务表现优异。 - 交互入口:VS Code Agents 视图支持 `/` 唤出智能体技能,内建 refine 与代码精简等指令。 - 技能文件包含的具体要素:TDD 循环(失败、通过、重构)、测试金字塔、决策指南、测试反模式、浏览器测试连接链路及安全边界。

---

[22:17](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1337s) 触发 `/refine`:从模糊想法到多轮澄清问答

进入实战演示环节,演讲者自嘲半辈子都在尝试优化自己的个人生产力(虽然常常以失败告终),因此对习惯打卡(habit tracking)应用颇有兴趣。他提议参考每个人都熟悉的 GitHub 贡献图谱(contributions graph)视觉设计,打造一款习惯追踪器。为了演示智能体如何处理模糊想法,他直接触发了 `/refine` 命令,仅输入了一句极其笼统的提示:“a habit tracker GitHub inspired... store everything in the browser?”。台下甚至调侃这句提示是否太含糊、要不要明确补充“贡献图谱”字样,演讲者坚持只保留“GitHub inspired”,以此检验技能的分析与推断能力。

```mermaid flowchart LR accTitle: Refine 技能的需求澄清问答流 accDescr: 展示从初始模糊提示词到最终形成四维度明确约束的交互过程。

A["模糊想法<br>GitHub 启发 / 纯浏览器存储"] --> B["Refine 技能分析"] B --> C["目标受众<br>Build 大会与 YouTube 观众"] B --> D["存储机制<br>选用轻量 LocalStorage"] B --> E["产品隐喻<br>仅保留贡献网格视觉"] B --> F["MVP 成功标准<br>加载迅速 / UI 简洁响应式"] ```

Refine 技能随即被触发,开始解析提示参数与核心需求组件,并立即抛出了四个维度的澄清问题: 1. **主要目标用户是谁?** 模型需要区分应用是用于个人、团队、家庭还是朋友。演讲者指定为在场的微软 Build 大会软件工程师以及后续观看 YouTube 视频的广大开发者受众。 2. **纯浏览器存储的约束与预期为何?** 面向 IndexedDB、LocalStorage、SessionStorage 等繁多选项,演讲者为了简化复杂度,明确选择 LocalStorage。 3. **探索哪些 GitHub 隐喻?** 模型主动推测出了“贡献网格(contribution grid)”,并进一步询问是否要引入诸如“提交习惯(committing a habit)”、“分支变体(branching variations)”或“拉取请求(pull requests)”等深度隐喻。演讲者决定见好就收,避免过度延伸,仅保留最直观的贡献网格视觉。 4. **MVP(最小可行产品)的成功标准是什么?** 模型询问是否需要用 Service Worker 做离线优先。演讲者表示暂时不需要过重的离线架构,核心要求唯有两点:加载速度快、界面简洁且具备响应式布局。

通过短短几句问答,原本模糊的构想在极短时间内变得清晰透明,省去了手动撰写冗长技术规格文档的负担。

---

[25:30](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1530s) 路线权衡、认知妥协辩论与产品范围锁定

在读取了空白项目的全局上下文后,模型结合问题陈述(problem statement)与压力测试考量,输出了三个截然不同的演化方向供用户选择: - **方向 A(开发者个人档案配置器 / Dev Profile Configurator):** 极简、高保真复刻 GitHub 个人资料页,将打卡习惯视同 GitHub 代码仓库进行管理。 - **方向 B(键盘驱动的习惯终端 / Keyboard-driven Habit Terminal):** 纯 TUI 键盘流工具。台下嘉宾对此打趣道:“TUIs are so hot right now!” - **方向 C(Markdown/SVG 导出工具 / Markdown SVG Exporter):** 面向纯文本后端的原始数据管理工具,允许用户录入与维护底层数据。

演讲者果断排除了偏重数据维护的方向 C,选择了最贴近预期的方向 A。在面临模型未主动推荐最优项时,台下嘉宾展开了一段关于人机协作决策心理的精彩讨论:“Because I noticed models like to recommend and they almost always when they give you choice and be like, well this is what I do. And then I'm like, well, if that's what you do, then that's what I want to do.” 嘉宾坦言自己有时会主动让模型给三个选项并附带模型的倾向建议,但随后便会陷入自我怀疑,感觉自己丧失了自主权,永远在顺从模型的意志。对此,演讲者深表共鸣,犀利指出这种现象属于“认知负债(cognitive debt)与认知妥协(cognitive surrender)”,并调侃这正是自己下一篇文章要重点探讨的议题。

| 方向 | 名称 | 核心交互与特点 | 评估结论 | |:--- |:--- |:--- |:--- | | **方向 A** | 开发者档案配置器 (Dev Profile Configurator) | 高保真克隆 GitHub 个人页,像管代码库一样管习惯 | **采纳**(最契合直观预期) | | **方向 B** | 习惯终端 (Habit Terminal) | 全键盘驱动的 TUI 终端风格 | 放弃(虽然概念当下正流行) | | **方向 C** | Markdown/SVG 导出工具 | 纯文本与底层原始数据管理 | 放弃(数据偏重,氛围不符) |

最终,生成的规划方案将应用命名为 **Streak**,并明确圈定了核心假设与边界约束: - **核心验证点:** 用户留存率、习惯频率,以及工程师在桌面端配置但在移动端打卡的移动端可用性(mobile usability)。 - **边界范围澄清(Out of Scope):** 明确剔除云端同步(cloud sync)以及高阶社交功能。 - **衔接下一步:** 确认保存该方案后,项目生成了规范基准文档。演讲者指出,部分开发者习惯“规划后直接编写代码(plan and implement)”,跳过细致的规格文档;但他个人极度注重确定性(specificity),主张严格遵循“计划(Plan) $\rightarrow$ 规格定义(Spec) $\rightarrow$ 具体实现(Implement)”的三段式工程流程。随后他键入 `/spec` 指令,正式驱动智能体读取 Refine 阶段的输出物,开始全面细化技术栈、成功指标与工程脚手架规范。

[29:13](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1753s) 交互式规格细化:从 Gemini 3.5 Flash 到 Copilot 侧边栏交互

在生成规格文档的过程中,模型迅速展开了详细的未决问题清单。演示者感叹响应速度极快,并开玩笑说无论观众是在用 Gemini 3.5 Flash 还是视频发布时的任何最新模型,“AI 变化太快了,四个小时后一切都会完全不同”(“AI moves fast. 4 hours everything will be different.”)。针对项目中具体的渲染技术选型,Agent 提出了关于网格生成方案的开放问题:是采用模块化的动态 SVG 分组结构,还是使用纯 CSS Grid 元素布局。演示者坦言自己懂 CSS Grid 也会用 SVG,但谈不上是这方面的绝对专家,因此直接放权回复:“选你认为最好的方案”(“Choose what you think is best”)。

紧接着,Agent 针对新用户的首访样板数据提出了问题:初次访问的用户默认应当预设哪些习惯?现场就“追踪好习惯还是坏习惯”打趣了一番,随后敲定了锻炼(exercise)、补水(hydration)、阅读(reading)以及冥想(meditation)。在有人打趣提出“刷手机沉沦(doomscrolling)”时,演示者幽默地回应:“在刷完手机沉沦之后去冥想,大概会比光刷手机好一些。”关于生成文件的存放路径,演示者同样让 Agent 自行决定。这种全流程交互的一大亮点在于,所有问题与选项都在 VS Code 的 Copilot 侧边栏内无缝呈现,无需跳转到任何外部独立应用。

```mermaid flowchart TD accTitle: 规格细化与配置流程 accDescr: 展示用户在 Copilot 侧边栏中通过回答 Agent 问题并直接生成规格文档的流程

subgraph UserPrompt["Copilot 侧边栏交互"] A["未决问题:网格渲染选型"] -->|"用户选择:让 Agent 自行决定最佳方案"| B["技术决策:SVG / CSS Grid"] C["未决问题:默认习惯项"] -->|"预设:锻炼、补水、阅读、冥想"| D["默认数据配置"] end

subgraph SpecGeneration["生成规格说明书 (Spec)"] B --> E["定义技术栈:原生 JS + Playwright"] D --> E E --> F["性能指标:LCP、全屏绘制"] F --> G["形成详细任务清单与架构规范"] end ```

- **交互体验一体化**:开发者可以在侧边栏内部直接处理所有确认弹窗与多项选择,无需切换工作上下文。 - **技术栈假定**:Agent 自动选用了原生 JavaScript 以及用于端到端测试的 Playwright,演示者指出这些偏好完全可以通过自定义技能(Skills)编码进系统中;若未显式指定,Agent 就会做出合理的默认假设。 - **性能与度量指标**:生成的 Spec 不仅罗列了代码风格和目录结构,还明确包含了最大内容绘制(LCP, Largest Contentful Paint)等具体性能验收标准。

---

[31:43](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1903s) 将大工程拆解为任务:Plan 规划与 TDD 测试驱动模式

获取到详尽的规格说明书之后,下一个关键环节是将宏观目标拆解为具体的执行片段。对于小型项目,开发者或许可以直接跳入全面实现阶段;但面对复杂系统,先进行结构化规划尤为重要。正如演示者总结软件工程的核心法则:“我们在软件工程中常说,如果你面临一个大难题,就把它拆解成更小的部分”(“What we say in software engineering often is if you've got a big problem, break it down into smaller pieces, right?”)。通过运行 `/plan` 命令,Agent 会自动生成阶段(Phases)与独立任务(Tasks)列表。

在正式启动第一阶段编码前,Agent 自动初始化了结构化待办清单(To-Do List),并将完整的实施方案写入专门的 `plan` 文件。Phase 1 Task 1 被设计为核心纯逻辑开发:包含 TypeScript 接口类型定义、计算连续打卡天数(streaks)的纯函数、过去 365 天累计贡献计算,以及底层 LocalStorage 存储桥接。这一阶段完全剥离了 UI 渲染,只关注底层业务计算,并附带了严密的验收标准和自动化测试校验。这种高度受限的任务定义有效地限制了 Agent 的“破坏半径”(blast radius),避免其在现有项目中肆意篡改无关文件。

- **隔离业务逻辑**:首个任务仅聚焦于数据模型和算法逻辑,保证在不触及前端 UI 的前提下实现逻辑闭环。 - **控制破坏半径(Blast Radius)**:明确圈定预计变动的文件列表,防止自主 Agent 跨越边界重写核心业务之外的代码。 - **精细化执行支持**:开发者既可以输入 `/build task 1` 单独执行某个子任务,也可以批量触发连续构建。

---

[34:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2080s) 审批绕过机制与“人机回环”中的开发困境

在执行构建任务时,VS Code 会对 Agent 的文件操作和命令执行弹出确认提示。为了提高构建流畅度,Burke 建议演示者直接开启底部的“绕过审批”(bypass approvals)选项。演示者打趣道:“你居然推荐绕过审批?我自己的个人项目全部都是绕过审批的。”一旦开启此设置,Agent 就能全速运行,不必停下来等待人工批准每一个琐碎的文件修改。

这一步引发了关于工程工作流形态的深入探讨:究竟是应该按阶段单步推进,还是直接让 Agent 一气呵成?演示者表示这完全取决于项目性质。如果只是一个一次性的个人小工具,完全可以一键生成全部代码;但对于复杂的严肃项目,按部就班地经历红绿测试(Red-Green TDD)阶段更令人心安——先写出必然失败的红灯测试,再编写刚好通过测试的精简逻辑,每完成一层数据或 UI 就能确保无既有功能损坏。

然而,这也带来了典型的工程权衡:把人放回闭环中(Human-in-the-loop),人类往往反倒成了效率瓶颈。现场讨论指出:“这真是一种权衡,因为一旦你回到闭环里,你又成了那个问题所在,你在拖慢 Agent 的速度”(“It's such a trade off though because then you know the back in the loop, like once again, you're the problem. You're slowing the agent down.”)。关于在 Agent 狂飙突进时人类工程师在做什么,现场两位讲者坦露了截然不同却非常真实的开发状态:

- **观察轨迹与思维流**:演示者表示自己过去也经常在 Agent 生成时切换到其他任务,但后来发现容易失控,现在倾向于慢下来仔细阅读 Agent 的思考轨迹(trajectory)——分析它究竟想了什么、为什么这么想,从中提炼出有价值的信息,确保其方向符合预期。 - **放空围观代码生成**:Burke 则坦言自己大多数时候并不逐行审查代码,而是“就那么干坐着盯着 Agent 的旋转加载动画看,虽然这时候我明明应该去做点别的事”(“I'm mostly just staring at it when I should be doing something else. But I'm just, I'm literally watching agents spin.”)。 - **审查深度视项目而定**:对于临时性、仅需运行一小时的抛弃型脚本,很少有人会逐行审查;但涉及长期维护的系统时,提前制定好验收测试与质量策略才是降低后期维护成本的关键。

[38:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2321s) 临时原型与长期维护代码的差异、TDD 红绿循环与从业感悟

讲者在现场实时演示 Agent 构建流程,并解释自己在面对不同项目时的心智模型差异:如果是快速写一个用完即弃的玩具项目或临时原型,即便自己完全看不懂底层代码也无所谓,遇到 Bug 直接丢给智能体修复即可;但如果该项目需要维护数周甚至数月,就必须深入理解其整体架构并通读核心文件,否则一旦智能体陷入偏执或无法修复错误,自己将彻底丧失挽救局面的能力。随着代码逐步推进,智能体严格执行测试驱动开发(TDD)流程,按切片(slice)逐一实现,经历由红转绿的过程。

现场另一位讲者感慨表示,自己直到 Spec Kit 发布才第一次接触“红绿测试”(先写会失败的测试用例,再写实现让测试通过)这一概念,并调侃自己都 45 岁了才接触到这个理念确实有点让人感慨;身旁搭档随即打趣称对方看起来根本不像 45 岁,两人笑着祝贺他昨天刚刚过完生日。

> “However, if it's going to be something I'm going to maintain for at least a few weeks or a few months, I generally go back and at least understand the architecture.” —— 讲者讨论对待长期维护项目与原型项目的根本态度。

---

[39:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2392s) 智能体工程(Agentic Engineering)与氛围编码(Vibe Coding)的光谱

两位讲者针对整个“智能体工程界”(Agentic Engineering Diaspora)的现状展开了深入讨论。当前社交平台(如 X/Twitter)上分享的最佳实践往往过度概括,例如个人创作者或小型初创团队在没有任何现有用户、维护全新绿地代码库(Greenfield)时总结出的经验,根本无法直接套用到拥有庞大团队和遗留系统(Brownfield)的企业环境。

行业目前充斥着“告诉我到底装什么工具就能万事大吉”的心态,不论是 Agent Skills、Superpowers 还是 G Stack,现实中并不存在银弹。如今开发者的核心工作正在从单纯的“写代码”转向“构建真正行之有效的自动化工作流”,这种工作模式甚至被调侃为“我们现在都成了麦肯锡顾问”。软件开发正在呈现一个光谱:一端是依赖直觉和工具自由发挥的“氛围编码”(Vibe Coding),另一端则是需要严格约束与工程严谨性的“智能体工程”(Agentic Engineering)。

```mermaid flowchart LR accTitle: Spectrum from Vibe Coding to Agentic Engineering accDescr: A spectrum showing prototype development at one end and production enterprise systems at the other.

subgraph LowDiligence["低严谨度区间"] A["氛围编码 (Vibe Coding)"] B["单人创立者 / 临时原型"] end

subgraph HighDiligence["高严谨度区间"] C["智能体工程 (Agentic Engineering)"] D["企业级 / Brownfield 生产系统"] end

A --- B B -.->|"逐步增加确定性门禁与测试"| D D --- C ```

> “And there are going to be times when we're vibe coding, there's going to be times when we're agentic engineering. And the more diligence you have to apply to the process, the closer you are getting to agentic engineering.” —— 讲者在剖析软件开发模式演进时总结道。

- **适用场景对比**:构建简单的个人习惯追踪打卡应用(Habit Tracker)可以随意依赖 Agent 猜测;但如果要向数百万开发者交付 VS Code 这种核心工具,就必须极其严谨,杜绝 Agent 引入的隐形退化与破坏。

---

[42:13](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2533s) 浏览器端自动化验证机制与 Web 开发优势

由于时间仅剩约 10 分钟,讲者加快节奏展示 Agent Skills 中的“验证(Verify)”环节。验证步骤的作用是无论功能是完全构建还是部分实现,都立即启动本地环境在浏览器中进行端到端校验。智能体自动在后台运行 `npm run build` 和 `npm run dev`,成功在 VS Code 内部唤起了一个内嵌浏览器窗口。

内嵌页面呈现出一个类似 GitHub 用户 Profile 页面的界面,头像甚至从网络上拉取了一张真实照片,引发了讲者们的笑声与调侃——不知是谁的照片被 LLM 随手抓取,可能只是一位碰巧拥有 GitHub 账号的烤饼干爱好者。验证技能随后调用集成 DevTools 的浏览器自动化测试工具,交互点击界面并监控控制台是否存在崩溃或报错。讲者指出,现代自动化浏览器测试生态非常成熟,无论是 Puppeteer、Playwright 还是 Vercel 的 Agent Browser 都是绝佳选择;与原生应用(Native Apps)繁琐的测试闭环相比,Web 开发者在这一环节拥有得天独厚的优势。

---

[44:23](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2663s) 多模型代码审查、代码精简循环与安全性争议

在验证完成后,流程进入至关重要的审查(Review)阶段。尽管企业(如 Google)内部依然保持着工程师人工代码审查的传统,但在本地让 Agent 先跑多轮预审极具价值。审查涵盖对抗性审查、跨模型校验(例如使用 Gemini 编写代码,再切换到 Claude 3.5 Sonnet / Opus 进行评估),审查结果会列出正确性、无安全漏洞(由于使用纯原生 JavaScript,需严防 XSS 跨站脚本注入)、可读性与架构健康度,甚至主动推荐了为贡献图谱补充键盘导航无障碍支持(Keyboard Navigation)。

讲者特别强调了审查中的“代码精简(Code Simplification)”循环:借助前面建立的 TDD 和质量门禁,开发者可以放心让 Agent 重构精简代码,不必担心破坏原有逻辑。对话随即转向非确定性 AI 审查的信任问题:许多初学者或粗心开发者经常在代码中错误暴露 API 密钥、引入 SQL 注入漏洞、缺乏鉴权保护,或未配置速率限制导致接口被恶意刷爆。对于缺乏经验的开发者或是图省事的高级工程师,将这类安全守则固化到 Skills 中作为基础兜底(Sanity Check)至关重要,因为大模型在捕捉冷门边界用例(Edge Cases)方面往往展现出极高的敏锐度。

> “And one of the wonderful things about TDD or having tests or quality gates around is that you can now go and do that code simplification loop and have something that can verify the rest of your logic still works.” —— 讲者阐述测试驱动开发在代码重构阶段的核心优势。

- **对抗性代码审查(Adversarial Review)**:跨模型相互交叉验证,用不同架构的大模型寻找实现中的逻辑漏洞与架构隐患。 - **常见安全隐患**:API Key 硬编码泄漏、未作速率限制的公共端点滥用、XSS 跨站脚本、不安全的身份认证实现。

[48:19](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2899s) 确定性质量卡点与代码精简实践

对话深入探讨了 AI 代理生成代码时面临的安全与质量挑战。主持人表达了对直接将 AI 产出发布到线上的极度担忧,强烈呼吁必须引入确定性关卡(Deterministic Gates)进行安全签核:

> “I'm scared to death to push anything live on Twitter and be like, here's what I built. And then have somebody be like, Oh, and here's your Gemini key.”(我怕得要死,不敢直接把做出来的东西发到 Twitter 上炫耀说‘看我做了这个’,然后转头就有人戳我‘噢,顺便说一句,你的 Gemini API 密钥泄露了’。)

Addy Osmani 指出,这正是理解“什么是良好、什么是完成”的核心价值所在。无论团队看重的是安全性、代码质量、运行性能还是无障碍访问(Accessibility),都必须将这些指标显式编码并固化进项目的质量卡点(Quality Gates)机制中。尽管编写技能规则(Skills)是一种编码思路的方式,但最核心的依然是建立阻断不符合最佳实践代码被合并的自动化防护网。主持人对此打趣道:“right now, Markdown is the solution to everything. It's like, well, we have nondeterminism. How are we going to fix that with more nondeterminism with text files”(现在 Markdown 简直被当成了万灵药。就像是我们遇到了不确定性问题,却试图用包含文本文件的更多不确定性去解决它)。

随后,Addy 展示了代码精简(Code Simplification)环节的运行效果: - 许多优秀的研发团队和实验室在探索代码精简方案;只要对方开源或发布技术博客,Addy 就会深入学习并将其沉淀为自己的技能指令。 - 即使是在演示的简单小应用中,该简化技能也已经自动识别出 3 到 4 处可以精简的代码逻辑。 - 紧接着进入发版步骤(Ship Step),Addy 现场展示了之前提前构建完成的原型——一款名为“Streak”的习惯打卡应用。该应用底部带有 GitHub 贡献图样式的网格,用来追踪个人是否遵循了健康作息(如晨间远离屏幕、规划当日工作目标、定期复盘等)。应用纯本地化运行,数据直接持久化在浏览器的 `localStorage` 中,即使离线也能正常工作。

---

[51:31](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3091s) 问答环节:多模型分工协同(Flash 与 Pro)

在现场问答环节中,观众 Anthony 提出了关于不同层级模型分工的实际工程问题:在日常工作流中,应该如何拆分 Flash 这类轻量高响应模型与 Pro 级别重型模型?是否适合用 Flash 做前置规划(Planning),再用 Pro 做代码实现(Implementation)?

Addy 证实这完全契合他本人的工作流程,并给出架构层面的分析:

> “You can use a lower cost model often for the planning phase, especially if you're trying to like optimize for tokens, use a lower cost model for the planning phase, Use a much more capable model for your implementation.”(如果你想优化 Token 消耗和成本,规划阶段往往可以使用低成本模型,而在具体实现阶段,则换用能力更强大的高阶模型。)

无论是 Gemini Pro、Claude 3.5 Sonnet / Opus 还是 Codex 体系,开发者都能通过阶梯式组合达到成本与性能的最优平衡。此外,GitHub Copilot 以及业界工具链目前普遍支持在开发各个阶段无缝切换不同的模型底座,这为混合分工工作流提供了良好的基础环境。

---

[52:35](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3155s) 争论焦点:MCP 与 CLI 之争及渐进式加载优势

主持人随后抛出核心议题:“Where does MCP factor into this workflow?”(MCP 在这套工作流中扮演什么角色?)这引发了关于 Model Context Protocol(MCP)与传统命令行工具(CLI)取舍的深度交锋:

Addy 坦言自己对 MCP 持有非常明确的观点。虽然 MCP 最初旨在打通数据源与代理之间的连接,但随着工作流快速演进,社区逐渐发现暴露过多细粒度工具反而会拖累代理决策;在很多场景下,直接让代理操作原生的 CLI 反而更精简、更高效。主持人赞同这一判断,提到自己曾公开发表过激进观点: > “Your MCP server should probably be a skill and a CLI”(你的 MCP 服务端大概率应该直接写成一个技能配上一套 CLI)。

不过主持人也补充了与 OpenCode 的 Reese 交流时得到的关键反方论据:**鉴权与权限边界控制**。CLI 很难对代理的操作权限进行精细化隔离,而 MCP 在协议层提供了成熟的鉴权管控能力。

```mermaid flowchart TD accTitle: Skills Progressive Loading vs MCP accDescr: 对比传统 MCP 预加载全量上下文与技能渐进式按需加载的机制差异

subgraph MCP_Flow["MCP 传统模式 (Context 压力大)"] direction TB M1["启动代理"] --> M2["全量载入所有工具 Schema"] M2 --> M3["迅速挤占有限的 Context Window"] end

subgraph Skill_Flow["Skills 渐进式加载 (Token 经济友好)"] direction TB S1["暴露基础信息: 名称与简短摘要"] --> S2{"代理按需命中"} S2 -->|"按需激活"| S3["加载对应 Skill 完整指令"] S3 -->|"根据索引"| S4["二次拉取关联本地/远程文档文件"] end ```

谈及当前仍在使用的工具,主持人重点推荐了两个生态范例: 1. **Work IQ**:针对微软技术生态的最佳连接器。 2. **Context7**:主持人强烈安利现场开发者立刻安装的 MCP 服务端;只需设定指令“在动手前务必阅读文档”,代理就会调用 Context7 检索最新官方文档,有效弥补大模型训练知识截断(Knowledge Cutoff)的硬伤。

两位嘉宾一致指出,相较于 MCP 必须将所有工具声明一次性倾倒进 Context 的做法,**Skills 的核心杀手锏在于渐进式加载(Progressive Loading)**: - 代理初始只会接收到技能的名称与简短摘要,占用极少空间。 - 仅当模型判断当前任务确实匹配该技能时,才会读取该技能的正文内容。 - 技能本身可以进一步引用外部文件,实现二阶段甚至三阶段的动态链式加载。 - 主持人强调,当前整个行业正从“AI 算力额度随便造”急剧转向“Token 额度受限、必须精打细算”的严格约束期,这种按需分配上下文的设计显得至关重要。

---

[56:43](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3403s) GitHub Copilot SDK 与 CLI 最新特性发布

在送别 Addy 后,舞台转向 GitHub Copilot 开发工具链的重磅更新推介。官方正式发布了处于 Technical Preview(技术预览)阶段的全新 **GitHub Copilot SDK** 以及一系列 CLI 增强功能:

- **多语言跨平台支持**:SDK 原生提供 Node.js、TypeScript、Python、Go 以及.NET 版本,赋予开发者对多轮会话(Multi-turn Conversations)、工具执行生命周期以及全链路流程的完整编程式控制力。 - **开箱即用的内置代理**:Copilot CLI 在过去数周内集成了多项内置专用代理,涵盖系统探索(Explore)、任务规划(Task Plan)与代码审查(Code Review),并可直接与 Agent Skills 深度联动。 - **现代化分发与包管理**:CLI 现已正式支持通过 macOS Homebrew 以及 Windows winget 统一包管理器安装,同时提供一键安装脚本;通过包管理器安装的客户端将支持全自动静默更新,官方也为特殊发行版保留了独立二进制 Release 包。 - **开发者体验优化**:新增用于在 Shell 自动化脚本中调用 Copilot CLI 的专属命令行标志(Flags),并对 Git Diff 差异对比视图和 Web 端交互控制进行了全方位重构。

[57:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3472s) 欢迎来到 Build 2026:Copilot SDK 团队登台

在向在线观众征集反馈(欢迎通过 YouTube 评论区、社交媒体、GitHub Issue 或代码仓库 Discussions 留言)之后,主持人回到了 Microsoft Build 2026 现场演播室。这次直播设在一处挑高极高、视野开阔的开阔场地中。主持人打趣地猜测这栋漂亮的建筑以前到底是什么——“看起来像个飞机机库,不过好像又不够宽,难道以前是个造船厂?”随后,主持人正式引出了本场嘉宾:来自 Copilot SDK 团队的 Patrick Nikoletich。

Patrick 解释说,他们实际上属于 CLI / SDK 联合团队,因为 SDK 本身就是构建在 Copilot CLI Server 之上的核心组件。主持人兴奋地表示,Copilot SDK 是一个专门为开发者打造的“神器”,一旦亲眼见识过它的能耐,就会由衷感叹其无所不能。

[59:06](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3546s) Copilot SDK 1.0 正式 GA 与跨团队工程实践

Patrick 宣布了一个重磅消息:Copilot SDK 刚刚在前一天正式发布了 1.0 GA(正式商用)稳定版。团队自当年一月份启动技术预览版(Technical Preview)以来,整个上半年大部分时间都在内部低调打磨质量,并积极推动微软生态内的众多核心团队全面落地采用,涵盖了 LinkedIn、Xbox、GitHub 以及 Office Excel、Cowork 和 Copilot Studio 等各个业务线,共同基于这套共享的智能体底盘(Agent Harness)进行开发。

随着内部打磨成熟,该 SDK 正式走向外部客户,这意味着所有开发者都可以放心地将这套稳定版本引入自己的生产环境,在广泛的运行时平台中构建自定义智能体方案。当主持人追问到底何为“Copilot SDK”时,Patrick 阐明了其核心架构:它本质上是一个轻量级的瘦客户端(Thin Client),直接接入大家熟知且喜爱的 Copilot CLI Server。此前 GitHub Copilot 原生应用中使用的就是这套完全相同的底座,而 SDK 则为开发者提供了将其嵌入任何自定义应用程序的标准通道。

```mermaid flowchart TD accTitle: Copilot SDK Architecture accDescr: 架构图展示了多语言 Copilot SDK 瘦客户端如何接入 Copilot CLI Server,并集成到定制应用中。

subgraph Languages ["支持语言 (6 种)"] L1["TypeScript / JavaScript"] L2["Python"] L3[".NET / C#"] L4["Go"] L5["Rust (新增)"] L6["Java (新增)"] end

subgraph Client ["Copilot SDK (Thin Client)"] SDK["SDK 客户端接口"] end

subgraph Server ["Copilot CLI Server 运行时"] direction TB NodeVer["初代 Node.js 运行时 (~120 MB RAM)"] RustVer["新一代 Rust 运行时 (<10 MB RAM)"] NodeVer -.->|"重写并优化迁移"| RustVer end

subgraph Apps ["落地场景与自定义应用"] App1["GitHub Copilot App"] App2["Office Excel / Cowork"] App3["Copilot Studio"] App4["自定义生产级应用 (如 Whim)"] end

Languages --> SDK SDK <--> Server Server --> Apps ```

- SDK 在 1 月技术预览版发布时支持 4 种语言,如今已扩展至 6 种主流语言绑定,新增了 Rust 和 Java 支持。 - 它的定位是“将 Copilot CLI 中所具备的完整智能体能力,无缝注入到任何第三方软件中”。

[01:01:13](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3673s) 从 Node.js 到 Rust:运行时极致重写与性能跨越

关于 SDK 的底层演进,Patrick 透露团队正在全力用 Rust 重写其核心运行时(Runtime)。在最初的技术预览阶段,整个 CLI Server 都是基于 Node.js 构建的,启动后常驻内存大约占用 100 到 120 MB。通过将运行时重构为原生 Rust 实现,团队的目标是将内存占用压缩至 10 MB 以下,并且目前的早期概念验证版本(POC)已经是一个功能齐备的完整运行时。

针对这一重构决策,Patrick Nikoletich 总结道:“核心成果就是,在我们所关心的每一个性能维度上,我们都看到了显著提升。”(“And the main core outcome of that is that we just saw benefits across every performance dimension that we cared about.”)除了内存开销的大幅缩减与响应速度的提升,使用 Rust 实现原生级运行环境还能让 Copilot SDK 轻松下沉到更多需要原生运行支持的苛刻边缘平台与宿主环境。

[01:02:17](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3737s) 智能体时代的开发心智与“Token 配额福利”

在谈到语言生态时,主持人分享了自己的切身经历:前几天他在给 Copilot CLI 开发某些工具时随口询问模型该用什么语言,模型回答建议用 Go 语言编写。尽管主持人自己并不懂 Go,但他立刻意识到在当下的时代,个人是否掌握某种具体语法早已不再重要——“因为 Agent 懂 Go 就足够了”,于是他顺理成章地用 Go 快速交付了项目。

Patrick 非常认同这种转变,他指出过去半年多来团队内部的心态已经发生了根本性剧变,技术人员开始彻底打破过往技术栈的经验壁垒。在 GitHub,工程师们拥有尽情消耗大量 Token 的特权,以此来不断探索最前沿模型的极限与能力边界。主持人幽默地吐槽道,在当今软件工程界,海量的 Token 额度应当像医疗保险一样被写入员工薪酬福利清单:“就像你的医保有多好一样,更关键的问题是你每个月能分到多少 Token 额度?”因为当开发者不再被成本所束缚、不必在调用每一步时都纠结“这里到底值不值得调用一次 Claude Opus”时,从想法到落地成果之间的阻隔才会被真正消除,生产力才会实现质的飞跃。

[01:03:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3825s) 产品经理的智能体画布:现场演示个人助手“Whim”

对于实际场景演示,Patrick 展示了他每天重度依赖的自研个人生产力工具——“Whim”(意为召之即来、随心而动)。作为一个需要处理海量文案、制定排期并产出 PRD 的产品经理(PM),他认为市面上虽然已经有很多优秀的编程辅助工具,但能够赋能文字工作、全流程协同写作的智能体工具才是他最痴迷的方向。此前他发给主持人的一份高质量 One-Pager 方案,正是全程由该应用协助生成的。

“Whim”采用了反转式的交互哲学:不同于传统聊天框为主、画布为辅的模式,它直接以沉浸式写作画布为起点,智能体均由画布上下文衍生创建。Patrick 表示,日常 PM 工作只需要三样东西:写作空间(Spaces to write)、后台工作单元(Workers)以及特定的领域技能(Skills)。通过这套基于 Copilot SDK 的工具,他可以随时用全局快捷键唤出界面,并在后台即时孵化出无数运行在云端临时沙箱环境中的智能体工作单元。这样即使他合上笔记本电脑,远端智能体依然在持续进行代码拉取、环境构建与内容加工,彻底摆脱了本地单机性能的局限。

[01:06:10](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3970s) 基于画布的多智能体编排与无感交互演示

Patrick 在现场演示了他的自定义智能体工作环境。他展示了系统中的核心组件:负责处理日常内容的“Editor”智能体,以及用于运行危险本地任务的安全沙箱环境。该沙箱基于微软最新发布的 MXC 安全沙箱机制,能够有效隔离风险操作。在人机交互的理念上,Patrick 指出传统工作流中“意图”(Intent)与“最终结果”(Outcome)之间往往夹杂着过于繁琐的步骤,而他的目标是尽可能缩短这段距离。演示中,他仅在任务清单中输入一行纠错后的需求(“triage copilot SDK github issues”)并打上标签 `@editor deploy`,智能体便立即启动并接手工作,省去了所有多余的思考负担。

```mermaid flowchart LR accTitle: 画布多智能体工作流 accDescr: 展示从用户输入任务、分发给智能体到产出拉取请求并回写画布的闭环流程。

subgraph User["用户交互层"] A["画布任务清单<br/>(输入需求与@标签)"] B["会话管理<br/>(移动端/远程控制)"] end

subgraph Orchestration["智能体执行层"] C["Editor 主智能体"] D["安全沙箱<br/>(MXC / 云端环境)"] end

subgraph Result["产出与沉淀"] E["处理 GitHub Issues"] F["自动创建 PR"] G["回写画布更新记录"] end

A -->|"部署指令"| C C -->|"高危执行"| D C --> E D --> F F --> G G -->|"闭环反馈"| A B -.->|"实时查看/审批"| C ```

随着智能体被派发到画布上,系统自动开启了对应的会话。用户不仅能随时向下深挖查看每个智能体的聊天细节,还可以全局纵览跨画布的执行进度。界面提供了完整的控制能力:点击按钮即可生成远程链接,以便随时在手机端远程接管任务;用户也可以直接开启不受限运行的“Yolo 模式”,或者在需要时手动进行权限审批。Patrick 强调,真正的多智能体编排不应该让用户感到繁重的编排负担。关于人机协作的形态演进,Patrick 总结道:

> “So this idea of multi agent orchestration, not really feeling like multi agent orchestration is where I think in general we're all headed because there's a lot of cognitive load.”

这种交互模式彻底颠覆了传统的聊天框形态。主持人对此深感共鸣,指出未来的智能体不应局限于“写代码的 Agent”,而应该贯穿于 Outlook 邮件、代码协作等各种场景,成为全局通用的个人助手。Patrick 解释说,自己平时几乎不需要打开聊天抽屉,因为智能体的所有产出都会直接回写到画布上。例如在他自己的“Wim”工作空间中,他直接利用 Wim 自身来迭代 Wim,智能体在后台修复 Bug、发起 Pull Request,并自动同步到画布上,整个工作过程形成了一份清晰完整、随时可供回溯的记录。

[01:08:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4136s) 告别“AI 蛇油”:用 Copilot SDK 构建个人原生工具

针对当前人工智能行业普遍存在的浮夸风气,主持人表达了强烈的吐槽。他谈到市面上很多人到处吹嘘“我用了 OpenClaw,它帮我接管了生活中的一切”,可一旦追问到底具体执行了什么,对方却只能含糊其辞地说“一切”,给人的感觉就如同贩卖“蛇油”(snake oil)。Patrick 完全认同这一观察,强调必须将通用的人工智能技术落地在具体、易懂的真实业务场景中。以往构建这样一套复杂系统往往需要耗费数月心血,但如今借助 Copilot SDK,开发者只需花一个周末与智能体对话协作,就能搭建出高度定制化的工作流。

Patrick 透露,微软近期为 Copilot SDK 注入了大量底层新特性。此前尚不存在的远程控制(Remote)功能如今已全面铺开,云端沙箱(Cloud Sandboxes)已进入预览阶段(Preview),而本地沙箱功能也已向开发者正式开放。面对在场及线上的开发者,主持人给出了最务实的建议:与其盲目迷信现成工具,不如利用 Copilot SDK 为自己打造契合工作习惯的专属工具。

> “Build your own that works the way that you want to work and start just trying to automate the simple things that you're doing throughout the day.”

Patrick 进一步补充,打造属于自己的智能体能够建立起对底层模型性能和行为模式的直觉,正如与真人相处需要时间建立信任一样,对模型的直觉也能迁移到不同架构上。他建议初学者从极简的 Copilot CLI 入手直连模型,再逐步拓展到跨会话的多智能体编排系统。主持人也风趣地提到自己搭建的智能体“Max”,调侃自己与 Max 之间默契配合的状态甚至像是某种“精神分裂”(psychosis),Patrick 则笑称开发者确实需要拥抱一点这种极客式的狂热,才能最大程度释放 AI 的潜能。

- 云端临时沙箱(Ephemeral Sandboxes in the cloud)现已进入 Preview 阶段供开发者调用。 - 本地沙箱支持已在最新更新中上线,为高危本地代码执行提供强隔离防护。 - Copilot CLI 适合作为体验原始模型特性的极简入门工具,后续可通过 SDK 进阶为复杂的多智能体编排。

[01:12:15](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4335s) 模型选型实战与 GitHub Mobile 远程控制预览

在谈及日常主力模型时,Patrick 分享了他近期的模型选型转变。作为过去近两年一直重度依赖 Anthropic Sonnet 和 Claude Opus 模型的资深用户,他最近几乎全盘转向了 OpenAI 的 GPT-5.5。他特别推崇“多模型交叉验证”的架构实践:让擅长发散和代码生成的模型(如 Opus)负责方案设计与初版实现,而让 GPT-5.5 负责最终的审查和验证,不同模型背后的训练数据与策略能够形成绝佳的互补。Patrick 总结了自己在实际评测中的体会:

> “I find GPT 5.5 is really great, especially for reviews. Still love Opus for generating code as well, but I've started to use GPT 5.5 pretty much exclusively the last few weeks or so.”

主持人也表示近期深有同感,他的工作流如今同样由 GPT-5.5 主导执行,仅在前期架构设计和创意构思阶段保留 Opus。在对谈尾声,Patrick 预告了当天下午 4 点至 5 点在 Breakout 1 分会场举行的 Copilot SDK 专题讲座,将全面揭示微软内部在智能体工程化方面的更深层探索。随后直播切入产品短片,GitHub 高级产品设计师 Ori 与工程师 Josh 亮相,展示了如何通过 GitHub 统一的智能体通信标准,使开发者能在电脑端(VS Code 或 Copilot CLI)启动任务后,随时随地在手机版 GitHub Mobile 上远程接管会话、实时审查进度并下发新指令,实现真正的移动端无缝编排。

[01:14:39](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4479s) 欢迎回到直播现场:与 Evan Boyle 的结识与日常开发

现场直播切回舞台,主持人热情欢迎现场和线上的观众,并隆重介绍了来自 Copilot CLI 团队的工程经理 Evan Boyle。主持人打趣称 Evan 是一个“狂热的钓鱼爱好者”,热爱一切与鱼相关的事物。当被问及在 GitHub 究竟负责什么时,Evan 表示自己虽然是管理岗位,但始终保持极高的动手写代码频率。他认为在开发者工具领域,“如果不亲自编写大量代码、不亲身去体验用户的生活,你就无法成为这个领域的合格管理者”。

Evan 进一步阐释了自己团队负责的核心业务范畴。他们负责打造驱动 Copilot CLI 与 Copilot SDK 的核心 Agent 循环(agent loop),这一架构如今正在逐步推广为微软和 GitHub 内部所有 Agent 的统一底层运行时。此外,他们还负责维护 Copilot CLI 工具以及在 Keynote 演讲中刚刚亮相的全新 GitHub App。主持人补充透露,就在两三天前,Evan 还和团队一起在 GitHub 旧金山总部加班到午夜,将整个现场演示的代码从零彻底重写了一遍。

- **核心产品职责**:驱动 Copilot CLI 与 SDK 的核心 Agent 循环与运行时、Copilot CLI 工具本身,以及新版 GitHub App。 - **管理哲学**:研发开发者工具必须深入一线写代码,实时感受用户真实体验。

---

[01:16:35](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4595s) 现场演示 Copilot CLI:从 60 个 Issue 到“哥布林猫”应用

为了解答不少开发者关于“Copilot CLI 到底是什么”的疑问,Evan 现场展示了命令行界面的实际工作流。在此前与 Cassidy 共同主持的环节中,他们建立了一个全新的仓库,让现场观众自由提交 Issue 来决定现场编码的内容。观众一口气提了 60 个 Issue。随后,Evan 直接在终端中使用 Copilot CLI 的 Tab/Shift-Tab 交互式视图,将所有打开的 Issue 和 PR 浏览一遍,并指令 Agent 自动分析所有需求,提炼出最有趣的一个方案付诸实现。

观众最终票选的需求是:制作一个悬浮在屏幕上的小章鱼猫(Octocat),只要用户在本地执行任意 Git 操作,它就会向屏幕喷洒 Emoji。Evan 将该 Issue 投喂给 CLI 的“计划模式(plan mode)”,Agent 自动规划出实现方案并以“自动驾驶(autopilot)”模式全自动构建。在初始版本跑通后,团队再次向现场征集改进建议,最终观众选出了诸如音效、眼睛跟随光标移动、慢速动画以及风靡一时的“哥布林模式(goblin mode)”等特性(两人还顺带打趣了此前 GPT 模型对哥布林念念不忘的旧 Bug)。

```mermaid flowchart TD accTitle: Copilot CLI 开发闭环流程 accDescr: 展示从社区 Issue 到自动化 Agent 计划并最终通过语音直接推送到主分支的完整闭环流程。

subgraph Input ["需求收集"] A["社区提交 60 个 GitHub Issues"] end

subgraph AgentLoop ["Copilot CLI 智能处理"] B["CLI Tab 视图检索与汇总 Issues"] C["进入 Plan Mode 规划实现步骤"] D["Autopilot 自动编码并构建 Electron 应用"] end

subgraph Interaction ["交互与交付"] E["空格键唤醒语音输入指令"] F["绕过 PR 流程直接 Force Push 到 main"] G["自动批量回复感谢并关闭关联 Issues"] end

A --> B B --> C C --> D D --> E E --> F F --> G ```

随后 Evan 展示了 CLI 的语音交互功能:按住空格键唤出音量条,直接口述指令:“不要提 PR,直接 push 到 main 分支。”伴随着猫咪发出咕噜声与提交时的“喵”叫声,这款基于 Electron 的应用在短短 20 到 25 分钟内即宣告交付。根据消耗明细,整个过程只花费了约 1300 个 Credits(折合约 5 到 10 美元),效率极高。

- **应用形态**:基于 Electron 构建的交互式桌面挂件,能够监听 Git 行为并发出猫叫与喷射 Emoji。 - **语音控制**:长按终端空格键触发内置语音识别(Voice Meter),直接下发自然语言系统指令。 - **成本开销**:完整功能生成耗时约 20-25 分钟,消耗约 1300 Credits(折合 5~10 美元 Token 费用)。

---

[01:19:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4796s) 为什么重返终端?多会话并行与 TUI 的现代演进

针对主持人提出的尖锐问题——“为什么我们要在一个终端黑框里编码,而不是留在成熟的现代图形编辑器中?”——Evan 解释了终端对于开发者心智模型的特殊价值。在终端中,一切干扰都被剥离,只有最纯粹的日志与逻辑流,同时还能让开发者找回一种“极客黑客”般的掌控感。更重要的是,终端具有极高的复用和多路复用(Multiplex)灵活性:可以通过 `tmux` 或分屏在超宽显示器上平铺多套环境。

针对单屏或笔记本用户,Copilot CLI 新增了后台任务管理功能。开发者可以通过 `/new` 指令启动一个全新的独立对话(例如让它阅读 README 并分析未解决的 Issues),而旧的编码会话则会自动转入后台持续运算。输入 `/sessions` 命令后,用户可以随时查看当前实例中所有正在并行运行的任务并在其间自由切换。Evan 在演示中一边让后台 Agent 自动给社区用户回复友好留言并关闭已实现的 Issues,一边切回研究会话继续探索下一批任务。

主持人非常赞同这种方式,他透露自己最喜欢的日常工作流正是将 VS Code 编辑器窗口最大化,但将终端作为 Editor Tab 放置在核心区域,同时开启多个终端 Tab 与 Agent 并肩协作。两人强调,许多人一提到终端就害怕复杂的 Vim/Emacs 快捷键,但现代终端用户界面(TUI)已经演进得如同一套完整的 Web 应用甚至轻量 IDE;如今终端中的快捷键甚至比 VS Code 还要少,而且 Copilot CLI 甚至支持直接用鼠标点击顶部的标签页进行导航。

- **`/new` 指令**:派生新的任务分支并启动独立对话上下文,原会话无缝置入后台继续异步运行。 - **`/sessions` 仪表盘**:统一列出所有正在执行的后台 Agent 会话,支持开发者随心穿梭切换。 - **交互方式**:打破传统终端输入壁垒,不仅减少了快捷键依赖,还原生支持鼠标点击顶部 Tab 交互。

---

[01:23:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5032s) 极速迭代的团队:月均 2000 个 PR 与全 Agent 化研发

在谈及开发这套工具的 GitHub 内部团队时,Evan 分享了一组令人惊叹的高速研发数据。作为全公司最拥抱 AI 的核心先锋团队,他们自身的代码开发几乎完全被 Agent 接管。早在同年 3 月的一份内部调研中,该团队仅凭 10 名核心工程师,一个月就在 App、CLI、SDK 和 Agent Loop 相关的仓库中合并了高达 2000 个 Pull Requests。

这种恐怖的代码流速给团队本身也带来了独特的挑战。Evan 笑称,如今只要一周不碰 CLI 的代码库,再打开时就必须假定底层的实现方式已经完全变样了。如果自己想给一个月前编写的功能打个补丁,“我必须重新构建我对整个代码世界的认知,因为这套代码的演进速度实在是太快了。”当他向刚刚打造了全新 UI 的工程师 Moss 询问团队平时到底在多大程度上依赖 Agent 编码时,得到的回答是不言自明且坚定的:“我不知道其他人怎么做,但我自己大量、深度依赖它(a lot)。”

- **研发人效**:10 人核心团队在多个核心仓库中创造了单月合并 2000 个 PR 的开发纪录。 - **极速代码流(Code Velocity)**:高密度的 Agentic Coding 导致代码库以周为周期发生巨变,连主要维护者都需要持续刷新对架构的认知。

[01:24:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5094s) 深入探秘 Copilot CLI 斜杠命令与多模型代码审查

在探讨 GitHub Copilot CLI 的众多高级功能时,主持人 Burke Holland 询问主讲人 Evan 最喜爱哪些功能,并指出大部分杀手级特性都隐藏在斜杠命令(slash commands)之后。Evan 赞同这一观点,随即在终端中放大字体,开启了一个新的交互式会话。为了在现场演示中保持流畅并实时推流输出,Evan 特意以 “Yolo mode”(无确认执行模式)启动了 Copilot。

Evan 重点演示了他极为推崇的 `/review` 斜杠命令,该命令支持多模型代码审查(multi-model code review)。他利用语音输入直接对智能体发出指令:“I'd like for you to do multi model code review with Sonet 46, GPT 55 and Gemini. I'd like you to then compare the results and only feed me issues where the models are in agreeance.”(我希望你使用 Claude 3.7 / 4.6 Sonnet、GPT-5.5 和 Gemini 进行多模型代码审查。请对比它们的结果,并且只向我汇报这些模型达成一致的问题)。在发号施令后,Evan 笑着调侃自己创造的词汇:“Is agreeance a word? I think I just made it up Agreement.” Burke 和 Evan 一致认为大语言模型并不在乎细微的拼写错误,Evan 更是总结道:“That's the beauty of, you know, LLMS is they, they, they pick up what you're putting down. And they don't care about spelling at all.”(这就是大语言模型的美妙之处,它们能完全领会你的意图,而且根本不在乎拼写)。

随后,CLI 展现了被称为“引导提问”(elicitation)的功能。当系统检测到上下文存在歧义时——例如执行代码审查命令时通常假定当前分支有领先基础分支的提交,或者存在未暂存的修改,但此时工作区正好干净地停留在 `main` 分支上——CLI 便会主动弹出交互式菜单,询问用户是希望审查整个代码库、特定分支,还是仅审查最新提交。Evan 选择了审查最新提交并合并。在随后的分支名与提交哈希自由输入提示中,由于记不清具体的 commit hash,Evan 干脆回复了一句“你看着办”(you figure it out / best judgment),将分析与判断工作完全放权给底层智能体。

```mermaid flowchart TD accTitle: Copilot CLI 多模型审查流程 accDescr: 展示用户通过语音下发多模型审查指令后,CLI 处理歧义引导与模型交叉对比的执行逻辑。

subgraph UserInput ["用户交互层"] A["语音下发指令 (/review)"] --> B{"上下文检测 (Elicitation)"} B -->|"主分支无待提交更改"| C["交互提示: 选择审查范围"] C -->|"选择: 最新提交"| D["模糊输入: '你看着办'"] end

subgraph MultiModelReview ["多模型协作引擎"] D --> E["分配审查任务"] E --> M1["Claude Sonnet 4.6"] E --> M2["GPT-5.5"] E --> M3["Google Gemini"] M1 & M2 & M3 --> F["交叉比对结果"] F --> G["过滤: 仅输出共识问题 (Agreement)"] end

G --> H["精简报告呈递给开发者"] ```

[01:27:34](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5254s) 配置自定义指令:解决智能体“长篇大论”的冗长问题

随着终端上智能体不断滚动输出大段文本,Burke 和 Evan 对智能体普遍存在的“话痨”毛病展开了热烈吐槽。Burke 直言自己根本没时间去读长篇大论:“I'm too busy. I'm building things... Like people send me an e-mail that looks like they spent an hour on it that was written by an agent. You're wasting my time. Boil it down to one sentence.”(我忙着构建东西呢……就像有人发来一封看似花了一个小时写的邮件,其实全由智能体生成。你这是在浪费我的时间,直接用一句话讲清楚就行)。

Evan 指出,这正是 GitHub 团队在应用端探索且正逐步引入 CLI 的核心体验——让开发者能够自由配置输出的精简度(brevity)。有些工程师喜欢详尽的完整日志,而有些人则只想看最终答案。为了演示这种高度可定制性,Evan 按住空格键通过语音实时下达了一条修改自定义指令的命令,要求智能体将规则写入配置:“I'd like for you to add to my custom instructions that I want you to be as brief and concise and to the point as possible. Unless I ask otherwise like one sentence. Make it easy for me to read and scan.”(我想请你在我的自定义指令中加上:除非我另有要求,否则回答必须尽可能简明扼要、直奔主题,尽量保持在一句话左右,方便我快速阅读和扫视)。

敲下回车后,Copilot 迅速更新了仓库内的 `copilot-instructions.md` 文件。Evan 进一步解释了配置的作用域: - **仓库级配置**:如果这是个人拥有的仓库,直接将自定义指令写入项目内; - **个人全局配置**:如果是团队协作的大型代码仓库,则更推荐放置在本地用户的主目录 `.copilot` 文件夹中,以维护适合个人工作节奏的专属偏好。

[01:29:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5349s) 本地语音模式与“踱步式”编码体验

Burke 注意到 Evan 在整个演示过程中频繁使用按键语音输入,便追问语音交互的底层实现以及它是否为外置插件。Evan 解释称,语音模式是内置支持的,可以通过 `/voice` 命令随时开启或关闭。在展示可选模型时,CLI 提供了 NVIDIA 提供的 Nemotron 英文与西班牙语等多种语音转文本(STT)模型供开发者下载。

Evan 强调了这种纯本地模型的巨大优势:虽然初次安装时模型体积大约有 700MB,但其支持本地流式转录(local streaming)。这意味着开发者完全不需要调用云端或依赖第三方推理 API,所有语音解析都在个人电脑本地完成,既保护了隐私又确保了极低延迟。

在互动环节中,Burke 询问现场观众有多少人在工作中会跟智能体讲话。看到全场寥寥无几后,Burke 打趣道,很多人不愿开口可能是因为对着空气说话感觉像在“自言自语”,显得有些难为情,甚至调侃道打字时人在思考,而说话时往往“不经大脑”。Evan 随后分享了他习惯使用语音模式的渊源。他透露是微软著名技术专家 Scott Hanselman 带他入坑的:“Scott Hanselman is the one who turned me on to voice mode. He does everything in voice mode.” 早在 GitHub 内部测试的 weekly dogfooding 期间,他们观察到 Scott 一直借助本地听写工具工作。虽然 Evan 一开始并不理解这种工作流,但随着时间推移,他发现自己的思考习惯非常契合语音操作:

> “I realized I'm kind of a person who likes to pace around my office while I think, if that makes sense. So I have like a little USB remote that's hooked up to that shortcut. And I pace around my office with my headphones on and I ramble at my agent... It works for me. In 1965, we're all dictating to recorders again.”(我意识到自己其实是那种喜欢一边在办公室踱步一边思考的人。于是我搞了一个小巧的 USB 遥控器映射到语音快捷键上,戴着耳机在办公室走来走去,对着智能体喋喋不休……这对我来说非常有效。简直就像回到了 1965 年,大家又开始拿着录音机口授听写了。)

在环节收尾时,Evan 预告了他下午 4 点与 Mario 共同呈现的 GitHub 客户端进阶工作流分享,以及当天早些时候与 Cassidy 录制的 CLI 深度解析视频。Burke 则向所有持怀疑态度的开发者发出公开挑战:“If you're skeptical about these CLIs, these tools, then I definitely want you more than anyone else to go install the Copilot CLI and just try it, just try it. OK, that's my challenge to you, because I understand the skepticism. I was too. Once you do it, you're like wow, that feels amazing.”(如果你对这些命令行工具感到怀疑,那么我比任何人都更希望你去安装并试用一下 Copilot CLI。这就是我对你的挑战,因为我完全理解那种怀疑态度,我以前也是如此;但一旦你真正用上了,你就会惊呼这感觉太棒了)。

[01:32:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5565s) 现场 Vibe Coding 竞赛与 Beast Mode 智能体实战

紧接着,现场画面切入紧张刺激的现场“Vibe Coding”(氛围编码)竞赛环节。一位参赛选手向大家复盘了他极具创意的项目启动流程。比赛题目宣布后,他首先用手机拍下挑战规则的照片,接着通过 AirDrop 隔空投送到笔记本电脑中。

面对未知的技术选型,选手先直接向智能体探路:自己的机器是否配置了 Rust 环境,以及能否用 Rust 来写网站。智能体直截了当地提示他的电脑上并未安装 Rust,并列出了构建方案。选手随即指示智能体:“安装我所需的所有依赖,我来为你准备 Prompt”。在 Prompt 中,他不仅写明了比赛规则,还下达了关键指令——“boost the prompt”(扩充并强化 Prompt),要求智能体在评委给出的原始要求基础上丰富细节精度,并生成详尽的执行规划(Plan Mode)。他特别为项目排定优先级:能部署上线固然好,但确保在本地顺利运行是绝对的“P0”级别。

有趣的是,智能体在通读规划后给出了非常直白的建议:“嘿,做这个你根本不需要 Rust,你只需要 HTML 和 JavaScript 就够了。你还坚持要用 Rust 吗?”

为了彻底贯彻自己的意志,选手决定祭出自己深度配置的自定义智能体——“野兽模式”(Beast Mode Rebooted)。该自定义智能体强制启用了几项极为强悍且反常规的底层机制: - **强制使用 Context 7** 级别的上下文处理框架; - **强制拆分子智能体(Sub-agents)并行运作**。选手在台上笑着自嘲:“I know I'm not supposed to use sub agents. I don't care. I'm doing it anyway. I told you I wasn't going to listen.”(我知道规则可能不允许使用子智能体,但我根本不在乎,照用不误,我早就说过我不会听话的); - **强制注入不可动摇的核心编码原则**,确保生成的代码即便在极高复杂度和多智能体并行调度下也能保持极高的规范性与执行力。

[01:34:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5649s) 自动化闭环与 Agent Skills 实战演示

在演示的开始,演讲者展示了他在命令行界面(CLI)中切换到 Autopilot 模式后的自动化流程。这个功能在 CLI 中仍属于实验性阶段,其本质相当于 GitHub Copilot CLI 版本的“Ralph 循环”(Ralph loop)。系统一旦启动就会自主持续运转,不断执行测试:它自动启动本地服务(localhost)、在后台截取屏幕截图、分析页面状态并循环校验。当终端最终提示任务完成时,主讲人一开始甚至有些手足无措,花了一点时间才搞明白怎么把成果跑起来,但整个应用确实已经成功搭建并正常运行了。

这套自动化流的核心在于组合使用了特定的能力扩展(Skills)。首先,主讲人使用了来自 `skills.sh` 的前端设计技能(front end design skill),这项技能预先安装在环境中。他特别提到社区知名创作者 Theo 曾给过建议,称 Claude 3.7 / Opus 4.6 配合前端设计技能可以说是目前进行 UI 设计“最封神(goated)”的组合方式。其次,更关键的一环是“Agent 浏览器技能”(agent browser skill),它被用来负责真实的端到端运行验证。

演讲者谈到了智能体工程中普遍存在的核心痛点:许多 Agent 往往无法形成执行闭环。智能体通常在改完代码后直接宣告“搞定了”,但当开发者亲自打开页面时,却发现程序根本跑不起来。针对这种脱节,演讲者直接指出了闭环的重要性:“Because one of the problems with with agents is that they can't close the loop.” 借助浏览器技能,Agent 能够自主驱动浏览器进行交互和视觉验证。在现场演示中,他在生成的应用里给同事 John 点了“赞(Kudos)”,界面随即弹出了流畅的交互动画;更重要的是,当他刷新浏览器页面后,点赞数据依然完整持久化保存着,证实整个功能闭环确实顺利跑通。

- **Autopilot 机制**:Copilot CLI 内部的自主循环机制,可持续执行本地环境测试与截图取证。 - **Skills 组合**:通过 `skills.sh` 载入前端设计技能处理样式,配合浏览器测试技能完成运行检验。 - **持久化验证**:生成的交互式点赞应用支持即时动画反馈,并在刷新后维持状态。

---

[01:35:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5741s) 幕后工程:Julia 揭秘 VS Code 多模型接入背后的复杂性

舞台转回 Microsoft Build 现场演播室。主持人热情欢迎了 VS Code 团队的产品经理 Julia。Julia 于去年 8 月刚刚加入 VS Code 团队,她笑着形容这段经历是一场极其充实且充满挑战的“过山车之旅”。主持人随即将话题切入当下开发者最关注的核心命题——“Agentic 编程时代”(智能体编程时代)。从用户视角来看,在 VS Code 界面中切换底层大模型就像在下拉菜单里挑选项一样轻松自如,似乎一切都理所当然,但实际上背后需要庞大的底层工程支持,而这正是 Julia 所负责的核心工作。

Julia 坦言,自己在真正接手这项工作之前也抱有同样的轻巧设想:以为在 VS Code 里使用 Chat 插件,每当有新模型发布时,团队只需要把新的 API 端点接入进来就大功告成了。然而,实际情况远非如此简单。Julia 直截了当地打破了这种幻觉:“It's not as easy as, oh, we get a new model endpoint and boom, here it is.”

每一次在 VS Code 插件中上线一个新模型,都需要团队跨越多个技术层级进行大量深度协作。VS Code 团队必须与各大模型提供商(如 OpenAI、Anthropic 等)的研究团队紧密对接,深入挖掘新模型的底层特性与行为模式。每一家供应商的模型、甚至同一家供应商的不同系列,其行为方式都截然不同,宛如一朵朵拥有独特习性的“特殊花朵”,无法通过一套通用逻辑简单套用。

- **开发者视角的错觉**:UI 层面只需点击下拉列表切换模型,掩盖了底层庞杂的工程适配。 - **跨团队深度对接**:从 Copilot API 后端接入团队,到 VS Code 客户端工程团队,再到模型提供商的研究人员,全链路协同调试。

---

[01:37:30](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5850s) 为什么换模型等于换系统?剖析执行脚手架(Harness)四大要素

随着讨论深入,Julia 分享了她在工作中最具冲击力的顿悟时刻:即便是同一个模型家族内部的版本迭代(例如从 GPT 5.4 升级到 GPT 5.5),模型的“个性”(personality)与行为特征也会发生显著转变,团队必须为此全面调整代码执行脚手架。关于模型的不透明性与调优必要性,Julia 强调道:“And that's why we work very closely with them because for us the models are also a black box.”

为了让观众清晰理解背后的技术逻辑,Julia 在屏幕上展示了一张工作流架构图,详细拆解了模型接入过程中的关键概念——“执行脚手架”(Harness)。从本质上讲,LLM 本身仅仅是一个只能输入和输出 Token 的概率预测引擎;而 Harness 则是大模型运行所依赖的外部系统与宿主环境。正是 Harness 负责将模型输出的 Token 翻译成现实中的具体动作——比如如何在 VS Code 工作区中编辑和应用代码变更、如何在终端中安全执行指令等。每当引入一个新模型,团队都必须对 Harness 的四大核心支柱进行专门调优:

```mermaid flowchart TD accTitle: VS Code 智能体执行脚手架核心支柱 accDescr: 展示 LLM 与外部宿主环境交互所必需的四大核心 Harness 组件。

LLM["LLM 底层模型 (仅提供 Token 输出)"] --> Harness["VS Code 执行脚手架 (Harness)"]

subgraph HarnessComponents["Harness 四大适配要素"] P["系统提示词 (System Prompt)<br/>按模型与供应商针对性微调"] T["内置工具集 (Built-in Tools)<br/>补丁应用 vs 文件插入"] C["上下文管理 (Context Management)<br/>窗口容量与注意力策略适配"] L["Agent 循环 (Agent Loop)<br/>调用逻辑与工具加载流程"] end

Harness --> P Harness --> T Harness --> C Harness --> L

HarnessComponents --> Actions["实际开发动作 (文件修改 / 终端执行 / 语法检测)"] ```

- **系统提示词(System Prompt)**:即便面对同样的任务,不同模型提供商甚至同一供应商的不同模型,都需要量身定制专属的系统级指令,以激发出最佳推理逻辑。 - **内置工具集(Built-in Tools)**:不同模型倾向于调用的工具截然不同,Harness 必须确保为特定模型暴露最契合其行为习惯的工具接口。 - **上下文管理(Context Management)**:各模型的上下文窗口长度、注意力衰减机制以及对长文本的容纳能力千差万别,必须制定差异化的上下文裁剪与注入策略。 - **Agent 执行循环(Agent Loop)**:包括智能体如何分步推理、何时终止循环、如何动态按需加载工具等端到端流程控制。

---

[01:40:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6040s) 实战对比与 Debug Log:探秘 OpenAI 与 Anthropic 的底层行为差异

为了直观证明不同模型在 Harness 内部的运作差异,Julia 在现场切换到了 VS Code 稳定版,演示了一个名为“DJ Julia”的趣味实战项目。现场出现了一段轻松的插曲:主持人笑着提醒 Julia 多按几次 `Ctrl +` 放大编辑器字体,打趣说自己“上年纪了,字太小看不清”。Julia 随后调出了为该项目准备的 Prompt:“为我的 DJ 应用创建一个新的音乐模式(music pattern)”。

Julia 指出,开发者完全不需要盲目猜测 Harness 在幕后做了什么,VS Code 提供了完整的“聊天调试日志”(Chat Debug Logs)。只要打开调试日志,就能透视大模型交互背后的每一个细节:包含了当前请求被注入的具体 System Prompt、模型接收到的上下文切片、发起的每一次工具调用(Tool Call)以及检索过程。在对比日志时可以清楚地发现,使用 GPT 5.5 时注入的系统提示词,与使用 Claude Opus 4.6 时存在结构性的不同。模型提供商最清楚自身模型的优缺点,VS Code 团队正是借助供应商的一手研究成果,针对性地编写这些提示词。

更显著的差异体现在具体工具的选择偏好上。Julia 举例说明,OpenAI 的 GPT 家族模型在修改代码时,几乎总是习惯性地调用 `apply_patch`(打补丁)工具来更新代码块;而 Anthropic 旗下的模型则截然不同,它们更倾向于直接调用 `insert`(插入)和全文件重写类工具。为了进一步展示这种跨厂商的风格分歧,Julia 复制了完全相同的提示词,在现场将底层模型从 GPT 5.5 切换为了 Opus 4.7。同时她也提醒道,AI 领域本身就具有固有的“非确定性”(nondeterminism),即便输入完全一致的 Prompt,每次运行的思考路径和代码输出也会各有不同,而跨模型的工程实践正是在这种充满变量的环境中寻找最优解。

- **调试日志透明度**:通过 Chat Debug Logs 可完整追踪工具调用栈、系统指令注入和消息分段。 - **工具调用偏好分歧**:GPT 家族偏爱细粒度的局部差量更新(`apply_patch`),而 Anthropic 家族模型更习惯直接执行插入(`insert`)等文件操作。 - **非确定性挑战**:模型天生依赖采样生成,即便在相同 Harness 配置下,每次执行也会表现出独特的推理轨迹。

[01:43:32](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6212s) 大模型随机性与针对 GPT 5.5 的系统提示词调优

主持人和嘉宾探讨了模型输出在统计分布层面的不确定性。主持人开玩笑说自己总是喜欢炫耀“随机过程”(stochastic process)这个词:“这就像一个值五美元的高级词汇,说出来显得你特别聪明,虽然我其实没有完全搞懂它到底是什么意思,但大家都这么告诉我。”归根结底,大语言模型的运行完全是概率性的,即使输入相同的提示词给同一个模型,每次生成的输出也都会有所不同。

针对这种特性,团队展示了提示词的工程化迭代。嘉宾在屏幕上对比了前后的系统提示词(System Prompt)。旧版本提示词会执行一系列预分类检查;而在最新的云端配置中,指令文件发生了显著变化。例如在接入 GPT 5.5 时,团队特别加入了一条规则,确保模型在运行之前先插入某些必要步骤。这是因为他们观察到 GPT 5.5 的行为模式更倾向于“立刻去终端里执行命令”,而团队希望引导它“先进行适度的代码探索,然后再去运行”。这种针对性的系统提示词相比沿用 GPT 5.4 的旧模板,成功率有了极其明显的提升。

主持人对此深有共鸣,并分享了自己踩坑的经历:“我们私下聊,我自己用 Rust 写了一套自动化测试框架(harness),然后换了新模型,原以为一切都能照常跑,结果所有东西直接挂掉彻底不工作了。”这说明每次新模型发布时,开发者绝不能简单地替换模型名称,而必须坐下来重新摸索最佳提示词和工具调用(Tool Calls)的最佳实践。

“我和 OpenAI 的工程师们紧密合作完成了所有这些优化工作,”嘉宾指出,虽然开发者自己造轮子很有乐趣,但使用 GitHub Copilot 内置机制的核心优势,就在于官方团队会与模型供应商并肩作战,对每一个全新检查点(checkpoint)做极致打磨,确保大部分用户能够开箱即用。

```mermaid flowchart LR accTitle: System Prompt Behavior Comparison accDescr: Comparison of model behaviors between GPT-5.4 prompt pattern and GPT-5.5 prompt pattern. subgraph S1["默认 GPT 5.5 行为"] A["接收任务"] --> B["立即在终端执行命令"] B --> C["缺乏上下文导致易出错"] end subgraph S2["Copilot 调优后行为"] D["接收任务"] --> E["先探索工作区与代码"] E --> F["在终端执行命令"] F --> G["显著提升任务解决率"] end ```

[01:45:50](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6350s) 代码助手的垂直优化与模型供应商的协作流程

针对主持人提问“这套 Harness 是通用的还是完全为写代码定制的”,嘉宾明确指出它百分之百是面向写代码场景进行深度优化的。在指令文件的首行,团队通常就会显式写明“你是一个专业的 AI 编程助手”,通过强设定将模型锚定在编程上下文之中,并引导其熟练调用诸如“在终端中运行”(run in Terminal)等内置工具,而不是仅仅输出一段干瘪的文本回复。

在谈到新模型接入的工程流程时,嘉宾透露了一个反直觉的行业现状:每次从模型供应商那里拿到新的模型检查点时,供应商给出的第一个要求往往是“直接使用上一个旧模型的系统提示词,先跑跑看效果”。这种做法的目的是建立基准线,观察模型在没有任何外部优化的情况下原生能力究竟有多强。

评估过程主要由两条并行路线组成: - **离线评测基准测试(Offline Eval Benchmarks)**:通过标准数据集进行批量运行测试。 - **内部全面试用(Internal Dogfooding)**:在微软内部开发团队中进行实际编码场景的高频真实体验。

在收集到这套基准测试数据后,团队会把结果反馈给模型供应商,共同探讨改进方案。有些时候,微调几句提示词就能见效;但也有极端情况,现有逻辑完全无法匹配新模型,“我们不得不把所有的提示词彻底清空,从零开始重新构建”。团队会不断打磨迭代,直到在模型公开发布之日达到最佳水准。

[01:48:10](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6490s) 评测体系架构:SWE-bench 与内部 VSCbench

针对传统软件工程中的单元测试与质量门禁,主持人询问是否有系统化的回归评测机制来衡量模型表现。嘉宾解释称,评估模型表现绝不仅依靠直觉,团队构建了完备的评测闭环,而且在模型上线后依然会持续优化这套 Harness。

在业界公开评测方面,他们会定期运行知名的 SWE-bench。尽管业界对公共评测基准存在争议,连模型供应商也直言现在的模型已经非常聪明,很容易在标准题库上刷出高分,但团队依然坚持运行 SWE-bench——不再将其视为评估质量上限的绝对标准,而是将其作为监控模型是否发生功能退化(Regression Test)的底线防护网。

更关键的评测利器是微软内部专门打造的 **VSCbench**: - **测试规模**:包含 100 多个高度仿真的实际编程任务实例。 - **运行环境**:每次评测都会在 Azure 容器应用(ACA)中动态启动一个运行着最新 VS Code Insiders 版本的实例,保证测试环境绝对前沿且干净。 - **多轮测试**:鉴于大模型的非确定性(non-deterministic)特征,每个任务用例通常需要重复运行 5 次以消除偶然误差(现场演示的报告中对比了 GPT 5.4 跑 2 次与 GPT 5.5 的结果)。 - **指标评估**:核心关注“解决率”(Resolution Rate)。系统内嵌了一系列严格的断言检查清单(Checklist),只有所有断言全部通过,该任务才被判定为已解决。在现场展示的“模型报告卡”(Model Report Card)中,GPT 5.5 在 248 个测试用例中成功解决了 153 个。

嘉宾给开发者提出了两点建议:第一,永远对新模型保持尝试的心态,如果在初次尝试时遇到瑕疵,不妨在官方迭代提示词后再给它一次机会;第二,“对于任何想要构建自己的代码辅助框架的开发者来说,离线评测(offline evals)都是一个极其巨大的课题”,这是微软在实践中验证极为成功且模型供应商极其看重的方法论。

[01:52:12](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6732s) 应对模型爆炸:Copilot 自动模型选择(Auto Mode)

随着大语言模型技术日新月异,行业面临着幸福的烦恼:仅在本次 Microsoft Build 大会上就发布了多款全新模型。开发者虽然习惯了在不同的 AI 助手间来回切换,但面对五花八门的选择器时,往往陷入不知道该选哪个模型的迷茫。

为了解决这一痛点,GitHub 团队推出了“Copilot 自动模型选择”(Copilot Auto Model Selection,简称 Auto 模式)。这项功能的设计初衷,就是将模型选择与调度的底层复杂度完全抽象并隐藏起来:

“模型格局变化如此迅速,这对整个行业的 AI 发展来说是一件好事,但这确实增加了额外的一层复杂度。开发者不得不面对各种疑问:到底应该用哪个模型?在什么场景下使用?以及当第二天就有新版本或全新模型问世时,你该如何扩展?我们希望为你抽象掉这些复杂性,实时自动为你的任务匹配最佳可用模型,从而让开发者能够专注于他们真正想做的事情。”

该模式主打极致的易用性:不需要开发者配置任何复杂的规则,也不需要开启特定的策略开关。用户只需在自己喜爱的 IDE、GitHub Copilot CLI 或 Copilot Cloud Agent 的模型选择下拉菜单中勾选“Auto”,系统就会在后台根据实时任务特征自动分发并选用最合适的模型底座。

[01:53:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6825s) 为 GitHub Copilot 量身定制的专有模型:MAI-Code-1 Flash

作为一名开发者,主持人对微软全新推出的 MAI-Code-1 Flash 模型表现出浓厚的兴趣,并在现场邀请到了该模型的核心研究人员 Peng 和 Hunter。主持人调侃称自己虽然要抛出一些尖锐的技术难题,但面对这群“真正的智囊”,自己得尽量显得不那么外行。两位研究人员分别负责模型的预训练研究与核心代码架构,他们开门见山地指出,MAI-Code-1 Flash 绝非行业内常见的那种“先训练通用大模型、最后阶段生硬微调适配代码”的产物,而是一款从底层架构到训练目标完全围绕 GitHub Copilot 与 VS Code 真实场景量身打造的专用模型。

Peng 解释道,针对真实编程环境进行定制优化,意味着模型交付的远不仅是泛化的孤立代码片段。它能够深度理解代码库的上下文信息、自主调用编辑器内嵌的各种工具、精准识别开发者的意图,并完成高精准度的局部定向修改(targeted edits)。更重要的是,它的响应速度极快,完全摒弃了在简单任务上漫长思考的通病,并能在最恰当的时机自动触发单元测试。谈及这种从根源上定制设计的理念,Peng 总结道:“对我们而言,构建专用模型意味着我们并没有拿一个通用模型在最后阶段做代码适配;事实上,我们从一开始就是针对 GitHub Copilot 场景构建的,并且从一开始就针对 GitHub Copilot 的体验进行了全面优化。”

- **真实工作流导向**:模型重点优化了开发者在 VS Code 中的实际流转体验,而非仅追求刷榜指标。 - **上下文与工具整合**:深度理解多文件代码库上下文,原生调用开发环境工具链。 - **智能化决策时机**:对于基础问题秒级响应无冗余思考,在代码生成或修改的关键节点精准执行单元测试。

[01:56:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6969s) 多阶段课程训练与真实环境强化学习

主持人结合自身机器学习背景提出疑问:大模型本质上是通过海量数据结合线性代数与微积分进行优化的庞大网络,那么让 MAI-Code-1 Flash 在 VS Code 中表现脱颖而出的特种训练数据和流程究竟是怎样的?研究团队揭示了其采用的完整多阶段训练体系。模型训练始于类似“冷启动(cold start)”的基础监督微调(SFT),让模型学会严格遵循开发者指令并输出格式对齐的代码;随后采用课程学习(curriculum learning)的递进逻辑,由浅入深地输入海量多样化数据,从极其简单的基础编码任务逐步过渡到复杂系统级的工程任务。

整个训练流程中最关键的一环在于最终阶段的强化学习(Reinforcement Learning)。研究团队将模型直接置入与真实产品完全一致的环境中,使用开发者日常使用的同款 VS Code 工具链、同款提示词,以及日常软件工程任务(SWE tasks)的真实工作流。团队为此构建了专门的奖励模型(Reward Model),根据实际任务的完成度持续给予反馈。正如 Peng 所指出的那样:“强化学习是让模型与 GitHub Copilot 中的用户体验达到完美对齐的最后一个阶段。”通过将训练、自动化基准评测(harness)与生产环境完全打通在同一套工作流内,模型得以学会真正的“工程直觉”与规范交互行为。

```mermaid flowchart TD accTitle: MAI-Code-1 Flash 多阶段训练与对齐流程 accDescr: 展示从基础 SFT 到课程学习再到真实环境强化学习的模型训练全生命周期。

subgraph Phase1["阶段一:冷启动与基础指令对齐"] A["基础监督微调 (SFT)"] -->|"对齐指令与格式"| B["格式规范与基础工具调用"] end

subgraph Phase2["阶段二:递进式课程学习"] B --> C["基础编程任务数据"] C -->|"难度渐进升级"| D["高复杂度工程任务数据"] end

subgraph Phase3["阶段三:真实环境强化学习 (RL)"] D --> E["VS Code 原生工具环境与真实 Harness"] E --> F["开发者日常 SWE 任务提示词交互"] F --> G["专用奖励模型 (Reward Model) 反馈与对齐"] end ```

[01:58:39](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7119s) 137B 总参数与 5B 激活参数的 MoE 架构平衡艺术

谈及模型参数规模,主持人提到业内普遍存在一种“贪大心理(biggie sizing)”,盲目认为模型越大越好,但实际落地中往往需要用大模型沉淀经验后再蒸馏为小模型。Hunter 揭晓了 MAI-Code-1 Flash 的架构机密:它实际上是一个专家混合架构(Mixture of Experts, MoE)模型,总参数量高达 1370 亿(137B),但在单次推理每个 Token 时,仅激活其中的 50 亿(5B)活跃参数。

这种设计巧妙化解了开发者日常编程场景中模型智能水平、响应延迟与推理成本之间的“不可能三角”。在推理时,网络通过精确的门控计算将具体的代码任务路由至最擅长的特定专家子网络,其余专家保持静默,从而以 5B 级别的计算消耗实现了近乎完整大模型的代码推理品质。针对这种机制所带来的成本效益,Hunter 明确解释道:“这意味着在每次推理中只有一部分网络被激活,从而节省了大量成本。”研究团队更将两项核心优势相融合,骄傲地评价道:“如果你把模型效率和 Token 效率结合起来,你会发现就它的体积而言,它简直就是一头性能猛兽。”从像幼儿入托般的指令冷启动,到逐步攀升至博士级别的复杂系统架构能力,模型在严格的强化学习约束下持续登顶,证明了精细化垂直训练对于工程效率的绝对优势。

| 架构特性 | 规格参数与技术实现 | 核心工程收益 | |:--- |:--- |:--- | | **总参数容量 (Total Parameters)** | 约 1370 亿 (137B MoE) | 具备容纳海量代码知识与复杂工程逻辑的底层能力储备 | | **单 Token 激活参数 (Active Parameters)** | 约 50 亿 (5B) | 推理算力消耗极低,吞吐量超快,降低每次交互的 Token 成本 | | **系统路由机制** | 动态专家路由 (Dynamic Routing) | 结合上下文将任务精准推送至专属专家模块,避免全网计算空耗 | | **产品端性能表现** | 超低延迟 + 高 Token 效率 | 秒级生成流式代码,完美契合实时交互式结对编程节奏 |

[02:02:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7360s) 实机演示:超快推理速度与前端应用构建

在随后的现场实机演示环节,研究团队将镜头切换至电脑屏幕,展示了 MAI-Code-1 Flash 在 VS Code 中的实际运行能力。演示展示了从零构建一个前端 Web 应用的全过程。当开发者给出基础 Prompt 指令后,模型立即展现出令人惊叹的推理速率:Token 以前所未有的极高流速实时喷涌而出,同时模型熟练地调动 VS Code 各种原生开发工具与文件系统 API,自主编辑项目结构并注入业务代码。

在毫无冗余停顿的情况下,模型不仅高效利用了原生编辑环境,更在极短的时间内完整搭建起一个外观精致且交互完备的前端 Web 应用。紧接着,团队又展开了另一项更具挑战性的演示——引导该模型去构建一个集成 AI 功能的全新 Web 应用,其超快的响应敏捷度与高准确度的协同编码表现,生动展示了其作为专有编程智能体的实战威力。

[02:03:30](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7410s) 针对真实开发工作流定制小尺寸前沿模型

在演示了一款具有复古风格的游戏后,展示者指出该界面的视觉表现相当出色,团队在训练中通过引入原生合作伙伴,投入了大量精力来提升模型的前端开发能力,使其能够高效生成高质量的界面。该模型目前正逐步向 VS Code 用户灰度推送,获得资格的开发者会在模型选择器(Model Picker)中看到它的身影。谈及构建这款针对特定场景的前沿模型最有趣的体会时,研发团队强调,脱离枯燥的基准测试、贴近用户真实的日常工作流才是最关键的优化方向。研发人员直言:“Learning, I think users real workflow is important for us to optimize their model for users purpose.” 如果没有基于 Copilot 实际开发场景的上下文交互和接地(grounding)任务进行针对性优化,模型根本不可能达到如今与编辑器深度契合的流畅程度。

在测试方法上,该模型不仅在多项公开基准测试中取得了同等尺寸前沿模型的优异成绩,团队更将重心放在了实际的端到端用户体验上。为了评估其在真实环境中的表现,团队进行了大量的线上 A/B 测试,严密监控模型是否能圆满完成开发者的指令,并观察用户与模型的互动粘性,例如取消请求的频率是否极低。就日常使用体感而言,模型响应更为敏捷迅速,足以胜任绝大多数常见的全栈开发任务;但研发团队也坦承,作为小尺寸模型,在面对极高难度的复杂任务时,受限于参数规模仍会存在一定的能力天花板。

针对模型的能力边界与适用场景,团队特别提醒开发者不要盲目把小模型当成全能大模型来用: - **核心强项**:擅长日常软件工程(SWE)任务,包括前后端开发、多种编程语言的代码补全与修改。 - **局限性与非目标任务**:模型并未针对诗歌创作、散文等开放式创意写作(Creative Writing)进行调优,处理此类任务时应选用更适合的泛化大语言模型。 - **灰度发布机制**:模型正在 VS Code 中向开发者逐步分批推出,用户可通过界面内的模型选择器确认是否已获得使用权限。

---

[02:06:26](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7586s) 多 Agent 语音协作与 MAI 联合演示

紧接着,现场展示了一个支持语音交互的趣味多智能体项目。在该演示中,用户通过语音发出指令,要求启动编码 Agent 并为它们分配开发任务。系统首先请求人工批准以启动本地开发服务器,在用户确认后,本地开发服务器成功在 localhost 上启动。随后,演示者继续通过语音指示 Agent 将前端 Web 应用的背景改为蓝绿渐变色,Agent 迅速在后台完成文件修改。当被要求检查单元测试覆盖率并补齐缺失用例时,Agent 自动检测并再次弹出确认请求以执行 NPM 命令,最终顺利为个人资料头部组件(profile header)补写了测试代码。当演示者询问各 Agent 当前的运行状态时,系统汇报三位 Agent 正在协同分析当前应用架构,其中一位正计划将组件重构至独立目录中。

这一流畅协作背后的技术架构,实际上是团队利用周末时间打造的概念验证项目,融合了微软最新的人工智能研究成果。该系统串联了三款各司其职的专属模型:负责精准语音识别的 MAI Transcribe、负责系统级调度与决策的 MAI OS,以及负责高效代码编写与重构的 MAI Code Flash。

```mermaid flowchart TD accTitle: 多 Agent 语音协作流程 accDescr: 用户语音通过 MAI Transcribe 识别,经由 MAI OS 调度决策并向用户请求授权,最后由 MAI Code Flash 执行代码生成与测试补全。

subgraph Input["输入与识别"] A["开发者语音指令"] --> B["MAI Transcribe<br/>(语音转录)"] end

subgraph Orchestration["智能体调度与控制"] B --> C["MAI OS<br/>(任务编排与状态监控)"] C --> D{"敏感操作执行确认<br/>(如启动 Dev Server/执行 NPM)"} D -->|"用户授权批准"| E["多 Agent 协同工作流"] end

subgraph Execution["代码与测试执行"] E --> F["MAI Code Flash<br/>(前端 UI 渐变重构)"] E --> G["MAI Code Flash<br/>(单元测试分析与补齐)"] E --> H["项目架构检测与组件重构"] end ```

谈及该项目带给开发者的启示与未来展望时,团队成员表示,能够将不同专用领域的模型模块化组合,代表了未来软件工程工具演进的自然方向。一位开发者总结道:“I think imagination is important. We can imagine in the coming few months as we have even better sense come out.” 另一位团队成员则强调这仅仅是探索的起点:“My take away is we are seriously treating the best model for our product, the best code and other product and this is just the beginning of our journey.” 他们鼓励广大开发者在试用这些模型时踊跃提供反馈,以便团队持续迭代,并预告未来还将推出更强大的大尺寸模型。

---

[02:09:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7780s) 突破性能极限:TypeScript 编译器从 JavaScript 迁移至 Go

随后话题转向了 TypeScript 发展历程中的一项重大底层变革——将 TypeScript 编译器从 JavaScript 移植到 Go 语言的工程实践。在回顾该项目的立项动机时,Anders Hejlsberg 解释说,TypeScript 从第一天起就是自托管(self-hosted)的,完全用 TypeScript 编写并在运行时表现为一个标准的 JavaScript 应用程序。这种自托管设计在早期带来了巨大的生态红利:开发者可以直接在浏览器中运行整个编译器、启动语言服务器(Language Server),从而轻而易举地在网页端构建出功能完备的 IDE。

然而,随着 TypeScript 在全球范围内的爆发式普及,用户构建的代码库体量呈指数级膨胀,性能与可扩展性迅速上升为头号痛点。JavaScript 语言本身的底层机制逐渐成为了难以逾越的瓶颈。JavaScript 在设计上是单线程的,无法直接利用共享内存并发,这意味着多核 CPU 时代下超过 90% 的计算算力被白白闲置。此外,JavaScript 的动态执行代价高昂,其对象模型极其宽容,开发者可以随时给对象追加属性;虽然 V8 引擎内部有精妙的哈希表查找优化与内联缓存(Inline Caching),但与机器原生代码相比仍存在无法弥补的差距。

为了挖掘极限性能,TypeScript 核心工程团队曾深入钻研 V8 引擎的底层架构细节,穷尽了各种微优化技巧,甚至经常为了迎合 V8 的特定架构而采取与直觉完全相反的代码写法。但即便用尽了所有黑魔法优化手段,整体吞吐量依然触及了天花板。Anders Hejlsberg 感慨道:“Like sometimes you have to do exactly the opposite of what you think you have to do in order to make this code go a little bit faster because of the way V8 is architected.” 尽管团队极其留恋自托管带来的纯粹性与便利,但面对残酷的性能瓶颈,不得不做出战略转移的艰难决定。

---

[02:11:44](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7904s) Daniel Rosenwasser 登台:TypeScript 演进与大型应用挑战

随着话题展开,直播舞台迎来了 TypeScript 团队的产品经理 Daniel Rosenwasser。谈及自己的职业生涯路径,Daniel 幽默地调侃自己最初是一名软件开发工程师,但因为在日常工作中总是说个不停、沟通欲望旺盛,团队领导便决定干脆将他调到了产品经理岗位。在 TypeScript 团队任职的漫长岁月里,他深度参与了语言规范演进、编译器开发以及核心编辑体验的打造。

Daniel 强调,无论是 Visual Studio 还是 Visual Studio Code,用户所享受的代码高亮、智能补全和重构功能,乃至在这些编辑器中编写纯 JavaScript 代码时的辅助体验,底层全是由 TypeScript 团队多年来打磨的核心引擎提供支撑。在回溯 TypeScript 诞生的初心时,Daniel 指出,许多年前业界开发人员在构建大型复杂 JavaScript 应用程序时普遍面临着巨大的维护性困境;随着所有企业和团队都需要构建功能复杂的 Web 站点和大型客户端应用,无类型的动态语言在代码规模化扩张时暴露了致命缺陷,而 TypeScript 正是在解决大型 Web 开发痛点的迫切需求中应运而生的。

[02:12:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7972s) TypeScript 的起源与它在开发生态中的登顶之路

讲者回顾了 TypeScript 诞生的背景与初衷。在构建需要跨平台且能在浏览器中运行的复杂应用时,开发者发现 JavaScript 缺少了其他现代语言(例如 C#)所具备的关键特性。在 C# 中,代码如果存在错误,不仅在编译时会报错,甚至在编辑器中键入时就会立刻看到红色波浪线提示,如同 Word 中的拼写纠错一样直观。TypeScript 应运而生,它为 JavaScript 引入了类型语法、类型检查器以及编译器,在早期浏览器和运行时还不支持最新语法时,就提前将现代语言特性带给了开发者。

讲者坦言,自己虽然不是从第一天起就加入该项目,但也见证了早期阶段。当时在 Microsoft 内部发起一个面向 JavaScript 生态的开源项目极为雄心勃勃,连他加入微软前都持怀疑态度。然而加入后,他发现团队不仅充满激情,而且极具开发者工具直觉,与社区互动非常融洽。如今,在 GitHub Octoverse 年度报告中,TypeScript 已经超越单纯的 JavaScript,跃升为 GitHub 上排名第一的编程语言。现如今社区不再将 TypeScript 与 JavaScript 割裂看待,正如讲者所言:“Java TypeScript is now the number one way for people to build JavaScript apps.” 它已经成为编写现代 JavaScript 应用程序的核心默认体验。

- **起源痛点**:JavaScript 原生缺乏静态类型安全与即时编辑器反馈(红波浪线)。 - **工具定位**:扩展语法、类型检查器、编译/转译器,提前引入现代 ECMAScript 特性。 - **生态成就**:在 GitHub Octoverse 榜单上超越纯 JavaScript 成为排名第一的编程语言。

---

[02:15:23](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8123s) 性能天花板与将 TypeScript 编译器移植到 Go

十多年来,TypeScript 编译器一直是用 TypeScript 编写的(自举/Dogfooding),这虽然保证了日常开发体验的即时反馈,但也带来了底层性能瓶颈。TypeScript 最终会被编译成 JavaScript 并在 V8 或 SpiderMonkey 等引擎中运行。尽管这些 JS 引擎在优化动态解释语言方面已经取得了令人惊叹的进展,但与 CPU 原生执行相比仍存在无法逾越的开销;更关键的是,JavaScript 本质上是单线程的,即便有多线程方案也无法在不移交所有权的前提下共享同一份内存。随着前端代码库日益庞大,开发者面临着构建缓慢、编辑器加载卡顿的严重痛点。

为了打破扩展性瓶颈,团队在大约一年半前做出了重大决定:使用 Go 语言重写现有 TypeScript 编译器代码库。需要明确的是,这并不意味着 TypeScript 语法变成了 Go,而是将解析器(Parser)、类型检查器(Checker)、代码生成与发射器(Emitter)等核心组件全部用 Go 实现。通过原生机器码执行以及跨多核的共享内存并行计算(Shared memory parallelism),团队在典型代码库上直接取得了约 10 倍(10x)的惊人性能飞跃。正如讲者强调的那样:“And in that port, what we found is a typical sort of speed up that you'll find on many code bases around 10X, right, which is pretty mind blowing.”

```mermaid flowchart TD accTitle: TypeScript 架构转型与性能提升示意图 accDescr: 对比 TypeScript 在 JavaScript/Node.js 运行时与移植到 Go 原生多核运行时的架构差异与性能变化。

subgraph Legacy["传统架构 (自举)"] A["TypeScript 源码"] --> B["tsc (TS编写)"] B --> C["JS 运行时 (V8 引擎)"] C --> D["单线程执行 / 内存孤岛"] D -.->|"遇到大型代码库"| Slow["构建缓慢 / 性能瓶颈"] end

subgraph Modern["新架构 (Go 重写)"] E["TypeScript 源码"] --> F["全新 Go 编译器"] F --> G["原生机器码执行"] G --> H["跨多核共享内存并行"] H --> Boost["~10 倍构建加速 (10x Speedup)"] end ```

---

[02:18:27](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8307s) 移植策略:从纯手工打造到 AST 驱动的自动化代码迁移

在谈及从 TypeScript 到 Go 的移植细节时,讲者指出这绝非简单的重写加几套新单元测试,而是一个极其严谨、系统化的工程。早期由于 AI Agent 在可靠性上仍不稳定,直接把整个代码库甩给大模型端到端移植是不可行的。团队先由资深工程师“纯手工打磨”(Artisanal code)最核心的词法扫描器(Scanner)和解析器(Parser),借此摸清在 Go 语言中对应的数据结构布局和理想的代码风格规范。

在确立了代码规范后,团队利用 AI Agent 编写自动化移植基建。他们基于 `ts-morph`(底层调用 TypeScript 现有的 AST API)编写代码转换脚本,通过分析 TypeScript 源码的抽象语法树,自动生成符合规范的惯用 Go(Idiomatic Go)代码。开发者按函数为粒度将转换生成的代码移入新代码库,检查其行为是否符合预期;即使遇到故意设计的编译错误,也能迫使工程师停下来推敲其逻辑语义。遇到不理想的产物时,团队会反向修正转换脚本,保持移植逻辑的确定性(Deterministic)。在过去一年半里,团队以此方式迁移了超过 95% 的测试用例(包括单元测试与端到端输入输出集成测试),快速抹平了所有边缘 case 的差异,这在五年前的技术条件下是不可想象的。

- **分阶段重写流程**: 1. **手工样板构建**:手动移植 Scanner 与 Parser,定义底层数据结构与 Go 语言风格范式。 2. **基建工具生成**:借助 Agent 辅助编写自动化迁移脚本,利用 `ts-morph` 操作 AST。 3. **确定性代码生成**:以函数为粒度自动生成 Go 代码,人工验证并迭代生成脚本。 4. **测试套件复用**:复用原有数以万计的端到端集成测试,测试覆盖率超 95%,保证行为绝对一致。

[02:21:50](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8510s) Go 重构版 TypeScript 编译器的稳定性与生态适配

讲者指出,底层采用 Go 语言重写的 TypeScript 编译器在过去几个月内变得越来越稳定扎实。对于大多数开发者而言,一旦切换到底层的 Go 实现,开发体验不会发生突兀的破坏性变化,唯一的直接感受就是极致的流畅和飞快:“So in general, if someone switches over to the Go underlayer, they're not even going to know. Other than that, wow, this feels really snappy.”

讲者进一步解释,向大家演示一个“更快的编译器”往往有点微妙,因为大多数用户在日常代码编写中甚至察觉不到底层引擎的变化。当前团队正在集中精力攻克面向生态扩展的 API 适配问题,例如 Vue.js 和 Angular 的编辑体验目前还存在一些尚未补齐的断点。不过,即使使用这些框架,开发者依然能够从全新的编译器架构中获益;而且随着团队与前端工具作者们的紧密合作,这些功能差距将在短期内迅速抹平。目前绝大多数常规项目已经完全具备了接入和采用该编译器的条件。

---

[02:22:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8576s) 传统基于 Node.js 的 TypeScript 编译器瓶颈剖析

进入实机演示环节,讲者打开了 GitHub 上的 Visual Studio Code 官方代码库,直接在本地对包含约 150 万行代码的实际项目进行全量构建。在原有的基于 JavaScript/Node.js 的 `tsc` 体系下,编译大型项目非常容易耗尽内存(OOM)。讲者展示了一条为了避免崩溃而临时拼凑的冗长命令,必须显式向 Node.js 传递参数增加分配给进程的 RAM 上限才能勉强运行。

随后讲者切入 Linux/Unix 系统的终端进程监控器 `htop`,展示传统架构在多核机器上的真实运转状态。画面上数十个 CPU 核心中,唯独 Core 15 被完全占满打到 100%,其他核心几乎全在围观。讲者用幽默的比喻形容道:“Like basically, you know, this is sort of like the meme of a bunch of people like construction site and everyone's just like watching one guy dig a hole and they're like... Everyone's supervising.” 这种单核瓶颈是 Node.js 本质决定的:它运行在事件循环上,在遭遇 I/O 请求前处于纯单线程自旋状态,无法在不同原生线程间派发任务。解析文件时必须一个文件接一个文件串行解析;如果某个文件导入了另一个模块,就必须等它解析完毕才能继续推进。最终,原生 JavaScript 编译器跑完这次全量检查耗费了 97 秒(系统统计的实际时间达到 1 分 38 秒),效率十分低下。

```mermaid flowchart TD accTitle: 传统 Node.js 编译器瓶颈 vs Go 重写架构 accDescr: 对比传统 Node.js 编译器的单线程串行瓶颈与 Go 重写架构下的全核多线程并行处理流

subgraph NodeLegacy["传统 Node.js 编译器 (tsc)"] direction TB A["单线程事件循环"] --> B["串行文件解析 (逐个等待 import)"] B --> C["单核打满 (其余核心闲置)"] C --> D["全量构建耗时: 97 秒 (约 1m38s)"] end

subgraph GoPort["TS Go 架构 (TypeScript 7.0 / tsgo)"] direction TB E["多核心全开并行 Parse"] --> F["4 核心受限并行 Check"] F --> G["全核心打满多线程 Emit"] G --> H["全量构建耗时: 10 秒以内"] end ```

---

[02:24:59](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8699s) TS Go 现场实测:从 97 秒骤降至 10 秒的全量构建

讲者现场通过 npm 全局安装预览版二进制文件:`npm install -g @typescript/native-preview`。该可执行文件暂时命名为 `tsgo`,作为实验阶段替代 `tsc` 的原生二进制工具。讲者特别透露,这个由 Go 语言编写的全新编译器架构正式代号即为 **TypeScript 7.0**。随后,讲者执行了带有耗时统计和扩展诊断参数的编译命令:`time tsgo --project src --extendedDiagnostics`。

切换到 `htop` 观察系统负载变化时,多核利用率呈现出鲜明的多阶段并行特征: 1. **解析阶段(Parse)**:命令触发瞬间,机器的所有 CPU 核心瞬间全部被压满跑满,以最快速度并行解析 VS Code 项目的约 150 万行代码。 2. **类型检查阶段(Check)**:CPU 使用率短暂停顿,随后回落并集中在 4 个核心上全力运行。讲者解释道:“Checking is not a perfectly parallel problem.” 类型推导由于存在复杂的跨模块依赖闭包与状态传播,无法做到完美线性并行,因此限制在 4 核心并发。 3. **输出生成阶段(Emit)**:进入代码生成与输出环节后,再次“扔出所有可用的 CPU 核心”,全部算力全开完成写入。

在全量非增量构建(Non-incremental full build)条件下,整个编译过程仅仅用了不到 10 秒(实际显示 9 到 10 秒)。相比原本 Node.js 架构的 1 分 38 秒,实现了接近 10 倍的速度飞跃。

---

[02:26:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8800s) 生态落地、企业应用成果与 LSP 极速初始化体验

除了命令行构建工具之外,官方已经在 VS Code 插件市场发布了名为 **TypeScript Native Preview** 的扩展,把这套用 Go 编写的高性能引擎直接接入到 IDE 的语言服务器协议(LSP)与日常类型检查中。现场展示表明,VS Code 自身的工作区已经在全面使用这套原生引擎。

讲者列举了目前已在内部生产环境或深度参与测试的先锋企业与团队名单,证明其质量标准已经达到极高水准: - **VS Code 核心团队** - **Sentry** - **Slack** - **Notion** - **Figma**

这些大厂全面采用该编译器来缩减持续集成(CI)流水线周期。讲者分享了来自微软内部团队的震撼数据:“We worked with one team at Microsoft that told us that we were saving them 400 CI hours a month.” 这不仅大幅减少了算力账单,更极大释放了工程师等待流水线和等待自主编码 Agent 交互反馈的时间成本。

在最后的一分钟内,讲者禁用了 Native Preview 扩展,打开一个 TypeScript 源文件,展示传统 TypeScript 语言服务右下角那个令前端开发者深恶痛绝的加载圈(“Initializing TSConfig...” 状态)。那是传统编译器正在逐个文件读取且无法并发初始化的表现。重新启用原生引擎后,语言服务器几乎在瞬间拉起,讲者反复重启语言服务器,响应依然极度迅敏。尽管现场演示中出现了一点由于未定稿开发中代码引发的小瑕疵,但讲者与主持人在热烈的掌声与调侃中总结道:该工具链已经处于完全可用的状态,所有开发者即日起均可在 VS Code 插件市场下载体验。

## Notable quotes > [02:09:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7780s) Like sometimes you have to do exactly the opposite of what you think you have to do in order to make this code go a little bit faster because of the way V8 is architected. — Anders Hejlsberg

> [01:24:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5094s) That's the beauty of, you know, LLMS is they, they, they pick up what you're putting down. And they don't care about spelling at all. — Evan

> [01:35:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5741s) It's not as easy as, oh, we get a new model endpoint and boom, here it is. — Julia

## Mentioned GitHub Copilot, GitHub Copilot CLI, Visual Studio Code, Microsoft Build, Evan, Burke Holland, Cassidy, Moss, Scott Hanselman, Theo, Julia, Peng, Hunter, Anders Hejlsberg, Daniel Rosenwasser, OpenAI, Anthropic, Google, NVIDIA, GPT-5.4, GPT-5.5, Claude 3.7, Claude Sonnet 4.6, Claude Opus 4.6, Claude Opus 4.7, Gemini, Nemotron, MAI-Code-1 Flash, MAI Transcribe, MAI OS, SWE-bench, VSCbench, Azure Container Apps, TypeScript, JavaScript, Go, Rust, Electron, V8, SpiderMonkey, ts-morph, tsgo, TypeScript Native Preview, GitHub Octoverse, Sentry, Slack, Notion, Figma

## Video description Join us on stage for live demos, surprise guests, games, live coding, and more. The latest from GitHub, Copilot, VS Code, Visual Studio, and friends, straight from the teams building it.

𝗦𝗲𝘀𝘀𝗶𝗼𝗻 𝗜𝗻𝗳𝗼𝗿𝗺𝗮𝘁𝗶𝗼𝗻: This is one of many sessions from the Microsoft Build 2026 event. View even more sessions on-demand and learn about Microsoft Build at https://build.microsoft.com

LIVE104 | English (US)

Broadcast Stage

#MSBuild

Chapters: 0:00 - Event announcements and livestream details 00:06:41 - Overview of GitHub Copilot SDK and agent integration 00:40:03 - Commentary on industry differences in agentic engineering best practices and quality focus 00:47:00 - Deep dive into AI code review security concerns and need for deterministic gates 00:57:00 - Introduction of next session featuring Copilot SDK, launch details, performance improvements, and live demo with agent-based workspace 01:12:38 - Discussion on multi-model verification and GPT 5.5 advantages 01:21:14 - Demonstration of managing multiple sessions and slash commands 01:29:12 - Explanation of voice mode and local models used for speech interaction 02:09:40 - Introduction of TypeScript compiler porting from JavaScript to Go for performance

[Source](https://www.youtube.com/watch?v=AtWmQTfHZ74)

中文简报

GitHub、Copilot、VS Code 等产品最新动态:旧金山现场直播 | LIVE104 本次直播由 Burke Holland 和 Pierce 主持,涵盖了微软开发者工具的一系列重大进展,重点强调了从原始语法生成向规范化智能体工程工作流的转变。主要发布包括 GitHub Copilot SDK 的正式发布、Copilot CLI 运行时采用 Rust 进行重写,以及微软从零自研的专用代码模型(如 MAI-Code-Flash)的首次亮相。Addy Osmani 等嘉宾展示了贯穿软件开发生命周期(SDLC)的结构化智能体技能,工程主管们则深入拆解了提示词驾驭框架、离线评估套件以及多会话 CLI 工作流。最后,Anders Hejlsberg 和 Daniel Rosenwasser 压轴揭晓了 TypeScript 编译器从 JavaScript 到 Go 的原生移植,该版本释放了多核并行能力,并带来了大约 10 倍的构建速度提升。 微软宣布 GitHub Copilot SDK 1.0 全面可用(GA),支持 Node.js、Python、.NET、Rust 和 Java;同时将 Copilot CLI 服务器运行时从 Node.js 重写为 Rust,使内存占用从约 120 MB 降至 10 MB 以下。 (57:52) 微软推出了首个从零训练的专用代码模型 MAI-Code-1-Fast(MAI-Code-Flash),该模型采用 1370 亿参数的混合专家(MoE)架构,每个 token 计算激活 50 亿参数,专门针对 GitHub Copilot 的测试架构和原生工具链进行了优化。 (6:41) TypeScript 编译器团队历时 1.5 年,将其扫描器、解析器、检查器和生成器从 JavaScript/TypeScript 移植到了 Go,在即将推出的 TypeScript 7.0 (tsgo) 下实现了 10 倍的编译速度提升,并将 VS Code 的全新构建时间从 97 秒缩短至 9 到 10 秒。 (129:40) Addy Osmani 概述了一种智能体工程框架,该框架利用基于 Markdown 的上下文和风险警戒线将自定义智能体技能落实到软件开发生命周期的各个阶段,并强调非确定性的 AI 生成需要确定性的自动化质量把关。 (15:10)

精炼阅读摘要

Visual Studio Code与GitHub团队在Microsoft Build活动中展示了开发体系的深度重构:一方面通过Copilot SDK、标准化Agent流程及确定性验证机制,推动AI编程从单纯的灵感生成走向严谨的工程化交付;另一方面公布了TypeScript编译器向Go语言重写的项目,以原生并发突破大型代码库的性能瓶颈。 从氛围编码转向软件生命周期驱动的智能体工程 (15:10) 业内针对AI编程的讨论常集中于无约束的快速尝试(即“氛围编码”),但这在企业级现有代码库中极易引发认知负债与维护失效。Addy Osmani等人提出,必须将智能体能力严格锚定在软件开发生命周期(SDLC)的六个核心阶段:定义、计划、构建、验证、审查与交付。在具体落地中,开发者通过交互式提问明确技术边界与非目标(如演示的Streak习惯打卡MVP仅依赖本地存储),并先固化技术规范与测试驱动开发(TDD)计划,避免智能体盲目重构代码。 非确定性模型的确定性质量关卡与验证实践 (48:19) 针对大语言模型输出的不确定性与潜在安全隐患(如硬编码密钥或接口滥用),研讨强调绝不能仅靠Markdown提示词修复非确定性问题。工程实践必须引入确定性的质量关卡,在合并前强制通过代码测试与性能审查。实际工作流中,开发者可以借助在VS Code内部运行的无头浏览器与端到端测试工具(如Playwright或Puppeteer)验证界面交互,同时利用多模型并行代码审查(例如同时调用Claude 3.7 Sonnet、GPT-5.5和Gemini,仅提取共识缺陷)来降低漏报率。 Copilot SDK与平台架构的统一演进 (57:52) GitHub宣布Copilot SDK达成1.0正式版(GA),支持Node.js、TypeScript、Python、Go和.NET。该SDK提取了原先分散在Web端与编辑器工具中、经离线评估验证的核心智能体循环(Agent Loop),使开发者能将多轮对话管理与工具执行能力直接嵌入第三方软件或定制化工作流。团队展示了基于SDK构建的“Whim”画布式协作环境,支持云端临时沙箱代理,允许开发者在脱离工作站的情况下保持长生命周期任务的运行;同时Copilot CLI还集成了端侧离线语音模型(如700MB的NVIDIA Nemotron)与基于任务动态分配模型的Auto功能。 面向开发者的模型适配与强化学习对齐 VS Code团队指出,支持不同LLM绝非单纯接入API端点。由于各厂商模型在系统提示词解析和工具调用模式上差异巨大(例如GPT系列偏好apply patch,而Anthropic系列侧重文件插入),工程团队需联合模型开发方进行定制化微调,并在Azure Container Apps中通过VS Code Insiders环境执行多轮离线评估以监控解决率指标。针对微软MAI-Code系列编码模型,训练流程覆盖了冷启动、阶段化课程学习以及深度嵌入真实VS Code工具集与编译器环境的产品强化学习(RL),从而在前端UI生成与常规工程任务中实现极低延迟与快速流式输出。 TypeScript编译器移植Go语言打破并发瓶颈 (129:40) Anders Hejlsberg与团队阐述了将自举运行十余年的TypeScript编译器从JS/TS迁移至Go语言的核心动因。JavaScript基于单线程设计,在大型项目中无法使用共享内存并发利用现代多核CPU,常出现单核满载而其他核心闲置的现象,在编译约150万行代码的VS Code时甚至极易发生内存溢出。通过将词法分析器、解析器、类型检查器及代码发射器完整用Go重写,原生多线程编译器在保持诊断信息完全一致的前提下实现了极大的吞吐提升。目前TypeScript Native Preview已在Visual Studio Marketplace推出,并在微软内部(每月节省单团队400小时CI时间)及Slack、Figma、Notion等企业投产。 本场发布展示了微软与GitHub在开发工具链上的双向推进:上层构建更可控、确定性的AI智能体调度平台,底层重构核心基础编译工具以释放硬件并发潜能。不过,框架特定的API生态(如Vue和Angular工具链)在新型原生编译器上的完全对齐仍待后续跟进,如何让中小型团队有效承担自动化评估与安全关卡的构建成本也是持续存在的实际挑战。

Detailed notes — zh

## Background 本内容由 YouTube 频道 Visual Studio Code 于 2026 年 6 月 5 日发布,记录了在旧金山举办的 Microsoft Build 现场直播活动。页面简介显示,来自 GitHub、Copilot、VS Code 及 Visual Studio 团队的核心构建者齐聚舞台,带来了现场演示、惊喜嘉宾、游戏互动和实战编码,展示了该生态下的最新前沿进展。 ## TL;DR 活动深入展示了 GitHub Copilot CLI 的多模型代码审查、Autopilot 闭环验证以及基于本地流式模型的语音控制等终端 Agent 新交互;剖析了 VS Code 接入 GPT 5.5 等新模型背后的 Harness 脚手架工程设计与评测基准;发布了微软自研的 137B MoE 编程模型 MAI-Code-1 Flash;并压轴揭晓了 TypeScript 编译器从 JavaScript 迁移至 Go 语言的“TypeScript 7.0 (tsgo)”重大重构工程,实现了 10 倍的编译性能飞跃。 ## Atmosphere & style 整场直播充满浓厚的开发者极客氛围与黑客马拉松式的狂欢感,主持与演讲嘉宾在舞台上展开快节奏的实时演示、口述交互与现场 Vibe Coding 对决,笑声与代码报错交替出现,极具现场临场感。随着 Anders Hejlsberg 等元老技术领袖登台,探讨从底层 V8 限制到 Go 并发重构的硬核技术决策时,基调瞬间转入深邃严谨的工程思辨,让观众在轻松幽默与高浓度硬核技术的无缝切换中领略技术代际演进的震撼。 ## Bulletin - [02:09:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7780s) TypeScript 官方宣布正将编译器从 JavaScript 迁移至 Go 语言(代号 TypeScript 7.0 / tsgo),在典型代码库上实现约 10 倍构建加速,VS Code 百万行工程全量构建时间从 97 秒骤降至 10 秒以内。 - [01:53:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6825s) 微软展示专为 VS Code 与 Copilot 场景优化的专有模型 MAI-Code-1 Flash,采用 137B 总参数量 MoE 架构(单次推理仅激活 5B 参数),兼具低延迟与代码任务强化推理能力。 - [01:35:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5741s) VS Code 团队披露多模型接入脚手架(Harness)工程,揭示 OpenAI 与 Anthropic 模型在补丁生成与全量重写上的行为差异,并通过专有 VSCbench 容器化仿真环境评估编码 Agent 表现。 - [01:24:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5094s) Copilot CLI 展示了现代 TUI 多会话后台管理、本地离线流式语音交互(基于 700MB Nemotron 模型)以及跨 Claude、GPT 和 Gemini 的多模型共识代码审查能力。 ## Key takeaways - [01:19:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4796s) Copilot CLI 支持在终端通过 TUI 进行多任务后台调度,使用 `/new` 命令派生任务后会话可在后台异步运行,开发者可通过 `/sessions` 统一管理与切换。 - [01:23:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5032s) GitHub 核心工程团队在一个月内通过全 Agent 驱动模式向多个仓库合并了 2000 个 PR,但也带来了代码库迭代极快导致主维护者需要频繁重新理解实现代码的挑战。 - [01:24:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5094s) Copilot CLI 的 `/review` 命令能够并行调用 Claude、GPT-5.5 和 Gemini 对代码进行交叉审查,并且仅输出多模型达成共识的问题,有效消除单模型幻觉与偏见。 - [01:27:34](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5254s) 开发者可以通过仓库级的 `copilot-instructions.md` 或用户本地目录全局配置精简度偏好,强制智能体将冗长回复压缩至单句话并消除无用寒暄。 - [01:29:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5349s) Copilot CLI 语音模式支持本地运行约 700MB 的端侧转录模型(如 NVIDIA Nemotron),无需调用云端 API 即可实现低延迟、高隐私的口述编程体验。 - [01:34:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5649s) Autopilot 闭环验证机制(Ralph 循环)能够自动拉起本地开发服务器并后台截屏,结合浏览器技能驱动自动化测试与状态验证,解决智能体无法自闭环验证的痛点。 - [01:35:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5741s) VS Code 接入不同底层大模型需要定制专属脚手架(Harness),不仅要调优系统提示词,还要适配 OpenAI 偏向局部差量补丁(apply_patch)与 Anthropic 偏向全量覆盖的不同工具偏好。 - [01:43:32](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6212s) 针对 GPT 5.5 等模型容易在缺乏上下文时抢先执行终端命令的倾向,官方调优后的系统提示词强制其在执行命令前先探索工作区结构,显著提高了任务通过率。 - [01:43:32](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6212s) 微软构建了基于 Azure 容器运行 VS Code Insiders 实例的 VSCbench 评测基准,通过 100 多个仿真任务五次重复测试,对编码 Agent 进行端到端真实能力验证。 - [01:53:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6825s) 专有模型 MAI-Code-1 Flash 采用 137B 总参数、5B 激活参数的 MoE 架构,经过 VS Code 真实交互环境强化学习调优,兼顾了快速响应与精准测试调用能力。 - [02:09:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7780s) 由于 JavaScript 单线程模型无法利用多核 CPU 共享内存并发,TypeScript 编译器自托管历史在面对现代超大规模工程时触及了 V8 性能微调的天花板。 - [02:15:23](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8123s) TypeScript 迁移至 Go 语言(TypeScript 7.0)通过基于 ts-morph 的 AST 自动化脚本重写,在保留 95% 以上端到端测试用例的同时实现了原生跨核共享内存并发。 - [02:22:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8576s) 实测显示 Go 重构版编译器在解析和代码生成阶段可占满所有 CPU 核心,在 150 万行代码的 VS Code 工程上将非增量编译耗时从 97 秒缩减至 10 秒以内,为企业节省海量 CI 时间。 ## Detailed walkthrough ### [00:30](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=30s) 现场开场与日程公告 活动在 Microsoft Build 第二天早晨开场,主持人 Burke 与搭档 Pierce 登台调动现场气氛。Burke 调侃 Pierce 的具体职位究竟是什么,Pierce 解释自己隶属于 VS Code 团队,但同时横跨 GitHub Copilot 相关的各项业务,包括 GitHub Copilot 桌面客户端、CLI 等。Burke 也介绍自己同样从事 Copilot、CLI 以及 VS Code 的相关工作,平时除了制作 YouTube 视频,就是和 Pierce 共事。随后,Burke 宣布了当天的一系列直播与分会场安排:本舞台在下午 2:15 之后将转为 Windows 相关内容的专属直播流;现场及在线观众(涵盖 VS Code 的 YouTube 与 X 平台、GitHub、Microsoft Developer 终端等流媒体)均可同步观看。 展厅现场设有一个引人注目的“透明玻璃鱼缸”式 Live Coding 展台。Pierce 透露自己今天将被“关”在里面进行整整两小时的现场编码,而他甚至还没想好具体要写什么。Burke 回顾去年的现场演示,提到 Anthony 仅用 10 分钟就在里面现场写出了一个全新的编程语言。此外,当天上午 10:15 至 11:00,Pierce 将与 VS Code 团队的 Josh 在 Breakout 204 会场带来题为“VS Code 团队的 AI 采纳历程”的分享。Pierce 澄清该分享并非探讨宏观上为什么要引入 AI,而是聚焦团队在日常实际深度使用 AI 之后面临的连锁反应:“The basic concept is like, OK, you use AI, now what? There's a lot of things that break.” 主舞台还将举行由 Kent C. Dodds 联合主持的 Copilot 游戏秀,挑战在 45 分钟内通过“氛围编码”(vibe coding)快速构建出可用产品。Burke 强调现在产品迭代太快,功能每 15 分钟就可能更新一次,呼吁大家关注 VS Code 每月的版本发布直播来了解最新动态。 - **Windows 专场**:当天下午 2:15 后于当前主舞台直播。 - **Live Coding 展位**:位于 Expo 展厅,由透明玻璃隔间构成,供开发者进行长达两小时的现场实时编程演示。 - **团队实操分享(Breakout 204)**:10:15 - 11:00,由 Pierce 与 Josh 主讲,深入拆解团队全面拥抱 AI 后的断裂点与适应流程。 - **Copilot 游戏秀**:Keynote 舞台举行,由 Kent C. Dodds 协同主持,演示 45 分钟内的即兴极限构建。 --- ### [03:50](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=230s) GitHub Copilot 独立桌面应用与多 Agent 工作流探讨 Burke 与 Pierce 转向回顾 Build 首日的技术亮点,首要关注的是新发布的 GitHub Copilot 桌面客户端。Pierce 说明该产品既不是代码编辑器,也不是命令行工具,而是一个以 Agent 为原生的桌面环境。针对 Burke 调侃这属于市场公关话术,Pierce 进一步解构道,虽然它可以像会话管理器(Session Manager)那样利用 Git worktree 隔离环境并行运行多个 Agent,但其真正价值在于覆盖编写代码之外的全流程工作:从决定挑选哪些 Issue、分拣整理待办积压(Backlog),到将 Agent 生成的 PR 稳步推进至合并完成。 关于开发者日常究竟应当并发运行多少个 Agent,Burke 现场调查了与会观众。台下只有少数人同时运行 2 到 3 个 Agent,而所谓“在屏幕上开 50 个终端窗口同时挂 50 个 Agent”的做法在现实中几乎不存在,多属于社交媒体上的夸张摆拍。Pierce 坦言开发者必须警惕“表演式生产力”(performative productivity),评估的核心永远是实际交付的业务价值;从认知负荷来看,开发者在上下文频繁切换时很容易迷失,3 到 4 个 Agent 已经是个人的心智极限。与 VS Code 等注重细看代码的编辑器不同,Copilot 应用刻意将代码弱化至后台,内置浏览器与一键运行环境,让开发者将第一精力放在“事情是否做成了”的结果验证上,而不是一开始就陷入对底层代码细节的过度纠结中。 ```mermaid flowchart TD accTitle: Copilot 桌面端工作流 accDescr: 展示 GitHub Copilot 应用如何覆盖从 Issue 到 PR 合并的全流程,并强调结果优先的设计。 subgraph BacklogFlow["前置流程"] A["评估与挑选 Issue"] --> B["整理需求待办 Backlog"] end subgraph AgentRun["执行环境(Git Worktrees 隔离)"] B --> C["并发 Agent 1~4 个会话"] end subgraph VerificationFlow["结果导向验证"] C --> D["内置浏览器一键运行"] D --> E{"功能是否达成?"} E -- "验证通过" --> F["视需要检查代码质量"] E -- "未通过" --> C F --> G["提交并合入 PR"] end ``` - **心智负担上限**:Pierce 指出自己日常并行跑任务的上限是 3 到 4 个,必须按批次处理,否则无法持续跟进上下文状态。 - **界面设计哲学**:代码在 Copilot 桌面客户端中被刻意置于次级背景(backgrounded),首屏界面优先提供一键运行和结果呈现,避免开发者过早陷入“Nerd sniping”(钻牛角尖)而偏离目标。 - **Pierce 的核心观点**:“I think there's a lot of performative productivity of like to your point, people running 50 things at once, but it's just like always like when I sit down and write my performance review, it's like, what impact did I deliver, right?” --- ### [06:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=401s) Copilot SDK 与首款自研模型 MAI-Code-1-Fast 谈到新推出的 GitHub Copilot SDK,Burke 提出疑问:为什么开发者需要一个单独的 Copilot SDK?Pierce 解释道,GitHub Copilot 全系产品底层都依赖于名为“Agent Loop”(包含特定 Prompts、工具链集与上下文组装策略)的核心循环。过去各个客户端与端点各写一套,直到团队开发 GitHub Copilot CLI 时才进行了大一统沉淀。Copilot SDK 实际上就是将经过长期离线评测(Offline Evaluation)和 GitHub 实验室打磨的 Agent 运行时抽离成标准库,开发者可直接将其封装引入任意自定义应用中,甚至能够低门槛直接运行个人专属助手。 在会话的最后 45 秒快速问答中,Pierce 重点介绍了微软首款从头自主研发的编程模型——MAI-Code-1-Fast。以往微软推出的专用模型多属于基于现有大模型的微调版本(如基于 GPT-4o-mini 或 GPT-5-mini 微调的 Raptor mini),而 MAI-Code-1-Fast 则是完全自研底座。该模型对标 Claude Haiku,主打轻量、高效和超低延迟。训练策略深度绑定 GitHub Copilot 的工具调用轨迹(Agent Trajectories)和测试 Harness,具备自适应解决方案长度(adaptive solution length)的能力,能够依据输入 Prompt 的复杂度动态调节回复长度(例如对简短陈述仅作精炼响应,绝不无端展开长篇大论)。目前该模型正逐步在 VS Code 的模型选择器(Model Picker)以及 Auto 路由模式中灰度推送。 - **Copilot SDK 本质**:将 CLI 与全线产品中验证成熟的 Agent Loop 核心运行时暴露为 SDK,支持第三方快速集成。 - **MAI-Code-1-Fast 定位**:微软首个从头训练的编程模型,定位轻量高速层级(同 Haiku 相当),针对 Copilot 内部工具调用轨迹做了专用训练。 - **动态长度控制**:具备自适应生成长度特性,根据用户提示词深度动态伸缩,避免冗长输出。 - **发布与试用**:正面向 VS Code 开发者灰度推送,可在 Model Picker 列表或 Auto 调度下直接体验。 - **Pierce 评价自研意义**:“It is the first coding model we built from scratch here at Microsoft.” ### [09:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=594s) 使用 VS Code 语音扩展直接唤起 AI Agent 在日常的 VS Code 编码流程中,提示词(prompting)不再局限于纯键盘输入。开发者只需安装 VS Code Speech 扩展,即可直接使用语音转文字功能与底层 Agent 互动,这为编程工作流带来了极大的交互便利。 以一个收录最新版本核心贡献者的“VS Code Community”社区网站为例,该页面原本具备向贡献者点赞(Give kudos)的功能,但开发者认为这里如果能增加一点彩带纸屑特效(confetti)会更加生动。为了实现这个需求,开发者无需手动输入代码或文本,直接点击聊天输入框中的麦克风图标,下达语音指令:“当用户第一次获得点赞时,添加彩带纸屑动画(Add a confetti animation. When a user gets their first kudos)”。系统随后将语音转录为提示词发送出去,AI Agent 随即展开后台自动化处理,短短数秒内未触碰任何按键就完整实现了这一新特性。 --- ### [11:02](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=662s) Addy Osmani 登台:从 jQuery、Web 性能到 AI Agent 技能 舞台转回现场直播间,主持人热情欢迎 Google Cloud AI 研发总监、畅销书作家及资深技术演讲嘉宾 Addy Osmani。两人追溯了长期的技术交情——从早年的 jQuery 时代、前端 Web 性能优化,一直走到当下如火如荼的 AI Agent 与技能生态。主持人甚至打趣提到最近在彭博社(Bloomberg)的 AI 专题片里看到了 Addy,回家兴奋地跟妻子说“我认识这家伙”,结果妻子完全不相信他。 现场话题随即切入 Addy 近期引发广泛关注并数次登上 Hacker News 首页的开源项目——Agent Skills(智能体技能库)。Addy 笑着调侃自己最近尽量少刷 Hacker News,因为“你永远不知道上面的评价是好是坏”。随后他正式介绍了何为 Agent 技能(Skills):从本质上讲,技能是一种标准化的方式,用来赋予 AI Agent 新的能力与领域专业知识(expertise)。 为了形象说明技能的价值,Addy 唤起了老一代开发者的共同记忆——就像当年工程师们互相分享和炫耀私藏的 Shell 配置与“dotfiles”一样: > “These are my dotfiles that work really well for me... my magic tricks. And you'd be like, I want that bag of tricks. But then you think, well, my bag of tricks might be different than your bag of tricks. And so I think of skills in a very similar way.” 每个人手里的“魔法百宝箱”或许各有侧重,既可以直接复制别人的技巧为己所用,也可以从中获取灵感来打磨适合自己工作流的专属技能。 ```mermaid flowchart LR accTitle: Agent技能比喻架构 accDescr: 对比传统开发者Dotfiles与现代AI Agent技能的运作逻辑。 subgraph S1["传统时代"] A["Shell dotfiles"] --> B["私藏黑魔法 / CLI 别名"] B --> C["个人本地终端效率提升"] end subgraph S2["AI Agent 时代"] D["Agent Skills 规范"] --> E["打包工作流与专业知识"] E --> F["按需注入 Agent / 跨项目复用"] end ``` --- ### [13:25](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=805s) “Vibe Coding”演示与技能的基本结构 为了向未深入接触该领域的开发者快速科普,Addy 现场展示了一个自己临时“氛围编码”(vibe coded)出来的网页演示:一个运行在浏览器里的趣味拟真 Windows 桌面,并在其中放置了经典的 Office 助手大眼夹(Clippy)。面对这个略显反常的界面——底部是 macOS 的 Dock 栏,上方却悬浮着 Windows 视窗——主持人忍不住打趣这是“集合了所有操作系统最糟糕特性的缝合怪”,并戏称在微软 Build 大会上大眼夹属于“违禁话题”,甚至会场里虽然有大眼夹皮套,但规定穿上的人绝对不准开口说话。 在玩笑之余,Addy 详细拆解了 Agent 技能的核心运行机制。所谓技能,就是把特定领域的工作流、上下文指令打包封装为标准化结构,弥补 Agent 天生缺乏特定流程知识的短板: - **核心元数据**:每个技能文件至少包含两大核心字段——`name`(名称)与 `description`(描述)。 - **可复用性(Reusability)**:与一次性执行的 Prompt(提示词)不同,技能面向的是团队或个人可在多个项目中反复调用的标准流程。 - **按需加载(On-demand Loading)**:当 Agent 接收到任务时,它仅凭借名称与描述在技能池中进行匹配。只有当确认该技能与任务相关时,Agent 才会动态加载具体执行步骤并遵照执行,从而避免将过长指令无序堆入 Context 窗口。 --- ### [15:10](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=910s) 围绕软件生命周期(SDLC)打造的 Agentic Engineering 体系 谈到该开源项目的诞生背景,Addy 坦言过去几年自己在开源界刻意放慢了脚步,因为“打造开源项目就像养小孩一样,你必须投入精力去持续维护”。直到后来看到 Garry Tan 推出了 G-Stack 并广受关注,Addy 意识到自己也应该站出来,向行业分享自己对于 Agent 技能的系统化见解。与很多碎片化的 Prompts 集合不同,Addy 的体系完全扎根于严格的软件开发生命周期(SDLC),强调工程纪律性: > “I lean very heavily into agentic engineering, AI assisted engineering, that side of things where you try to be very disciplined about, you know, I'm going to be explicit about what I want built. I'm going to verify what gets built. I'm going to keep quality in mind.” 整个体系贯穿 SDLC 的六大阶段,每个阶段均配有对应专项技能: - **定义(Define)**:通过访谈机制理清模糊概念。例如开发者在洗澡时灵光一现冒出想法,却不清楚具体 UI 和实现细节,该技能可引导其逐步收敛为具体规范(Spec-driven Development)。 - **规划(Plan)**:将规范拆解为结构化开发任务。 - **构建(Build)**:指导生成高质量的前端 UI 界面、API 设计以及数据接口。 - **验证(Verify)**:Agent 自主进行端到端验证,包括基于浏览器的自动化渲染测试与自主调试(Auto-debugging)。 - **评审(Review)**:内置代码评审闭环,涵盖代码重构精简(Simplification)与安全合规扫描。 - **发布(Ship)**:辅助推进 CI/CD 流水线构建、Git 工作流整合、文档撰写及最终上线发布。 | SDLC 阶段 | 对应 Agent 技能与职责 | |:--- |:--- | | **Define** | 概念访谈澄清、规范驱动开发(Spec-driven Dev) | | **Plan** | 需求拆解与具体任务清单排期 | | **Build** | 前端 UI 构建、系统架构及接口(API)规范设计 | | **Verify** | 真实浏览器自动化测试、运行时错误自主排查(Debug) | | **Review** | 冗余代码精简、安全隐患排查与代码风格评审 | | **Ship** | Git 提交与版本控制、CI 自动化集成、发布文档整理 | --- ### [18:05](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1085s) 技能内部的防线设计与实操接入 在每个具体的技能实现中,Addy 统一推行了一套严格的工程范式,确保 Agent 在执行过程中不偏离预期轨道: 1. **概述(Overview)**:明确说明该技能应在何种具体场景与前置条件下被触发。 2. **合理化判定(Rationalization)**:系统阐明“为什么该使用”与“为什么不该使用”,为 Agent 树立明确的决策护栏(guardrails)。 3. **警示红旗(Red Flags)**:预警机制,罗列可能导致任务失控或代码劣化的危险信号,使 Agent 具备自我纠偏意识。 4. **验证准则(Verification)**:明确界定每一步骤完成的标准,衡量输出结果的正确性。 这套体系与开发者的日常交互无缝衔接。所有技能均映射为斜杠命令(slash commands),开发者在 VS Code 的 GitHub Copilot 或各类 Agentic 编程侧边栏中输入对应指令即可定向触发。在最后的实操展示中,Addy 打开了一个已预先集成该 Skills 库的项目脚手架,里面整齐排列着代理文件与提示模板;随后他在 Copilot 侧边栏中切换并选定了 Google 的 Gemini 1.5 Flash 模型,展示如何以规范化的企业级流程开始驱动 Agent 工作。 ### [19:32](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1172s) 模型选择、VS Code Agents 视图与测试驱动开发(TDD)技能设计 演讲者演示时选用了 Gemini 3.5 Flash,并称赞它是一款非常适合智能体编程(agentic coding)与智能体任务的模型。在开发环境方面,VS Code 现已配备了 Agents 视图,用户只需在对话框中输入斜杠(`/`),系统便会弹出可调用的智能体技能命令列表,例如需求细化(refine)以及代码精简(code simplification)等实用功能。为了更直观地展示构建过程,演讲者决定使用当前视图,并首先带领观众审视了测试驱动开发(TDD)技能文件的内部结构。 ```mermaid flowchart TD accTitle: TDD 技能工作流与规范架构 accDescr: 展示 TDD 技能中定义的循环阶段与最佳实践规则。 subgraph TDD_Cycle["TDD 循环核心"] A["失败测试 (Red)"] --> B["通过测试 (Green)"] B --> C["代码重构 (Refactor)"] C --> A end subgraph Rules["规范与边界"] D["测试金字塔与决策指南"] E["测试反模式 (Anti-patterns)"] F["浏览器测试与调试边界"] G["安全性防护边界"] end TDD_Cycle --- Rules ``` 针对技能配置文件的冗长内容,演讲者特别强调了上下文窗口的管理纪律:“I try to be very diligent about what ends up in context windows.” 如果开发者觉得内容超出实际需求,完全可以自行裁剪和优化。但在个人实践中,他极度推崇明确性(explicit)。在这份 TDD 技能文件中,不仅完整记录了 TDD 循环的细节,还对“失败测试的定义”、“通过测试的判定标准”以及重构思维给出了极其详尽的界定。 演讲者透露,这些模式大多取材于内部规模化软件开发的实战体系:“Many of these patterns were ones that have been inspired by how we build software at scale at Google.” 技能文件中还涵盖了诸如测试金字塔、决策指南、应明确规避的测试反模式(anti-patterns)、浏览器端测试与调试的衔接逻辑,以及涉及测试时的安全性防护边界。他总结道,无论是高度明确还是保持开放全凭个人偏好,但他始终坚信在设定开发方法时保持明确与审慎(intentional)能带来极大的技术价值。 - 选用模型:Gemini 3.5 Flash,针对智能体编程与多步骤任务表现优异。 - 交互入口:VS Code Agents 视图支持 `/` 唤出智能体技能,内建 refine 与代码精简等指令。 - 技能文件包含的具体要素:TDD 循环(失败、通过、重构)、测试金字塔、决策指南、测试反模式、浏览器测试连接链路及安全边界。 --- ### [22:17](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1337s) 触发 `/refine`:从模糊想法到多轮澄清问答 进入实战演示环节,演讲者自嘲半辈子都在尝试优化自己的个人生产力(虽然常常以失败告终),因此对习惯打卡(habit tracking)应用颇有兴趣。他提议参考每个人都熟悉的 GitHub 贡献图谱(contributions graph)视觉设计,打造一款习惯追踪器。为了演示智能体如何处理模糊想法,他直接触发了 `/refine` 命令,仅输入了一句极其笼统的提示:“a habit tracker GitHub inspired... store everything in the browser?”。台下甚至调侃这句提示是否太含糊、要不要明确补充“贡献图谱”字样,演讲者坚持只保留“GitHub inspired”,以此检验技能的分析与推断能力。 ```mermaid flowchart LR accTitle: Refine 技能的需求澄清问答流 accDescr: 展示从初始模糊提示词到最终形成四维度明确约束的交互过程。 A["模糊想法<br>GitHub 启发 / 纯浏览器存储"] --> B["Refine 技能分析"] B --> C["目标受众<br>Build 大会与 YouTube 观众"] B --> D["存储机制<br>选用轻量 LocalStorage"] B --> E["产品隐喻<br>仅保留贡献网格视觉"] B --> F["MVP 成功标准<br>加载迅速 / UI 简洁响应式"] ``` Refine 技能随即被触发,开始解析提示参数与核心需求组件,并立即抛出了四个维度的澄清问题: 1. **主要目标用户是谁?** 模型需要区分应用是用于个人、团队、家庭还是朋友。演讲者指定为在场的微软 Build 大会软件工程师以及后续观看 YouTube 视频的广大开发者受众。 2. **纯浏览器存储的约束与预期为何?** 面向 IndexedDB、LocalStorage、SessionStorage 等繁多选项,演讲者为了简化复杂度,明确选择 LocalStorage。 3. **探索哪些 GitHub 隐喻?** 模型主动推测出了“贡献网格(contribution grid)”,并进一步询问是否要引入诸如“提交习惯(committing a habit)”、“分支变体(branching variations)”或“拉取请求(pull requests)”等深度隐喻。演讲者决定见好就收,避免过度延伸,仅保留最直观的贡献网格视觉。 4. **MVP(最小可行产品)的成功标准是什么?** 模型询问是否需要用 Service Worker 做离线优先。演讲者表示暂时不需要过重的离线架构,核心要求唯有两点:加载速度快、界面简洁且具备响应式布局。 通过短短几句问答,原本模糊的构想在极短时间内变得清晰透明,省去了手动撰写冗长技术规格文档的负担。 --- ### [25:30](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1530s) 路线权衡、认知妥协辩论与产品范围锁定 在读取了空白项目的全局上下文后,模型结合问题陈述(problem statement)与压力测试考量,输出了三个截然不同的演化方向供用户选择: - **方向 A(开发者个人档案配置器 / Dev Profile Configurator):** 极简、高保真复刻 GitHub 个人资料页,将打卡习惯视同 GitHub 代码仓库进行管理。 - **方向 B(键盘驱动的习惯终端 / Keyboard-driven Habit Terminal):** 纯 TUI 键盘流工具。台下嘉宾对此打趣道:“TUIs are so hot right now!” - **方向 C(Markdown/SVG 导出工具 / Markdown SVG Exporter):** 面向纯文本后端的原始数据管理工具,允许用户录入与维护底层数据。 演讲者果断排除了偏重数据维护的方向 C,选择了最贴近预期的方向 A。在面临模型未主动推荐最优项时,台下嘉宾展开了一段关于人机协作决策心理的精彩讨论:“Because I noticed models like to recommend and they almost always when they give you choice and be like, well this is what I do. And then I'm like, well, if that's what you do, then that's what I want to do.” 嘉宾坦言自己有时会主动让模型给三个选项并附带模型的倾向建议,但随后便会陷入自我怀疑,感觉自己丧失了自主权,永远在顺从模型的意志。对此,演讲者深表共鸣,犀利指出这种现象属于“认知负债(cognitive debt)与认知妥协(cognitive surrender)”,并调侃这正是自己下一篇文章要重点探讨的议题。 | 方向 | 名称 | 核心交互与特点 | 评估结论 | |:--- |:--- |:--- |:--- | | **方向 A** | 开发者档案配置器 (Dev Profile Configurator) | 高保真克隆 GitHub 个人页,像管代码库一样管习惯 | **采纳**(最契合直观预期) | | **方向 B** | 习惯终端 (Habit Terminal) | 全键盘驱动的 TUI 终端风格 | 放弃(虽然概念当下正流行) | | **方向 C** | Markdown/SVG 导出工具 | 纯文本与底层原始数据管理 | 放弃(数据偏重,氛围不符) | 最终,生成的规划方案将应用命名为 **Streak**,并明确圈定了核心假设与边界约束: - **核心验证点:** 用户留存率、习惯频率,以及工程师在桌面端配置但在移动端打卡的移动端可用性(mobile usability)。 - **边界范围澄清(Out of Scope):** 明确剔除云端同步(cloud sync)以及高阶社交功能。 - **衔接下一步:** 确认保存该方案后,项目生成了规范基准文档。演讲者指出,部分开发者习惯“规划后直接编写代码(plan and implement)”,跳过细致的规格文档;但他个人极度注重确定性(specificity),主张严格遵循“计划(Plan) $\rightarrow$ 规格定义(Spec) $\rightarrow$ 具体实现(Implement)”的三段式工程流程。随后他键入 `/spec` 指令,正式驱动智能体读取 Refine 阶段的输出物,开始全面细化技术栈、成功指标与工程脚手架规范。 ### [29:13](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1753s) 交互式规格细化:从 Gemini 3.5 Flash 到 Copilot 侧边栏交互 在生成规格文档的过程中,模型迅速展开了详细的未决问题清单。演示者感叹响应速度极快,并开玩笑说无论观众是在用 Gemini 3.5 Flash 还是视频发布时的任何最新模型,“AI 变化太快了,四个小时后一切都会完全不同”(“AI moves fast. 4 hours everything will be different.”)。针对项目中具体的渲染技术选型,Agent 提出了关于网格生成方案的开放问题:是采用模块化的动态 SVG 分组结构,还是使用纯 CSS Grid 元素布局。演示者坦言自己懂 CSS Grid 也会用 SVG,但谈不上是这方面的绝对专家,因此直接放权回复:“选你认为最好的方案”(“Choose what you think is best”)。 紧接着,Agent 针对新用户的首访样板数据提出了问题:初次访问的用户默认应当预设哪些习惯?现场就“追踪好习惯还是坏习惯”打趣了一番,随后敲定了锻炼(exercise)、补水(hydration)、阅读(reading)以及冥想(meditation)。在有人打趣提出“刷手机沉沦(doomscrolling)”时,演示者幽默地回应:“在刷完手机沉沦之后去冥想,大概会比光刷手机好一些。”关于生成文件的存放路径,演示者同样让 Agent 自行决定。这种全流程交互的一大亮点在于,所有问题与选项都在 VS Code 的 Copilot 侧边栏内无缝呈现,无需跳转到任何外部独立应用。 ```mermaid flowchart TD accTitle: 规格细化与配置流程 accDescr: 展示用户在 Copilot 侧边栏中通过回答 Agent 问题并直接生成规格文档的流程 subgraph UserPrompt["Copilot 侧边栏交互"] A["未决问题:网格渲染选型"] -->|"用户选择:让 Agent 自行决定最佳方案"| B["技术决策:SVG / CSS Grid"] C["未决问题:默认习惯项"] -->|"预设:锻炼、补水、阅读、冥想"| D["默认数据配置"] end subgraph SpecGeneration["生成规格说明书 (Spec)"] B --> E["定义技术栈:原生 JS + Playwright"] D --> E E --> F["性能指标:LCP、全屏绘制"] F --> G["形成详细任务清单与架构规范"] end ``` - **交互体验一体化**:开发者可以在侧边栏内部直接处理所有确认弹窗与多项选择,无需切换工作上下文。 - **技术栈假定**:Agent 自动选用了原生 JavaScript 以及用于端到端测试的 Playwright,演示者指出这些偏好完全可以通过自定义技能(Skills)编码进系统中;若未显式指定,Agent 就会做出合理的默认假设。 - **性能与度量指标**:生成的 Spec 不仅罗列了代码风格和目录结构,还明确包含了最大内容绘制(LCP, Largest Contentful Paint)等具体性能验收标准。 --- ### [31:43](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=1903s) 将大工程拆解为任务:Plan 规划与 TDD 测试驱动模式 获取到详尽的规格说明书之后,下一个关键环节是将宏观目标拆解为具体的执行片段。对于小型项目,开发者或许可以直接跳入全面实现阶段;但面对复杂系统,先进行结构化规划尤为重要。正如演示者总结软件工程的核心法则:“我们在软件工程中常说,如果你面临一个大难题,就把它拆解成更小的部分”(“What we say in software engineering often is if you've got a big problem, break it down into smaller pieces, right?”)。通过运行 `/plan` 命令,Agent 会自动生成阶段(Phases)与独立任务(Tasks)列表。 在正式启动第一阶段编码前,Agent 自动初始化了结构化待办清单(To-Do List),并将完整的实施方案写入专门的 `plan` 文件。Phase 1 Task 1 被设计为核心纯逻辑开发:包含 TypeScript 接口类型定义、计算连续打卡天数(streaks)的纯函数、过去 365 天累计贡献计算,以及底层 LocalStorage 存储桥接。这一阶段完全剥离了 UI 渲染,只关注底层业务计算,并附带了严密的验收标准和自动化测试校验。这种高度受限的任务定义有效地限制了 Agent 的“破坏半径”(blast radius),避免其在现有项目中肆意篡改无关文件。 - **隔离业务逻辑**:首个任务仅聚焦于数据模型和算法逻辑,保证在不触及前端 UI 的前提下实现逻辑闭环。 - **控制破坏半径(Blast Radius)**:明确圈定预计变动的文件列表,防止自主 Agent 跨越边界重写核心业务之外的代码。 - **精细化执行支持**:开发者既可以输入 `/build task 1` 单独执行某个子任务,也可以批量触发连续构建。 --- ### [34:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2080s) 审批绕过机制与“人机回环”中的开发困境 在执行构建任务时,VS Code 会对 Agent 的文件操作和命令执行弹出确认提示。为了提高构建流畅度,Burke 建议演示者直接开启底部的“绕过审批”(bypass approvals)选项。演示者打趣道:“你居然推荐绕过审批?我自己的个人项目全部都是绕过审批的。”一旦开启此设置,Agent 就能全速运行,不必停下来等待人工批准每一个琐碎的文件修改。 这一步引发了关于工程工作流形态的深入探讨:究竟是应该按阶段单步推进,还是直接让 Agent 一气呵成?演示者表示这完全取决于项目性质。如果只是一个一次性的个人小工具,完全可以一键生成全部代码;但对于复杂的严肃项目,按部就班地经历红绿测试(Red-Green TDD)阶段更令人心安——先写出必然失败的红灯测试,再编写刚好通过测试的精简逻辑,每完成一层数据或 UI 就能确保无既有功能损坏。 然而,这也带来了典型的工程权衡:把人放回闭环中(Human-in-the-loop),人类往往反倒成了效率瓶颈。现场讨论指出:“这真是一种权衡,因为一旦你回到闭环里,你又成了那个问题所在,你在拖慢 Agent 的速度”(“It's such a trade off though because then you know the back in the loop, like once again, you're the problem. You're slowing the agent down.”)。关于在 Agent 狂飙突进时人类工程师在做什么,现场两位讲者坦露了截然不同却非常真实的开发状态: - **观察轨迹与思维流**:演示者表示自己过去也经常在 Agent 生成时切换到其他任务,但后来发现容易失控,现在倾向于慢下来仔细阅读 Agent 的思考轨迹(trajectory)——分析它究竟想了什么、为什么这么想,从中提炼出有价值的信息,确保其方向符合预期。 - **放空围观代码生成**:Burke 则坦言自己大多数时候并不逐行审查代码,而是“就那么干坐着盯着 Agent 的旋转加载动画看,虽然这时候我明明应该去做点别的事”(“I'm mostly just staring at it when I should be doing something else. But I'm just, I'm literally watching agents spin.”)。 - **审查深度视项目而定**:对于临时性、仅需运行一小时的抛弃型脚本,很少有人会逐行审查;但涉及长期维护的系统时,提前制定好验收测试与质量策略才是降低后期维护成本的关键。 ### [38:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2321s) 临时原型与长期维护代码的差异、TDD 红绿循环与从业感悟 讲者在现场实时演示 Agent 构建流程,并解释自己在面对不同项目时的心智模型差异:如果是快速写一个用完即弃的玩具项目或临时原型,即便自己完全看不懂底层代码也无所谓,遇到 Bug 直接丢给智能体修复即可;但如果该项目需要维护数周甚至数月,就必须深入理解其整体架构并通读核心文件,否则一旦智能体陷入偏执或无法修复错误,自己将彻底丧失挽救局面的能力。随着代码逐步推进,智能体严格执行测试驱动开发(TDD)流程,按切片(slice)逐一实现,经历由红转绿的过程。 现场另一位讲者感慨表示,自己直到 Spec Kit 发布才第一次接触“红绿测试”(先写会失败的测试用例,再写实现让测试通过)这一概念,并调侃自己都 45 岁了才接触到这个理念确实有点让人感慨;身旁搭档随即打趣称对方看起来根本不像 45 岁,两人笑着祝贺他昨天刚刚过完生日。 > “However, if it's going to be something I'm going to maintain for at least a few weeks or a few months, I generally go back and at least understand the architecture.” —— 讲者讨论对待长期维护项目与原型项目的根本态度。 --- ### [39:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2392s) 智能体工程(Agentic Engineering)与氛围编码(Vibe Coding)的光谱 两位讲者针对整个“智能体工程界”(Agentic Engineering Diaspora)的现状展开了深入讨论。当前社交平台(如 X/Twitter)上分享的最佳实践往往过度概括,例如个人创作者或小型初创团队在没有任何现有用户、维护全新绿地代码库(Greenfield)时总结出的经验,根本无法直接套用到拥有庞大团队和遗留系统(Brownfield)的企业环境。 行业目前充斥着“告诉我到底装什么工具就能万事大吉”的心态,不论是 Agent Skills、Superpowers 还是 G Stack,现实中并不存在银弹。如今开发者的核心工作正在从单纯的“写代码”转向“构建真正行之有效的自动化工作流”,这种工作模式甚至被调侃为“我们现在都成了麦肯锡顾问”。软件开发正在呈现一个光谱:一端是依赖直觉和工具自由发挥的“氛围编码”(Vibe Coding),另一端则是需要严格约束与工程严谨性的“智能体工程”(Agentic Engineering)。 ```mermaid flowchart LR accTitle: Spectrum from Vibe Coding to Agentic Engineering accDescr: A spectrum showing prototype development at one end and production enterprise systems at the other. subgraph LowDiligence["低严谨度区间"] A["氛围编码 (Vibe Coding)"] B["单人创立者 / 临时原型"] end subgraph HighDiligence["高严谨度区间"] C["智能体工程 (Agentic Engineering)"] D["企业级 / Brownfield 生产系统"] end A --- B B -.->|"逐步增加确定性门禁与测试"| D D --- C ``` > “And there are going to be times when we're vibe coding, there's going to be times when we're agentic engineering. And the more diligence you have to apply to the process, the closer you are getting to agentic engineering.” —— 讲者在剖析软件开发模式演进时总结道。 - **适用场景对比**:构建简单的个人习惯追踪打卡应用(Habit Tracker)可以随意依赖 Agent 猜测;但如果要向数百万开发者交付 VS Code 这种核心工具,就必须极其严谨,杜绝 Agent 引入的隐形退化与破坏。 --- ### [42:13](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2533s) 浏览器端自动化验证机制与 Web 开发优势 由于时间仅剩约 10 分钟,讲者加快节奏展示 Agent Skills 中的“验证(Verify)”环节。验证步骤的作用是无论功能是完全构建还是部分实现,都立即启动本地环境在浏览器中进行端到端校验。智能体自动在后台运行 `npm run build` 和 `npm run dev`,成功在 VS Code 内部唤起了一个内嵌浏览器窗口。 内嵌页面呈现出一个类似 GitHub 用户 Profile 页面的界面,头像甚至从网络上拉取了一张真实照片,引发了讲者们的笑声与调侃——不知是谁的照片被 LLM 随手抓取,可能只是一位碰巧拥有 GitHub 账号的烤饼干爱好者。验证技能随后调用集成 DevTools 的浏览器自动化测试工具,交互点击界面并监控控制台是否存在崩溃或报错。讲者指出,现代自动化浏览器测试生态非常成熟,无论是 Puppeteer、Playwright 还是 Vercel 的 Agent Browser 都是绝佳选择;与原生应用(Native Apps)繁琐的测试闭环相比,Web 开发者在这一环节拥有得天独厚的优势。 --- ### [44:23](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2663s) 多模型代码审查、代码精简循环与安全性争议 在验证完成后,流程进入至关重要的审查(Review)阶段。尽管企业(如 Google)内部依然保持着工程师人工代码审查的传统,但在本地让 Agent 先跑多轮预审极具价值。审查涵盖对抗性审查、跨模型校验(例如使用 Gemini 编写代码,再切换到 Claude 3.5 Sonnet / Opus 进行评估),审查结果会列出正确性、无安全漏洞(由于使用纯原生 JavaScript,需严防 XSS 跨站脚本注入)、可读性与架构健康度,甚至主动推荐了为贡献图谱补充键盘导航无障碍支持(Keyboard Navigation)。 讲者特别强调了审查中的“代码精简(Code Simplification)”循环:借助前面建立的 TDD 和质量门禁,开发者可以放心让 Agent 重构精简代码,不必担心破坏原有逻辑。对话随即转向非确定性 AI 审查的信任问题:许多初学者或粗心开发者经常在代码中错误暴露 API 密钥、引入 SQL 注入漏洞、缺乏鉴权保护,或未配置速率限制导致接口被恶意刷爆。对于缺乏经验的开发者或是图省事的高级工程师,将这类安全守则固化到 Skills 中作为基础兜底(Sanity Check)至关重要,因为大模型在捕捉冷门边界用例(Edge Cases)方面往往展现出极高的敏锐度。 > “And one of the wonderful things about TDD or having tests or quality gates around is that you can now go and do that code simplification loop and have something that can verify the rest of your logic still works.” —— 讲者阐述测试驱动开发在代码重构阶段的核心优势。 - **对抗性代码审查(Adversarial Review)**:跨模型相互交叉验证,用不同架构的大模型寻找实现中的逻辑漏洞与架构隐患。 - **常见安全隐患**:API Key 硬编码泄漏、未作速率限制的公共端点滥用、XSS 跨站脚本、不安全的身份认证实现。 ### [48:19](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=2899s) 确定性质量卡点与代码精简实践 对话深入探讨了 AI 代理生成代码时面临的安全与质量挑战。主持人表达了对直接将 AI 产出发布到线上的极度担忧,强烈呼吁必须引入确定性关卡(Deterministic Gates)进行安全签核: > “I'm scared to death to push anything live on Twitter and be like, here's what I built. And then have somebody be like, Oh, and here's your Gemini key.”(我怕得要死,不敢直接把做出来的东西发到 Twitter 上炫耀说‘看我做了这个’,然后转头就有人戳我‘噢,顺便说一句,你的 Gemini API 密钥泄露了’。) Addy Osmani 指出,这正是理解“什么是良好、什么是完成”的核心价值所在。无论团队看重的是安全性、代码质量、运行性能还是无障碍访问(Accessibility),都必须将这些指标显式编码并固化进项目的质量卡点(Quality Gates)机制中。尽管编写技能规则(Skills)是一种编码思路的方式,但最核心的依然是建立阻断不符合最佳实践代码被合并的自动化防护网。主持人对此打趣道:“right now, Markdown is the solution to everything. It's like, well, we have nondeterminism. How are we going to fix that with more nondeterminism with text files”(现在 Markdown 简直被当成了万灵药。就像是我们遇到了不确定性问题,却试图用包含文本文件的更多不确定性去解决它)。 随后,Addy 展示了代码精简(Code Simplification)环节的运行效果: - 许多优秀的研发团队和实验室在探索代码精简方案;只要对方开源或发布技术博客,Addy 就会深入学习并将其沉淀为自己的技能指令。 - 即使是在演示的简单小应用中,该简化技能也已经自动识别出 3 到 4 处可以精简的代码逻辑。 - 紧接着进入发版步骤(Ship Step),Addy 现场展示了之前提前构建完成的原型——一款名为“Streak”的习惯打卡应用。该应用底部带有 GitHub 贡献图样式的网格,用来追踪个人是否遵循了健康作息(如晨间远离屏幕、规划当日工作目标、定期复盘等)。应用纯本地化运行,数据直接持久化在浏览器的 `localStorage` 中,即使离线也能正常工作。 --- ### [51:31](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3091s) 问答环节:多模型分工协同(Flash 与 Pro) 在现场问答环节中,观众 Anthony 提出了关于不同层级模型分工的实际工程问题:在日常工作流中,应该如何拆分 Flash 这类轻量高响应模型与 Pro 级别重型模型?是否适合用 Flash 做前置规划(Planning),再用 Pro 做代码实现(Implementation)? Addy 证实这完全契合他本人的工作流程,并给出架构层面的分析: > “You can use a lower cost model often for the planning phase, especially if you're trying to like optimize for tokens, use a lower cost model for the planning phase, Use a much more capable model for your implementation.”(如果你想优化 Token 消耗和成本,规划阶段往往可以使用低成本模型,而在具体实现阶段,则换用能力更强大的高阶模型。) 无论是 Gemini Pro、Claude 3.5 Sonnet / Opus 还是 Codex 体系,开发者都能通过阶梯式组合达到成本与性能的最优平衡。此外,GitHub Copilot 以及业界工具链目前普遍支持在开发各个阶段无缝切换不同的模型底座,这为混合分工工作流提供了良好的基础环境。 --- ### [52:35](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3155s) 争论焦点:MCP 与 CLI 之争及渐进式加载优势 主持人随后抛出核心议题:“Where does MCP factor into this workflow?”(MCP 在这套工作流中扮演什么角色?)这引发了关于 Model Context Protocol(MCP)与传统命令行工具(CLI)取舍的深度交锋: Addy 坦言自己对 MCP 持有非常明确的观点。虽然 MCP 最初旨在打通数据源与代理之间的连接,但随着工作流快速演进,社区逐渐发现暴露过多细粒度工具反而会拖累代理决策;在很多场景下,直接让代理操作原生的 CLI 反而更精简、更高效。主持人赞同这一判断,提到自己曾公开发表过激进观点: > “Your MCP server should probably be a skill and a CLI”(你的 MCP 服务端大概率应该直接写成一个技能配上一套 CLI)。 不过主持人也补充了与 OpenCode 的 Reese 交流时得到的关键反方论据:**鉴权与权限边界控制**。CLI 很难对代理的操作权限进行精细化隔离,而 MCP 在协议层提供了成熟的鉴权管控能力。 ```mermaid flowchart TD accTitle: Skills Progressive Loading vs MCP accDescr: 对比传统 MCP 预加载全量上下文与技能渐进式按需加载的机制差异 subgraph MCP_Flow["MCP 传统模式 (Context 压力大)"] direction TB M1["启动代理"] --> M2["全量载入所有工具 Schema"] M2 --> M3["迅速挤占有限的 Context Window"] end subgraph Skill_Flow["Skills 渐进式加载 (Token 经济友好)"] direction TB S1["暴露基础信息: 名称与简短摘要"] --> S2{"代理按需命中"} S2 -->|"按需激活"| S3["加载对应 Skill 完整指令"] S3 -->|"根据索引"| S4["二次拉取关联本地/远程文档文件"] end ``` 谈及当前仍在使用的工具,主持人重点推荐了两个生态范例: 1. **Work IQ**:针对微软技术生态的最佳连接器。 2. **Context7**:主持人强烈安利现场开发者立刻安装的 MCP 服务端;只需设定指令“在动手前务必阅读文档”,代理就会调用 Context7 检索最新官方文档,有效弥补大模型训练知识截断(Knowledge Cutoff)的硬伤。 两位嘉宾一致指出,相较于 MCP 必须将所有工具声明一次性倾倒进 Context 的做法,**Skills 的核心杀手锏在于渐进式加载(Progressive Loading)**: - 代理初始只会接收到技能的名称与简短摘要,占用极少空间。 - 仅当模型判断当前任务确实匹配该技能时,才会读取该技能的正文内容。 - 技能本身可以进一步引用外部文件,实现二阶段甚至三阶段的动态链式加载。 - 主持人强调,当前整个行业正从“AI 算力额度随便造”急剧转向“Token 额度受限、必须精打细算”的严格约束期,这种按需分配上下文的设计显得至关重要。 --- ### [56:43](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3403s) GitHub Copilot SDK 与 CLI 最新特性发布 在送别 Addy 后,舞台转向 GitHub Copilot 开发工具链的重磅更新推介。官方正式发布了处于 Technical Preview(技术预览)阶段的全新 **GitHub Copilot SDK** 以及一系列 CLI 增强功能: - **多语言跨平台支持**:SDK 原生提供 Node.js、TypeScript、Python、Go 以及.NET 版本,赋予开发者对多轮会话(Multi-turn Conversations)、工具执行生命周期以及全链路流程的完整编程式控制力。 - **开箱即用的内置代理**:Copilot CLI 在过去数周内集成了多项内置专用代理,涵盖系统探索(Explore)、任务规划(Task Plan)与代码审查(Code Review),并可直接与 Agent Skills 深度联动。 - **现代化分发与包管理**:CLI 现已正式支持通过 macOS Homebrew 以及 Windows winget 统一包管理器安装,同时提供一键安装脚本;通过包管理器安装的客户端将支持全自动静默更新,官方也为特殊发行版保留了独立二进制 Release 包。 - **开发者体验优化**:新增用于在 Shell 自动化脚本中调用 Copilot CLI 的专属命令行标志(Flags),并对 Git Diff 差异对比视图和 Web 端交互控制进行了全方位重构。 ### [57:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3472s) 欢迎来到 Build 2026:Copilot SDK 团队登台 在向在线观众征集反馈(欢迎通过 YouTube 评论区、社交媒体、GitHub Issue 或代码仓库 Discussions 留言)之后,主持人回到了 Microsoft Build 2026 现场演播室。这次直播设在一处挑高极高、视野开阔的开阔场地中。主持人打趣地猜测这栋漂亮的建筑以前到底是什么——“看起来像个飞机机库,不过好像又不够宽,难道以前是个造船厂?”随后,主持人正式引出了本场嘉宾:来自 Copilot SDK 团队的 Patrick Nikoletich。 Patrick 解释说,他们实际上属于 CLI / SDK 联合团队,因为 SDK 本身就是构建在 Copilot CLI Server 之上的核心组件。主持人兴奋地表示,Copilot SDK 是一个专门为开发者打造的“神器”,一旦亲眼见识过它的能耐,就会由衷感叹其无所不能。 ### [59:06](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3546s) Copilot SDK 1.0 正式 GA 与跨团队工程实践 Patrick 宣布了一个重磅消息:Copilot SDK 刚刚在前一天正式发布了 1.0 GA(正式商用)稳定版。团队自当年一月份启动技术预览版(Technical Preview)以来,整个上半年大部分时间都在内部低调打磨质量,并积极推动微软生态内的众多核心团队全面落地采用,涵盖了 LinkedIn、Xbox、GitHub 以及 Office Excel、Cowork 和 Copilot Studio 等各个业务线,共同基于这套共享的智能体底盘(Agent Harness)进行开发。 随着内部打磨成熟,该 SDK 正式走向外部客户,这意味着所有开发者都可以放心地将这套稳定版本引入自己的生产环境,在广泛的运行时平台中构建自定义智能体方案。当主持人追问到底何为“Copilot SDK”时,Patrick 阐明了其核心架构:它本质上是一个轻量级的瘦客户端(Thin Client),直接接入大家熟知且喜爱的 Copilot CLI Server。此前 GitHub Copilot 原生应用中使用的就是这套完全相同的底座,而 SDK 则为开发者提供了将其嵌入任何自定义应用程序的标准通道。 ```mermaid flowchart TD accTitle: Copilot SDK Architecture accDescr: 架构图展示了多语言 Copilot SDK 瘦客户端如何接入 Copilot CLI Server,并集成到定制应用中。 subgraph Languages ["支持语言 (6 种)"] L1["TypeScript / JavaScript"] L2["Python"] L3[".NET / C#"] L4["Go"] L5["Rust (新增)"] L6["Java (新增)"] end subgraph Client ["Copilot SDK (Thin Client)"] SDK["SDK 客户端接口"] end subgraph Server ["Copilot CLI Server 运行时"] direction TB NodeVer["初代 Node.js 运行时 (~120 MB RAM)"] RustVer["新一代 Rust 运行时 (<10 MB RAM)"] NodeVer -.->|"重写并优化迁移"| RustVer end subgraph Apps ["落地场景与自定义应用"] App1["GitHub Copilot App"] App2["Office Excel / Cowork"] App3["Copilot Studio"] App4["自定义生产级应用 (如 Whim)"] end Languages --> SDK SDK <--> Server Server --> Apps ``` - SDK 在 1 月技术预览版发布时支持 4 种语言,如今已扩展至 6 种主流语言绑定,新增了 Rust 和 Java 支持。 - 它的定位是“将 Copilot CLI 中所具备的完整智能体能力,无缝注入到任何第三方软件中”。 ### [01:01:13](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3673s) 从 Node.js 到 Rust:运行时极致重写与性能跨越 关于 SDK 的底层演进,Patrick 透露团队正在全力用 Rust 重写其核心运行时(Runtime)。在最初的技术预览阶段,整个 CLI Server 都是基于 Node.js 构建的,启动后常驻内存大约占用 100 到 120 MB。通过将运行时重构为原生 Rust 实现,团队的目标是将内存占用压缩至 10 MB 以下,并且目前的早期概念验证版本(POC)已经是一个功能齐备的完整运行时。 针对这一重构决策,Patrick Nikoletich 总结道:“核心成果就是,在我们所关心的每一个性能维度上,我们都看到了显著提升。”(“And the main core outcome of that is that we just saw benefits across every performance dimension that we cared about.”)除了内存开销的大幅缩减与响应速度的提升,使用 Rust 实现原生级运行环境还能让 Copilot SDK 轻松下沉到更多需要原生运行支持的苛刻边缘平台与宿主环境。 ### [01:02:17](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3737s) 智能体时代的开发心智与“Token 配额福利” 在谈到语言生态时,主持人分享了自己的切身经历:前几天他在给 Copilot CLI 开发某些工具时随口询问模型该用什么语言,模型回答建议用 Go 语言编写。尽管主持人自己并不懂 Go,但他立刻意识到在当下的时代,个人是否掌握某种具体语法早已不再重要——“因为 Agent 懂 Go 就足够了”,于是他顺理成章地用 Go 快速交付了项目。 Patrick 非常认同这种转变,他指出过去半年多来团队内部的心态已经发生了根本性剧变,技术人员开始彻底打破过往技术栈的经验壁垒。在 GitHub,工程师们拥有尽情消耗大量 Token 的特权,以此来不断探索最前沿模型的极限与能力边界。主持人幽默地吐槽道,在当今软件工程界,海量的 Token 额度应当像医疗保险一样被写入员工薪酬福利清单:“就像你的医保有多好一样,更关键的问题是你每个月能分到多少 Token 额度?”因为当开发者不再被成本所束缚、不必在调用每一步时都纠结“这里到底值不值得调用一次 Claude Opus”时,从想法到落地成果之间的阻隔才会被真正消除,生产力才会实现质的飞跃。 ### [01:03:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3825s) 产品经理的智能体画布:现场演示个人助手“Whim” 对于实际场景演示,Patrick 展示了他每天重度依赖的自研个人生产力工具——“Whim”(意为召之即来、随心而动)。作为一个需要处理海量文案、制定排期并产出 PRD 的产品经理(PM),他认为市面上虽然已经有很多优秀的编程辅助工具,但能够赋能文字工作、全流程协同写作的智能体工具才是他最痴迷的方向。此前他发给主持人的一份高质量 One-Pager 方案,正是全程由该应用协助生成的。 “Whim”采用了反转式的交互哲学:不同于传统聊天框为主、画布为辅的模式,它直接以沉浸式写作画布为起点,智能体均由画布上下文衍生创建。Patrick 表示,日常 PM 工作只需要三样东西:写作空间(Spaces to write)、后台工作单元(Workers)以及特定的领域技能(Skills)。通过这套基于 Copilot SDK 的工具,他可以随时用全局快捷键唤出界面,并在后台即时孵化出无数运行在云端临时沙箱环境中的智能体工作单元。这样即使他合上笔记本电脑,远端智能体依然在持续进行代码拉取、环境构建与内容加工,彻底摆脱了本地单机性能的局限。 ### [01:06:10](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=3970s) 基于画布的多智能体编排与无感交互演示 Patrick 在现场演示了他的自定义智能体工作环境。他展示了系统中的核心组件:负责处理日常内容的“Editor”智能体,以及用于运行危险本地任务的安全沙箱环境。该沙箱基于微软最新发布的 MXC 安全沙箱机制,能够有效隔离风险操作。在人机交互的理念上,Patrick 指出传统工作流中“意图”(Intent)与“最终结果”(Outcome)之间往往夹杂着过于繁琐的步骤,而他的目标是尽可能缩短这段距离。演示中,他仅在任务清单中输入一行纠错后的需求(“triage copilot SDK github issues”)并打上标签 `@editor deploy`,智能体便立即启动并接手工作,省去了所有多余的思考负担。 ```mermaid flowchart LR accTitle: 画布多智能体工作流 accDescr: 展示从用户输入任务、分发给智能体到产出拉取请求并回写画布的闭环流程。 subgraph User["用户交互层"] A["画布任务清单<br/>(输入需求与@标签)"] B["会话管理<br/>(移动端/远程控制)"] end subgraph Orchestration["智能体执行层"] C["Editor 主智能体"] D["安全沙箱<br/>(MXC / 云端环境)"] end subgraph Result["产出与沉淀"] E["处理 GitHub Issues"] F["自动创建 PR"] G["回写画布更新记录"] end A -->|"部署指令"| C C -->|"高危执行"| D C --> E D --> F F --> G G -->|"闭环反馈"| A B -.->|"实时查看/审批"| C ``` 随着智能体被派发到画布上,系统自动开启了对应的会话。用户不仅能随时向下深挖查看每个智能体的聊天细节,还可以全局纵览跨画布的执行进度。界面提供了完整的控制能力:点击按钮即可生成远程链接,以便随时在手机端远程接管任务;用户也可以直接开启不受限运行的“Yolo 模式”,或者在需要时手动进行权限审批。Patrick 强调,真正的多智能体编排不应该让用户感到繁重的编排负担。关于人机协作的形态演进,Patrick 总结道: > “So this idea of multi agent orchestration, not really feeling like multi agent orchestration is where I think in general we're all headed because there's a lot of cognitive load.” 这种交互模式彻底颠覆了传统的聊天框形态。主持人对此深感共鸣,指出未来的智能体不应局限于“写代码的 Agent”,而应该贯穿于 Outlook 邮件、代码协作等各种场景,成为全局通用的个人助手。Patrick 解释说,自己平时几乎不需要打开聊天抽屉,因为智能体的所有产出都会直接回写到画布上。例如在他自己的“Wim”工作空间中,他直接利用 Wim 自身来迭代 Wim,智能体在后台修复 Bug、发起 Pull Request,并自动同步到画布上,整个工作过程形成了一份清晰完整、随时可供回溯的记录。 ### [01:08:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4136s) 告别“AI 蛇油”:用 Copilot SDK 构建个人原生工具 针对当前人工智能行业普遍存在的浮夸风气,主持人表达了强烈的吐槽。他谈到市面上很多人到处吹嘘“我用了 OpenClaw,它帮我接管了生活中的一切”,可一旦追问到底具体执行了什么,对方却只能含糊其辞地说“一切”,给人的感觉就如同贩卖“蛇油”(snake oil)。Patrick 完全认同这一观察,强调必须将通用的人工智能技术落地在具体、易懂的真实业务场景中。以往构建这样一套复杂系统往往需要耗费数月心血,但如今借助 Copilot SDK,开发者只需花一个周末与智能体对话协作,就能搭建出高度定制化的工作流。 Patrick 透露,微软近期为 Copilot SDK 注入了大量底层新特性。此前尚不存在的远程控制(Remote)功能如今已全面铺开,云端沙箱(Cloud Sandboxes)已进入预览阶段(Preview),而本地沙箱功能也已向开发者正式开放。面对在场及线上的开发者,主持人给出了最务实的建议:与其盲目迷信现成工具,不如利用 Copilot SDK 为自己打造契合工作习惯的专属工具。 > “Build your own that works the way that you want to work and start just trying to automate the simple things that you're doing throughout the day.” Patrick 进一步补充,打造属于自己的智能体能够建立起对底层模型性能和行为模式的直觉,正如与真人相处需要时间建立信任一样,对模型的直觉也能迁移到不同架构上。他建议初学者从极简的 Copilot CLI 入手直连模型,再逐步拓展到跨会话的多智能体编排系统。主持人也风趣地提到自己搭建的智能体“Max”,调侃自己与 Max 之间默契配合的状态甚至像是某种“精神分裂”(psychosis),Patrick 则笑称开发者确实需要拥抱一点这种极客式的狂热,才能最大程度释放 AI 的潜能。 - 云端临时沙箱(Ephemeral Sandboxes in the cloud)现已进入 Preview 阶段供开发者调用。 - 本地沙箱支持已在最新更新中上线,为高危本地代码执行提供强隔离防护。 - Copilot CLI 适合作为体验原始模型特性的极简入门工具,后续可通过 SDK 进阶为复杂的多智能体编排。 ### [01:12:15](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4335s) 模型选型实战与 GitHub Mobile 远程控制预览 在谈及日常主力模型时,Patrick 分享了他近期的模型选型转变。作为过去近两年一直重度依赖 Anthropic Sonnet 和 Claude Opus 模型的资深用户,他最近几乎全盘转向了 OpenAI 的 GPT-5.5。他特别推崇“多模型交叉验证”的架构实践:让擅长发散和代码生成的模型(如 Opus)负责方案设计与初版实现,而让 GPT-5.5 负责最终的审查和验证,不同模型背后的训练数据与策略能够形成绝佳的互补。Patrick 总结了自己在实际评测中的体会: > “I find GPT 5.5 is really great, especially for reviews. Still love Opus for generating code as well, but I've started to use GPT 5.5 pretty much exclusively the last few weeks or so.” 主持人也表示近期深有同感,他的工作流如今同样由 GPT-5.5 主导执行,仅在前期架构设计和创意构思阶段保留 Opus。在对谈尾声,Patrick 预告了当天下午 4 点至 5 点在 Breakout 1 分会场举行的 Copilot SDK 专题讲座,将全面揭示微软内部在智能体工程化方面的更深层探索。随后直播切入产品短片,GitHub 高级产品设计师 Ori 与工程师 Josh 亮相,展示了如何通过 GitHub 统一的智能体通信标准,使开发者能在电脑端(VS Code 或 Copilot CLI)启动任务后,随时随地在手机版 GitHub Mobile 上远程接管会话、实时审查进度并下发新指令,实现真正的移动端无缝编排。 ### [01:14:39](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4479s) 欢迎回到直播现场:与 Evan Boyle 的结识与日常开发 现场直播切回舞台,主持人热情欢迎现场和线上的观众,并隆重介绍了来自 Copilot CLI 团队的工程经理 Evan Boyle。主持人打趣称 Evan 是一个“狂热的钓鱼爱好者”,热爱一切与鱼相关的事物。当被问及在 GitHub 究竟负责什么时,Evan 表示自己虽然是管理岗位,但始终保持极高的动手写代码频率。他认为在开发者工具领域,“如果不亲自编写大量代码、不亲身去体验用户的生活,你就无法成为这个领域的合格管理者”。 Evan 进一步阐释了自己团队负责的核心业务范畴。他们负责打造驱动 Copilot CLI 与 Copilot SDK 的核心 Agent 循环(agent loop),这一架构如今正在逐步推广为微软和 GitHub 内部所有 Agent 的统一底层运行时。此外,他们还负责维护 Copilot CLI 工具以及在 Keynote 演讲中刚刚亮相的全新 GitHub App。主持人补充透露,就在两三天前,Evan 还和团队一起在 GitHub 旧金山总部加班到午夜,将整个现场演示的代码从零彻底重写了一遍。 - **核心产品职责**:驱动 Copilot CLI 与 SDK 的核心 Agent 循环与运行时、Copilot CLI 工具本身,以及新版 GitHub App。 - **管理哲学**:研发开发者工具必须深入一线写代码,实时感受用户真实体验。 --- ### [01:16:35](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4595s) 现场演示 Copilot CLI:从 60 个 Issue 到“哥布林猫”应用 为了解答不少开发者关于“Copilot CLI 到底是什么”的疑问,Evan 现场展示了命令行界面的实际工作流。在此前与 Cassidy 共同主持的环节中,他们建立了一个全新的仓库,让现场观众自由提交 Issue 来决定现场编码的内容。观众一口气提了 60 个 Issue。随后,Evan 直接在终端中使用 Copilot CLI 的 Tab/Shift-Tab 交互式视图,将所有打开的 Issue 和 PR 浏览一遍,并指令 Agent 自动分析所有需求,提炼出最有趣的一个方案付诸实现。 观众最终票选的需求是:制作一个悬浮在屏幕上的小章鱼猫(Octocat),只要用户在本地执行任意 Git 操作,它就会向屏幕喷洒 Emoji。Evan 将该 Issue 投喂给 CLI 的“计划模式(plan mode)”,Agent 自动规划出实现方案并以“自动驾驶(autopilot)”模式全自动构建。在初始版本跑通后,团队再次向现场征集改进建议,最终观众选出了诸如音效、眼睛跟随光标移动、慢速动画以及风靡一时的“哥布林模式(goblin mode)”等特性(两人还顺带打趣了此前 GPT 模型对哥布林念念不忘的旧 Bug)。 ```mermaid flowchart TD accTitle: Copilot CLI 开发闭环流程 accDescr: 展示从社区 Issue 到自动化 Agent 计划并最终通过语音直接推送到主分支的完整闭环流程。 subgraph Input ["需求收集"] A["社区提交 60 个 GitHub Issues"] end subgraph AgentLoop ["Copilot CLI 智能处理"] B["CLI Tab 视图检索与汇总 Issues"] C["进入 Plan Mode 规划实现步骤"] D["Autopilot 自动编码并构建 Electron 应用"] end subgraph Interaction ["交互与交付"] E["空格键唤醒语音输入指令"] F["绕过 PR 流程直接 Force Push 到 main"] G["自动批量回复感谢并关闭关联 Issues"] end A --> B B --> C C --> D D --> E E --> F F --> G ``` 随后 Evan 展示了 CLI 的语音交互功能:按住空格键唤出音量条,直接口述指令:“不要提 PR,直接 push 到 main 分支。”伴随着猫咪发出咕噜声与提交时的“喵”叫声,这款基于 Electron 的应用在短短 20 到 25 分钟内即宣告交付。根据消耗明细,整个过程只花费了约 1300 个 Credits(折合约 5 到 10 美元),效率极高。 - **应用形态**:基于 Electron 构建的交互式桌面挂件,能够监听 Git 行为并发出猫叫与喷射 Emoji。 - **语音控制**:长按终端空格键触发内置语音识别(Voice Meter),直接下发自然语言系统指令。 - **成本开销**:完整功能生成耗时约 20-25 分钟,消耗约 1300 Credits(折合 5~10 美元 Token 费用)。 --- ### [01:19:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=4796s) 为什么重返终端?多会话并行与 TUI 的现代演进 针对主持人提出的尖锐问题——“为什么我们要在一个终端黑框里编码,而不是留在成熟的现代图形编辑器中?”——Evan 解释了终端对于开发者心智模型的特殊价值。在终端中,一切干扰都被剥离,只有最纯粹的日志与逻辑流,同时还能让开发者找回一种“极客黑客”般的掌控感。更重要的是,终端具有极高的复用和多路复用(Multiplex)灵活性:可以通过 `tmux` 或分屏在超宽显示器上平铺多套环境。 针对单屏或笔记本用户,Copilot CLI 新增了后台任务管理功能。开发者可以通过 `/new` 指令启动一个全新的独立对话(例如让它阅读 README 并分析未解决的 Issues),而旧的编码会话则会自动转入后台持续运算。输入 `/sessions` 命令后,用户可以随时查看当前实例中所有正在并行运行的任务并在其间自由切换。Evan 在演示中一边让后台 Agent 自动给社区用户回复友好留言并关闭已实现的 Issues,一边切回研究会话继续探索下一批任务。 主持人非常赞同这种方式,他透露自己最喜欢的日常工作流正是将 VS Code 编辑器窗口最大化,但将终端作为 Editor Tab 放置在核心区域,同时开启多个终端 Tab 与 Agent 并肩协作。两人强调,许多人一提到终端就害怕复杂的 Vim/Emacs 快捷键,但现代终端用户界面(TUI)已经演进得如同一套完整的 Web 应用甚至轻量 IDE;如今终端中的快捷键甚至比 VS Code 还要少,而且 Copilot CLI 甚至支持直接用鼠标点击顶部的标签页进行导航。 - **`/new` 指令**:派生新的任务分支并启动独立对话上下文,原会话无缝置入后台继续异步运行。 - **`/sessions` 仪表盘**:统一列出所有正在执行的后台 Agent 会话,支持开发者随心穿梭切换。 - **交互方式**:打破传统终端输入壁垒,不仅减少了快捷键依赖,还原生支持鼠标点击顶部 Tab 交互。 --- ### [01:23:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5032s) 极速迭代的团队:月均 2000 个 PR 与全 Agent 化研发 在谈及开发这套工具的 GitHub 内部团队时,Evan 分享了一组令人惊叹的高速研发数据。作为全公司最拥抱 AI 的核心先锋团队,他们自身的代码开发几乎完全被 Agent 接管。早在同年 3 月的一份内部调研中,该团队仅凭 10 名核心工程师,一个月就在 App、CLI、SDK 和 Agent Loop 相关的仓库中合并了高达 2000 个 Pull Requests。 这种恐怖的代码流速给团队本身也带来了独特的挑战。Evan 笑称,如今只要一周不碰 CLI 的代码库,再打开时就必须假定底层的实现方式已经完全变样了。如果自己想给一个月前编写的功能打个补丁,“我必须重新构建我对整个代码世界的认知,因为这套代码的演进速度实在是太快了。”当他向刚刚打造了全新 UI 的工程师 Moss 询问团队平时到底在多大程度上依赖 Agent 编码时,得到的回答是不言自明且坚定的:“我不知道其他人怎么做,但我自己大量、深度依赖它(a lot)。” - **研发人效**:10 人核心团队在多个核心仓库中创造了单月合并 2000 个 PR 的开发纪录。 - **极速代码流(Code Velocity)**:高密度的 Agentic Coding 导致代码库以周为周期发生巨变,连主要维护者都需要持续刷新对架构的认知。 ### [01:24:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5094s) 深入探秘 Copilot CLI 斜杠命令与多模型代码审查 在探讨 GitHub Copilot CLI 的众多高级功能时,主持人 Burke Holland 询问主讲人 Evan 最喜爱哪些功能,并指出大部分杀手级特性都隐藏在斜杠命令(slash commands)之后。Evan 赞同这一观点,随即在终端中放大字体,开启了一个新的交互式会话。为了在现场演示中保持流畅并实时推流输出,Evan 特意以 “Yolo mode”(无确认执行模式)启动了 Copilot。 Evan 重点演示了他极为推崇的 `/review` 斜杠命令,该命令支持多模型代码审查(multi-model code review)。他利用语音输入直接对智能体发出指令:“I'd like for you to do multi model code review with Sonet 46, GPT 55 and Gemini. I'd like you to then compare the results and only feed me issues where the models are in agreeance.”(我希望你使用 Claude 3.7 / 4.6 Sonnet、GPT-5.5 和 Gemini 进行多模型代码审查。请对比它们的结果,并且只向我汇报这些模型达成一致的问题)。在发号施令后,Evan 笑着调侃自己创造的词汇:“Is agreeance a word? I think I just made it up Agreement.” Burke 和 Evan 一致认为大语言模型并不在乎细微的拼写错误,Evan 更是总结道:“That's the beauty of, you know, LLMS is they, they, they pick up what you're putting down. And they don't care about spelling at all.”(这就是大语言模型的美妙之处,它们能完全领会你的意图,而且根本不在乎拼写)。 随后,CLI 展现了被称为“引导提问”(elicitation)的功能。当系统检测到上下文存在歧义时——例如执行代码审查命令时通常假定当前分支有领先基础分支的提交,或者存在未暂存的修改,但此时工作区正好干净地停留在 `main` 分支上——CLI 便会主动弹出交互式菜单,询问用户是希望审查整个代码库、特定分支,还是仅审查最新提交。Evan 选择了审查最新提交并合并。在随后的分支名与提交哈希自由输入提示中,由于记不清具体的 commit hash,Evan 干脆回复了一句“你看着办”(you figure it out / best judgment),将分析与判断工作完全放权给底层智能体。 ```mermaid flowchart TD accTitle: Copilot CLI 多模型审查流程 accDescr: 展示用户通过语音下发多模型审查指令后,CLI 处理歧义引导与模型交叉对比的执行逻辑。 subgraph UserInput ["用户交互层"] A["语音下发指令 (/review)"] --> B{"上下文检测 (Elicitation)"} B -->|"主分支无待提交更改"| C["交互提示: 选择审查范围"] C -->|"选择: 最新提交"| D["模糊输入: '你看着办'"] end subgraph MultiModelReview ["多模型协作引擎"] D --> E["分配审查任务"] E --> M1["Claude Sonnet 4.6"] E --> M2["GPT-5.5"] E --> M3["Google Gemini"] M1 & M2 & M3 --> F["交叉比对结果"] F --> G["过滤: 仅输出共识问题 (Agreement)"] end G --> H["精简报告呈递给开发者"] ``` ### [01:27:34](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5254s) 配置自定义指令:解决智能体“长篇大论”的冗长问题 随着终端上智能体不断滚动输出大段文本,Burke 和 Evan 对智能体普遍存在的“话痨”毛病展开了热烈吐槽。Burke 直言自己根本没时间去读长篇大论:“I'm too busy. I'm building things... Like people send me an e-mail that looks like they spent an hour on it that was written by an agent. You're wasting my time. Boil it down to one sentence.”(我忙着构建东西呢……就像有人发来一封看似花了一个小时写的邮件,其实全由智能体生成。你这是在浪费我的时间,直接用一句话讲清楚就行)。 Evan 指出,这正是 GitHub 团队在应用端探索且正逐步引入 CLI 的核心体验——让开发者能够自由配置输出的精简度(brevity)。有些工程师喜欢详尽的完整日志,而有些人则只想看最终答案。为了演示这种高度可定制性,Evan 按住空格键通过语音实时下达了一条修改自定义指令的命令,要求智能体将规则写入配置:“I'd like for you to add to my custom instructions that I want you to be as brief and concise and to the point as possible. Unless I ask otherwise like one sentence. Make it easy for me to read and scan.”(我想请你在我的自定义指令中加上:除非我另有要求,否则回答必须尽可能简明扼要、直奔主题,尽量保持在一句话左右,方便我快速阅读和扫视)。 敲下回车后,Copilot 迅速更新了仓库内的 `copilot-instructions.md` 文件。Evan 进一步解释了配置的作用域: - **仓库级配置**:如果这是个人拥有的仓库,直接将自定义指令写入项目内; - **个人全局配置**:如果是团队协作的大型代码仓库,则更推荐放置在本地用户的主目录 `.copilot` 文件夹中,以维护适合个人工作节奏的专属偏好。 ### [01:29:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5349s) 本地语音模式与“踱步式”编码体验 Burke 注意到 Evan 在整个演示过程中频繁使用按键语音输入,便追问语音交互的底层实现以及它是否为外置插件。Evan 解释称,语音模式是内置支持的,可以通过 `/voice` 命令随时开启或关闭。在展示可选模型时,CLI 提供了 NVIDIA 提供的 Nemotron 英文与西班牙语等多种语音转文本(STT)模型供开发者下载。 Evan 强调了这种纯本地模型的巨大优势:虽然初次安装时模型体积大约有 700MB,但其支持本地流式转录(local streaming)。这意味着开发者完全不需要调用云端或依赖第三方推理 API,所有语音解析都在个人电脑本地完成,既保护了隐私又确保了极低延迟。 在互动环节中,Burke 询问现场观众有多少人在工作中会跟智能体讲话。看到全场寥寥无几后,Burke 打趣道,很多人不愿开口可能是因为对着空气说话感觉像在“自言自语”,显得有些难为情,甚至调侃道打字时人在思考,而说话时往往“不经大脑”。Evan 随后分享了他习惯使用语音模式的渊源。他透露是微软著名技术专家 Scott Hanselman 带他入坑的:“Scott Hanselman is the one who turned me on to voice mode. He does everything in voice mode.” 早在 GitHub 内部测试的 weekly dogfooding 期间,他们观察到 Scott 一直借助本地听写工具工作。虽然 Evan 一开始并不理解这种工作流,但随着时间推移,他发现自己的思考习惯非常契合语音操作: > “I realized I'm kind of a person who likes to pace around my office while I think, if that makes sense. So I have like a little USB remote that's hooked up to that shortcut. And I pace around my office with my headphones on and I ramble at my agent... It works for me. In 1965, we're all dictating to recorders again.”(我意识到自己其实是那种喜欢一边在办公室踱步一边思考的人。于是我搞了一个小巧的 USB 遥控器映射到语音快捷键上,戴着耳机在办公室走来走去,对着智能体喋喋不休……这对我来说非常有效。简直就像回到了 1965 年,大家又开始拿着录音机口授听写了。) 在环节收尾时,Evan 预告了他下午 4 点与 Mario 共同呈现的 GitHub 客户端进阶工作流分享,以及当天早些时候与 Cassidy 录制的 CLI 深度解析视频。Burke 则向所有持怀疑态度的开发者发出公开挑战:“If you're skeptical about these CLIs, these tools, then I definitely want you more than anyone else to go install the Copilot CLI and just try it, just try it. OK, that's my challenge to you, because I understand the skepticism. I was too. Once you do it, you're like wow, that feels amazing.”(如果你对这些命令行工具感到怀疑,那么我比任何人都更希望你去安装并试用一下 Copilot CLI。这就是我对你的挑战,因为我完全理解那种怀疑态度,我以前也是如此;但一旦你真正用上了,你就会惊呼这感觉太棒了)。 ### [01:32:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5565s) 现场 Vibe Coding 竞赛与 Beast Mode 智能体实战 紧接着,现场画面切入紧张刺激的现场“Vibe Coding”(氛围编码)竞赛环节。一位参赛选手向大家复盘了他极具创意的项目启动流程。比赛题目宣布后,他首先用手机拍下挑战规则的照片,接着通过 AirDrop 隔空投送到笔记本电脑中。 面对未知的技术选型,选手先直接向智能体探路:自己的机器是否配置了 Rust 环境,以及能否用 Rust 来写网站。智能体直截了当地提示他的电脑上并未安装 Rust,并列出了构建方案。选手随即指示智能体:“安装我所需的所有依赖,我来为你准备 Prompt”。在 Prompt 中,他不仅写明了比赛规则,还下达了关键指令——“boost the prompt”(扩充并强化 Prompt),要求智能体在评委给出的原始要求基础上丰富细节精度,并生成详尽的执行规划(Plan Mode)。他特别为项目排定优先级:能部署上线固然好,但确保在本地顺利运行是绝对的“P0”级别。 有趣的是,智能体在通读规划后给出了非常直白的建议:“嘿,做这个你根本不需要 Rust,你只需要 HTML 和 JavaScript 就够了。你还坚持要用 Rust 吗?” 为了彻底贯彻自己的意志,选手决定祭出自己深度配置的自定义智能体——“野兽模式”(Beast Mode Rebooted)。该自定义智能体强制启用了几项极为强悍且反常规的底层机制: - **强制使用 Context 7** 级别的上下文处理框架; - **强制拆分子智能体(Sub-agents)并行运作**。选手在台上笑着自嘲:“I know I'm not supposed to use sub agents. I don't care. I'm doing it anyway. I told you I wasn't going to listen.”(我知道规则可能不允许使用子智能体,但我根本不在乎,照用不误,我早就说过我不会听话的); - **强制注入不可动摇的核心编码原则**,确保生成的代码即便在极高复杂度和多智能体并行调度下也能保持极高的规范性与执行力。 ### [01:34:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5649s) 自动化闭环与 Agent Skills 实战演示 在演示的开始,演讲者展示了他在命令行界面(CLI)中切换到 Autopilot 模式后的自动化流程。这个功能在 CLI 中仍属于实验性阶段,其本质相当于 GitHub Copilot CLI 版本的“Ralph 循环”(Ralph loop)。系统一旦启动就会自主持续运转,不断执行测试:它自动启动本地服务(localhost)、在后台截取屏幕截图、分析页面状态并循环校验。当终端最终提示任务完成时,主讲人一开始甚至有些手足无措,花了一点时间才搞明白怎么把成果跑起来,但整个应用确实已经成功搭建并正常运行了。 这套自动化流的核心在于组合使用了特定的能力扩展(Skills)。首先,主讲人使用了来自 `skills.sh` 的前端设计技能(front end design skill),这项技能预先安装在环境中。他特别提到社区知名创作者 Theo 曾给过建议,称 Claude 3.7 / Opus 4.6 配合前端设计技能可以说是目前进行 UI 设计“最封神(goated)”的组合方式。其次,更关键的一环是“Agent 浏览器技能”(agent browser skill),它被用来负责真实的端到端运行验证。 演讲者谈到了智能体工程中普遍存在的核心痛点:许多 Agent 往往无法形成执行闭环。智能体通常在改完代码后直接宣告“搞定了”,但当开发者亲自打开页面时,却发现程序根本跑不起来。针对这种脱节,演讲者直接指出了闭环的重要性:“Because one of the problems with with agents is that they can't close the loop.” 借助浏览器技能,Agent 能够自主驱动浏览器进行交互和视觉验证。在现场演示中,他在生成的应用里给同事 John 点了“赞(Kudos)”,界面随即弹出了流畅的交互动画;更重要的是,当他刷新浏览器页面后,点赞数据依然完整持久化保存着,证实整个功能闭环确实顺利跑通。 - **Autopilot 机制**:Copilot CLI 内部的自主循环机制,可持续执行本地环境测试与截图取证。 - **Skills 组合**:通过 `skills.sh` 载入前端设计技能处理样式,配合浏览器测试技能完成运行检验。 - **持久化验证**:生成的交互式点赞应用支持即时动画反馈,并在刷新后维持状态。 --- ### [01:35:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5741s) 幕后工程:Julia 揭秘 VS Code 多模型接入背后的复杂性 舞台转回 Microsoft Build 现场演播室。主持人热情欢迎了 VS Code 团队的产品经理 Julia。Julia 于去年 8 月刚刚加入 VS Code 团队,她笑着形容这段经历是一场极其充实且充满挑战的“过山车之旅”。主持人随即将话题切入当下开发者最关注的核心命题——“Agentic 编程时代”(智能体编程时代)。从用户视角来看,在 VS Code 界面中切换底层大模型就像在下拉菜单里挑选项一样轻松自如,似乎一切都理所当然,但实际上背后需要庞大的底层工程支持,而这正是 Julia 所负责的核心工作。 Julia 坦言,自己在真正接手这项工作之前也抱有同样的轻巧设想:以为在 VS Code 里使用 Chat 插件,每当有新模型发布时,团队只需要把新的 API 端点接入进来就大功告成了。然而,实际情况远非如此简单。Julia 直截了当地打破了这种幻觉:“It's not as easy as, oh, we get a new model endpoint and boom, here it is.” 每一次在 VS Code 插件中上线一个新模型,都需要团队跨越多个技术层级进行大量深度协作。VS Code 团队必须与各大模型提供商(如 OpenAI、Anthropic 等)的研究团队紧密对接,深入挖掘新模型的底层特性与行为模式。每一家供应商的模型、甚至同一家供应商的不同系列,其行为方式都截然不同,宛如一朵朵拥有独特习性的“特殊花朵”,无法通过一套通用逻辑简单套用。 - **开发者视角的错觉**:UI 层面只需点击下拉列表切换模型,掩盖了底层庞杂的工程适配。 - **跨团队深度对接**:从 Copilot API 后端接入团队,到 VS Code 客户端工程团队,再到模型提供商的研究人员,全链路协同调试。 --- ### [01:37:30](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5850s) 为什么换模型等于换系统?剖析执行脚手架(Harness)四大要素 随着讨论深入,Julia 分享了她在工作中最具冲击力的顿悟时刻:即便是同一个模型家族内部的版本迭代(例如从 GPT 5.4 升级到 GPT 5.5),模型的“个性”(personality)与行为特征也会发生显著转变,团队必须为此全面调整代码执行脚手架。关于模型的不透明性与调优必要性,Julia 强调道:“And that's why we work very closely with them because for us the models are also a black box.” 为了让观众清晰理解背后的技术逻辑,Julia 在屏幕上展示了一张工作流架构图,详细拆解了模型接入过程中的关键概念——“执行脚手架”(Harness)。从本质上讲,LLM 本身仅仅是一个只能输入和输出 Token 的概率预测引擎;而 Harness 则是大模型运行所依赖的外部系统与宿主环境。正是 Harness 负责将模型输出的 Token 翻译成现实中的具体动作——比如如何在 VS Code 工作区中编辑和应用代码变更、如何在终端中安全执行指令等。每当引入一个新模型,团队都必须对 Harness 的四大核心支柱进行专门调优: ```mermaid flowchart TD accTitle: VS Code 智能体执行脚手架核心支柱 accDescr: 展示 LLM 与外部宿主环境交互所必需的四大核心 Harness 组件。 LLM["LLM 底层模型 (仅提供 Token 输出)"] --> Harness["VS Code 执行脚手架 (Harness)"] subgraph HarnessComponents["Harness 四大适配要素"] P["系统提示词 (System Prompt)<br/>按模型与供应商针对性微调"] T["内置工具集 (Built-in Tools)<br/>补丁应用 vs 文件插入"] C["上下文管理 (Context Management)<br/>窗口容量与注意力策略适配"] L["Agent 循环 (Agent Loop)<br/>调用逻辑与工具加载流程"] end Harness --> P Harness --> T Harness --> C Harness --> L HarnessComponents --> Actions["实际开发动作 (文件修改 / 终端执行 / 语法检测)"] ``` - **系统提示词(System Prompt)**:即便面对同样的任务,不同模型提供商甚至同一供应商的不同模型,都需要量身定制专属的系统级指令,以激发出最佳推理逻辑。 - **内置工具集(Built-in Tools)**:不同模型倾向于调用的工具截然不同,Harness 必须确保为特定模型暴露最契合其行为习惯的工具接口。 - **上下文管理(Context Management)**:各模型的上下文窗口长度、注意力衰减机制以及对长文本的容纳能力千差万别,必须制定差异化的上下文裁剪与注入策略。 - **Agent 执行循环(Agent Loop)**:包括智能体如何分步推理、何时终止循环、如何动态按需加载工具等端到端流程控制。 --- ### [01:40:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6040s) 实战对比与 Debug Log:探秘 OpenAI 与 Anthropic 的底层行为差异 为了直观证明不同模型在 Harness 内部的运作差异,Julia 在现场切换到了 VS Code 稳定版,演示了一个名为“DJ Julia”的趣味实战项目。现场出现了一段轻松的插曲:主持人笑着提醒 Julia 多按几次 `Ctrl +` 放大编辑器字体,打趣说自己“上年纪了,字太小看不清”。Julia 随后调出了为该项目准备的 Prompt:“为我的 DJ 应用创建一个新的音乐模式(music pattern)”。 Julia 指出,开发者完全不需要盲目猜测 Harness 在幕后做了什么,VS Code 提供了完整的“聊天调试日志”(Chat Debug Logs)。只要打开调试日志,就能透视大模型交互背后的每一个细节:包含了当前请求被注入的具体 System Prompt、模型接收到的上下文切片、发起的每一次工具调用(Tool Call)以及检索过程。在对比日志时可以清楚地发现,使用 GPT 5.5 时注入的系统提示词,与使用 Claude Opus 4.6 时存在结构性的不同。模型提供商最清楚自身模型的优缺点,VS Code 团队正是借助供应商的一手研究成果,针对性地编写这些提示词。 更显著的差异体现在具体工具的选择偏好上。Julia 举例说明,OpenAI 的 GPT 家族模型在修改代码时,几乎总是习惯性地调用 `apply_patch`(打补丁)工具来更新代码块;而 Anthropic 旗下的模型则截然不同,它们更倾向于直接调用 `insert`(插入)和全文件重写类工具。为了进一步展示这种跨厂商的风格分歧,Julia 复制了完全相同的提示词,在现场将底层模型从 GPT 5.5 切换为了 Opus 4.7。同时她也提醒道,AI 领域本身就具有固有的“非确定性”(nondeterminism),即便输入完全一致的 Prompt,每次运行的思考路径和代码输出也会各有不同,而跨模型的工程实践正是在这种充满变量的环境中寻找最优解。 - **调试日志透明度**:通过 Chat Debug Logs 可完整追踪工具调用栈、系统指令注入和消息分段。 - **工具调用偏好分歧**:GPT 家族偏爱细粒度的局部差量更新(`apply_patch`),而 Anthropic 家族模型更习惯直接执行插入(`insert`)等文件操作。 - **非确定性挑战**:模型天生依赖采样生成,即便在相同 Harness 配置下,每次执行也会表现出独特的推理轨迹。 ### [01:43:32](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6212s) 大模型随机性与针对 GPT 5.5 的系统提示词调优 主持人和嘉宾探讨了模型输出在统计分布层面的不确定性。主持人开玩笑说自己总是喜欢炫耀“随机过程”(stochastic process)这个词:“这就像一个值五美元的高级词汇,说出来显得你特别聪明,虽然我其实没有完全搞懂它到底是什么意思,但大家都这么告诉我。”归根结底,大语言模型的运行完全是概率性的,即使输入相同的提示词给同一个模型,每次生成的输出也都会有所不同。 针对这种特性,团队展示了提示词的工程化迭代。嘉宾在屏幕上对比了前后的系统提示词(System Prompt)。旧版本提示词会执行一系列预分类检查;而在最新的云端配置中,指令文件发生了显著变化。例如在接入 GPT 5.5 时,团队特别加入了一条规则,确保模型在运行之前先插入某些必要步骤。这是因为他们观察到 GPT 5.5 的行为模式更倾向于“立刻去终端里执行命令”,而团队希望引导它“先进行适度的代码探索,然后再去运行”。这种针对性的系统提示词相比沿用 GPT 5.4 的旧模板,成功率有了极其明显的提升。 主持人对此深有共鸣,并分享了自己踩坑的经历:“我们私下聊,我自己用 Rust 写了一套自动化测试框架(harness),然后换了新模型,原以为一切都能照常跑,结果所有东西直接挂掉彻底不工作了。”这说明每次新模型发布时,开发者绝不能简单地替换模型名称,而必须坐下来重新摸索最佳提示词和工具调用(Tool Calls)的最佳实践。 “我和 OpenAI 的工程师们紧密合作完成了所有这些优化工作,”嘉宾指出,虽然开发者自己造轮子很有乐趣,但使用 GitHub Copilot 内置机制的核心优势,就在于官方团队会与模型供应商并肩作战,对每一个全新检查点(checkpoint)做极致打磨,确保大部分用户能够开箱即用。 ```mermaid flowchart LR accTitle: System Prompt Behavior Comparison accDescr: Comparison of model behaviors between GPT-5.4 prompt pattern and GPT-5.5 prompt pattern. subgraph S1["默认 GPT 5.5 行为"] A["接收任务"] --> B["立即在终端执行命令"] B --> C["缺乏上下文导致易出错"] end subgraph S2["Copilot 调优后行为"] D["接收任务"] --> E["先探索工作区与代码"] E --> F["在终端执行命令"] F --> G["显著提升任务解决率"] end ``` ### [01:45:50](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6350s) 代码助手的垂直优化与模型供应商的协作流程 针对主持人提问“这套 Harness 是通用的还是完全为写代码定制的”,嘉宾明确指出它百分之百是面向写代码场景进行深度优化的。在指令文件的首行,团队通常就会显式写明“你是一个专业的 AI 编程助手”,通过强设定将模型锚定在编程上下文之中,并引导其熟练调用诸如“在终端中运行”(run in Terminal)等内置工具,而不是仅仅输出一段干瘪的文本回复。 在谈到新模型接入的工程流程时,嘉宾透露了一个反直觉的行业现状:每次从模型供应商那里拿到新的模型检查点时,供应商给出的第一个要求往往是“直接使用上一个旧模型的系统提示词,先跑跑看效果”。这种做法的目的是建立基准线,观察模型在没有任何外部优化的情况下原生能力究竟有多强。 评估过程主要由两条并行路线组成: - **离线评测基准测试(Offline Eval Benchmarks)**:通过标准数据集进行批量运行测试。 - **内部全面试用(Internal Dogfooding)**:在微软内部开发团队中进行实际编码场景的高频真实体验。 在收集到这套基准测试数据后,团队会把结果反馈给模型供应商,共同探讨改进方案。有些时候,微调几句提示词就能见效;但也有极端情况,现有逻辑完全无法匹配新模型,“我们不得不把所有的提示词彻底清空,从零开始重新构建”。团队会不断打磨迭代,直到在模型公开发布之日达到最佳水准。 ### [01:48:10](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6490s) 评测体系架构:SWE-bench 与内部 VSCbench 针对传统软件工程中的单元测试与质量门禁,主持人询问是否有系统化的回归评测机制来衡量模型表现。嘉宾解释称,评估模型表现绝不仅依靠直觉,团队构建了完备的评测闭环,而且在模型上线后依然会持续优化这套 Harness。 在业界公开评测方面,他们会定期运行知名的 SWE-bench。尽管业界对公共评测基准存在争议,连模型供应商也直言现在的模型已经非常聪明,很容易在标准题库上刷出高分,但团队依然坚持运行 SWE-bench——不再将其视为评估质量上限的绝对标准,而是将其作为监控模型是否发生功能退化(Regression Test)的底线防护网。 更关键的评测利器是微软内部专门打造的 **VSCbench**: - **测试规模**:包含 100 多个高度仿真的实际编程任务实例。 - **运行环境**:每次评测都会在 Azure 容器应用(ACA)中动态启动一个运行着最新 VS Code Insiders 版本的实例,保证测试环境绝对前沿且干净。 - **多轮测试**:鉴于大模型的非确定性(non-deterministic)特征,每个任务用例通常需要重复运行 5 次以消除偶然误差(现场演示的报告中对比了 GPT 5.4 跑 2 次与 GPT 5.5 的结果)。 - **指标评估**:核心关注“解决率”(Resolution Rate)。系统内嵌了一系列严格的断言检查清单(Checklist),只有所有断言全部通过,该任务才被判定为已解决。在现场展示的“模型报告卡”(Model Report Card)中,GPT 5.5 在 248 个测试用例中成功解决了 153 个。 嘉宾给开发者提出了两点建议:第一,永远对新模型保持尝试的心态,如果在初次尝试时遇到瑕疵,不妨在官方迭代提示词后再给它一次机会;第二,“对于任何想要构建自己的代码辅助框架的开发者来说,离线评测(offline evals)都是一个极其巨大的课题”,这是微软在实践中验证极为成功且模型供应商极其看重的方法论。 ### [01:52:12](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6732s) 应对模型爆炸:Copilot 自动模型选择(Auto Mode) 随着大语言模型技术日新月异,行业面临着幸福的烦恼:仅在本次 Microsoft Build 大会上就发布了多款全新模型。开发者虽然习惯了在不同的 AI 助手间来回切换,但面对五花八门的选择器时,往往陷入不知道该选哪个模型的迷茫。 为了解决这一痛点,GitHub 团队推出了“Copilot 自动模型选择”(Copilot Auto Model Selection,简称 Auto 模式)。这项功能的设计初衷,就是将模型选择与调度的底层复杂度完全抽象并隐藏起来: “模型格局变化如此迅速,这对整个行业的 AI 发展来说是一件好事,但这确实增加了额外的一层复杂度。开发者不得不面对各种疑问:到底应该用哪个模型?在什么场景下使用?以及当第二天就有新版本或全新模型问世时,你该如何扩展?我们希望为你抽象掉这些复杂性,实时自动为你的任务匹配最佳可用模型,从而让开发者能够专注于他们真正想做的事情。” 该模式主打极致的易用性:不需要开发者配置任何复杂的规则,也不需要开启特定的策略开关。用户只需在自己喜爱的 IDE、GitHub Copilot CLI 或 Copilot Cloud Agent 的模型选择下拉菜单中勾选“Auto”,系统就会在后台根据实时任务特征自动分发并选用最合适的模型底座。 ### [01:53:45](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6825s) 为 GitHub Copilot 量身定制的专有模型:MAI-Code-1 Flash 作为一名开发者,主持人对微软全新推出的 MAI-Code-1 Flash 模型表现出浓厚的兴趣,并在现场邀请到了该模型的核心研究人员 Peng 和 Hunter。主持人调侃称自己虽然要抛出一些尖锐的技术难题,但面对这群“真正的智囊”,自己得尽量显得不那么外行。两位研究人员分别负责模型的预训练研究与核心代码架构,他们开门见山地指出,MAI-Code-1 Flash 绝非行业内常见的那种“先训练通用大模型、最后阶段生硬微调适配代码”的产物,而是一款从底层架构到训练目标完全围绕 GitHub Copilot 与 VS Code 真实场景量身打造的专用模型。 Peng 解释道,针对真实编程环境进行定制优化,意味着模型交付的远不仅是泛化的孤立代码片段。它能够深度理解代码库的上下文信息、自主调用编辑器内嵌的各种工具、精准识别开发者的意图,并完成高精准度的局部定向修改(targeted edits)。更重要的是,它的响应速度极快,完全摒弃了在简单任务上漫长思考的通病,并能在最恰当的时机自动触发单元测试。谈及这种从根源上定制设计的理念,Peng 总结道:“对我们而言,构建专用模型意味着我们并没有拿一个通用模型在最后阶段做代码适配;事实上,我们从一开始就是针对 GitHub Copilot 场景构建的,并且从一开始就针对 GitHub Copilot 的体验进行了全面优化。” - **真实工作流导向**:模型重点优化了开发者在 VS Code 中的实际流转体验,而非仅追求刷榜指标。 - **上下文与工具整合**:深度理解多文件代码库上下文,原生调用开发环境工具链。 - **智能化决策时机**:对于基础问题秒级响应无冗余思考,在代码生成或修改的关键节点精准执行单元测试。 ### [01:56:09](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=6969s) 多阶段课程训练与真实环境强化学习 主持人结合自身机器学习背景提出疑问:大模型本质上是通过海量数据结合线性代数与微积分进行优化的庞大网络,那么让 MAI-Code-1 Flash 在 VS Code 中表现脱颖而出的特种训练数据和流程究竟是怎样的?研究团队揭示了其采用的完整多阶段训练体系。模型训练始于类似“冷启动(cold start)”的基础监督微调(SFT),让模型学会严格遵循开发者指令并输出格式对齐的代码;随后采用课程学习(curriculum learning)的递进逻辑,由浅入深地输入海量多样化数据,从极其简单的基础编码任务逐步过渡到复杂系统级的工程任务。 整个训练流程中最关键的一环在于最终阶段的强化学习(Reinforcement Learning)。研究团队将模型直接置入与真实产品完全一致的环境中,使用开发者日常使用的同款 VS Code 工具链、同款提示词,以及日常软件工程任务(SWE tasks)的真实工作流。团队为此构建了专门的奖励模型(Reward Model),根据实际任务的完成度持续给予反馈。正如 Peng 所指出的那样:“强化学习是让模型与 GitHub Copilot 中的用户体验达到完美对齐的最后一个阶段。”通过将训练、自动化基准评测(harness)与生产环境完全打通在同一套工作流内,模型得以学会真正的“工程直觉”与规范交互行为。 ```mermaid flowchart TD accTitle: MAI-Code-1 Flash 多阶段训练与对齐流程 accDescr: 展示从基础 SFT 到课程学习再到真实环境强化学习的模型训练全生命周期。 subgraph Phase1["阶段一:冷启动与基础指令对齐"] A["基础监督微调 (SFT)"] -->|"对齐指令与格式"| B["格式规范与基础工具调用"] end subgraph Phase2["阶段二:递进式课程学习"] B --> C["基础编程任务数据"] C -->|"难度渐进升级"| D["高复杂度工程任务数据"] end subgraph Phase3["阶段三:真实环境强化学习 (RL)"] D --> E["VS Code 原生工具环境与真实 Harness"] E --> F["开发者日常 SWE 任务提示词交互"] F --> G["专用奖励模型 (Reward Model) 反馈与对齐"] end ``` ### [01:58:39](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7119s) 137B 总参数与 5B 激活参数的 MoE 架构平衡艺术 谈及模型参数规模,主持人提到业内普遍存在一种“贪大心理(biggie sizing)”,盲目认为模型越大越好,但实际落地中往往需要用大模型沉淀经验后再蒸馏为小模型。Hunter 揭晓了 MAI-Code-1 Flash 的架构机密:它实际上是一个专家混合架构(Mixture of Experts, MoE)模型,总参数量高达 1370 亿(137B),但在单次推理每个 Token 时,仅激活其中的 50 亿(5B)活跃参数。 这种设计巧妙化解了开发者日常编程场景中模型智能水平、响应延迟与推理成本之间的“不可能三角”。在推理时,网络通过精确的门控计算将具体的代码任务路由至最擅长的特定专家子网络,其余专家保持静默,从而以 5B 级别的计算消耗实现了近乎完整大模型的代码推理品质。针对这种机制所带来的成本效益,Hunter 明确解释道:“这意味着在每次推理中只有一部分网络被激活,从而节省了大量成本。”研究团队更将两项核心优势相融合,骄傲地评价道:“如果你把模型效率和 Token 效率结合起来,你会发现就它的体积而言,它简直就是一头性能猛兽。”从像幼儿入托般的指令冷启动,到逐步攀升至博士级别的复杂系统架构能力,模型在严格的强化学习约束下持续登顶,证明了精细化垂直训练对于工程效率的绝对优势。 | 架构特性 | 规格参数与技术实现 | 核心工程收益 | |:--- |:--- |:--- | | **总参数容量 (Total Parameters)** | 约 1370 亿 (137B MoE) | 具备容纳海量代码知识与复杂工程逻辑的底层能力储备 | | **单 Token 激活参数 (Active Parameters)** | 约 50 亿 (5B) | 推理算力消耗极低,吞吐量超快,降低每次交互的 Token 成本 | | **系统路由机制** | 动态专家路由 (Dynamic Routing) | 结合上下文将任务精准推送至专属专家模块,避免全网计算空耗 | | **产品端性能表现** | 超低延迟 + 高 Token 效率 | 秒级生成流式代码,完美契合实时交互式结对编程节奏 | ### [02:02:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7360s) 实机演示:超快推理速度与前端应用构建 在随后的现场实机演示环节,研究团队将镜头切换至电脑屏幕,展示了 MAI-Code-1 Flash 在 VS Code 中的实际运行能力。演示展示了从零构建一个前端 Web 应用的全过程。当开发者给出基础 Prompt 指令后,模型立即展现出令人惊叹的推理速率:Token 以前所未有的极高流速实时喷涌而出,同时模型熟练地调动 VS Code 各种原生开发工具与文件系统 API,自主编辑项目结构并注入业务代码。 在毫无冗余停顿的情况下,模型不仅高效利用了原生编辑环境,更在极短的时间内完整搭建起一个外观精致且交互完备的前端 Web 应用。紧接着,团队又展开了另一项更具挑战性的演示——引导该模型去构建一个集成 AI 功能的全新 Web 应用,其超快的响应敏捷度与高准确度的协同编码表现,生动展示了其作为专有编程智能体的实战威力。 ### [02:03:30](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7410s) 针对真实开发工作流定制小尺寸前沿模型 在演示了一款具有复古风格的游戏后,展示者指出该界面的视觉表现相当出色,团队在训练中通过引入原生合作伙伴,投入了大量精力来提升模型的前端开发能力,使其能够高效生成高质量的界面。该模型目前正逐步向 VS Code 用户灰度推送,获得资格的开发者会在模型选择器(Model Picker)中看到它的身影。谈及构建这款针对特定场景的前沿模型最有趣的体会时,研发团队强调,脱离枯燥的基准测试、贴近用户真实的日常工作流才是最关键的优化方向。研发人员直言:“Learning, I think users real workflow is important for us to optimize their model for users purpose.” 如果没有基于 Copilot 实际开发场景的上下文交互和接地(grounding)任务进行针对性优化,模型根本不可能达到如今与编辑器深度契合的流畅程度。 在测试方法上,该模型不仅在多项公开基准测试中取得了同等尺寸前沿模型的优异成绩,团队更将重心放在了实际的端到端用户体验上。为了评估其在真实环境中的表现,团队进行了大量的线上 A/B 测试,严密监控模型是否能圆满完成开发者的指令,并观察用户与模型的互动粘性,例如取消请求的频率是否极低。就日常使用体感而言,模型响应更为敏捷迅速,足以胜任绝大多数常见的全栈开发任务;但研发团队也坦承,作为小尺寸模型,在面对极高难度的复杂任务时,受限于参数规模仍会存在一定的能力天花板。 针对模型的能力边界与适用场景,团队特别提醒开发者不要盲目把小模型当成全能大模型来用: - **核心强项**:擅长日常软件工程(SWE)任务,包括前后端开发、多种编程语言的代码补全与修改。 - **局限性与非目标任务**:模型并未针对诗歌创作、散文等开放式创意写作(Creative Writing)进行调优,处理此类任务时应选用更适合的泛化大语言模型。 - **灰度发布机制**:模型正在 VS Code 中向开发者逐步分批推出,用户可通过界面内的模型选择器确认是否已获得使用权限。 --- ### [02:06:26](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7586s) 多 Agent 语音协作与 MAI 联合演示 紧接着,现场展示了一个支持语音交互的趣味多智能体项目。在该演示中,用户通过语音发出指令,要求启动编码 Agent 并为它们分配开发任务。系统首先请求人工批准以启动本地开发服务器,在用户确认后,本地开发服务器成功在 localhost 上启动。随后,演示者继续通过语音指示 Agent 将前端 Web 应用的背景改为蓝绿渐变色,Agent 迅速在后台完成文件修改。当被要求检查单元测试覆盖率并补齐缺失用例时,Agent 自动检测并再次弹出确认请求以执行 NPM 命令,最终顺利为个人资料头部组件(profile header)补写了测试代码。当演示者询问各 Agent 当前的运行状态时,系统汇报三位 Agent 正在协同分析当前应用架构,其中一位正计划将组件重构至独立目录中。 这一流畅协作背后的技术架构,实际上是团队利用周末时间打造的概念验证项目,融合了微软最新的人工智能研究成果。该系统串联了三款各司其职的专属模型:负责精准语音识别的 MAI Transcribe、负责系统级调度与决策的 MAI OS,以及负责高效代码编写与重构的 MAI Code Flash。 ```mermaid flowchart TD accTitle: 多 Agent 语音协作流程 accDescr: 用户语音通过 MAI Transcribe 识别,经由 MAI OS 调度决策并向用户请求授权,最后由 MAI Code Flash 执行代码生成与测试补全。 subgraph Input["输入与识别"] A["开发者语音指令"] --> B["MAI Transcribe<br/>(语音转录)"] end subgraph Orchestration["智能体调度与控制"] B --> C["MAI OS<br/>(任务编排与状态监控)"] C --> D{"敏感操作执行确认<br/>(如启动 Dev Server/执行 NPM)"} D -->|"用户授权批准"| E["多 Agent 协同工作流"] end subgraph Execution["代码与测试执行"] E --> F["MAI Code Flash<br/>(前端 UI 渐变重构)"] E --> G["MAI Code Flash<br/>(单元测试分析与补齐)"] E --> H["项目架构检测与组件重构"] end ``` 谈及该项目带给开发者的启示与未来展望时,团队成员表示,能够将不同专用领域的模型模块化组合,代表了未来软件工程工具演进的自然方向。一位开发者总结道:“I think imagination is important. We can imagine in the coming few months as we have even better sense come out.” 另一位团队成员则强调这仅仅是探索的起点:“My take away is we are seriously treating the best model for our product, the best code and other product and this is just the beginning of our journey.” 他们鼓励广大开发者在试用这些模型时踊跃提供反馈,以便团队持续迭代,并预告未来还将推出更强大的大尺寸模型。 --- ### [02:09:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7780s) 突破性能极限:TypeScript 编译器从 JavaScript 迁移至 Go 随后话题转向了 TypeScript 发展历程中的一项重大底层变革——将 TypeScript 编译器从 JavaScript 移植到 Go 语言的工程实践。在回顾该项目的立项动机时,Anders Hejlsberg 解释说,TypeScript 从第一天起就是自托管(self-hosted)的,完全用 TypeScript 编写并在运行时表现为一个标准的 JavaScript 应用程序。这种自托管设计在早期带来了巨大的生态红利:开发者可以直接在浏览器中运行整个编译器、启动语言服务器(Language Server),从而轻而易举地在网页端构建出功能完备的 IDE。 然而,随着 TypeScript 在全球范围内的爆发式普及,用户构建的代码库体量呈指数级膨胀,性能与可扩展性迅速上升为头号痛点。JavaScript 语言本身的底层机制逐渐成为了难以逾越的瓶颈。JavaScript 在设计上是单线程的,无法直接利用共享内存并发,这意味着多核 CPU 时代下超过 90% 的计算算力被白白闲置。此外,JavaScript 的动态执行代价高昂,其对象模型极其宽容,开发者可以随时给对象追加属性;虽然 V8 引擎内部有精妙的哈希表查找优化与内联缓存(Inline Caching),但与机器原生代码相比仍存在无法弥补的差距。 为了挖掘极限性能,TypeScript 核心工程团队曾深入钻研 V8 引擎的底层架构细节,穷尽了各种微优化技巧,甚至经常为了迎合 V8 的特定架构而采取与直觉完全相反的代码写法。但即便用尽了所有黑魔法优化手段,整体吞吐量依然触及了天花板。Anders Hejlsberg 感慨道:“Like sometimes you have to do exactly the opposite of what you think you have to do in order to make this code go a little bit faster because of the way V8 is architected.” 尽管团队极其留恋自托管带来的纯粹性与便利,但面对残酷的性能瓶颈,不得不做出战略转移的艰难决定。 --- ### [02:11:44](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7904s) Daniel Rosenwasser 登台:TypeScript 演进与大型应用挑战 随着话题展开,直播舞台迎来了 TypeScript 团队的产品经理 Daniel Rosenwasser。谈及自己的职业生涯路径,Daniel 幽默地调侃自己最初是一名软件开发工程师,但因为在日常工作中总是说个不停、沟通欲望旺盛,团队领导便决定干脆将他调到了产品经理岗位。在 TypeScript 团队任职的漫长岁月里,他深度参与了语言规范演进、编译器开发以及核心编辑体验的打造。 Daniel 强调,无论是 Visual Studio 还是 Visual Studio Code,用户所享受的代码高亮、智能补全和重构功能,乃至在这些编辑器中编写纯 JavaScript 代码时的辅助体验,底层全是由 TypeScript 团队多年来打磨的核心引擎提供支撑。在回溯 TypeScript 诞生的初心时,Daniel 指出,许多年前业界开发人员在构建大型复杂 JavaScript 应用程序时普遍面临着巨大的维护性困境;随着所有企业和团队都需要构建功能复杂的 Web 站点和大型客户端应用,无类型的动态语言在代码规模化扩张时暴露了致命缺陷,而 TypeScript 正是在解决大型 Web 开发痛点的迫切需求中应运而生的。 ### [02:12:52](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7972s) TypeScript 的起源与它在开发生态中的登顶之路 讲者回顾了 TypeScript 诞生的背景与初衷。在构建需要跨平台且能在浏览器中运行的复杂应用时,开发者发现 JavaScript 缺少了其他现代语言(例如 C#)所具备的关键特性。在 C# 中,代码如果存在错误,不仅在编译时会报错,甚至在编辑器中键入时就会立刻看到红色波浪线提示,如同 Word 中的拼写纠错一样直观。TypeScript 应运而生,它为 JavaScript 引入了类型语法、类型检查器以及编译器,在早期浏览器和运行时还不支持最新语法时,就提前将现代语言特性带给了开发者。 讲者坦言,自己虽然不是从第一天起就加入该项目,但也见证了早期阶段。当时在 Microsoft 内部发起一个面向 JavaScript 生态的开源项目极为雄心勃勃,连他加入微软前都持怀疑态度。然而加入后,他发现团队不仅充满激情,而且极具开发者工具直觉,与社区互动非常融洽。如今,在 GitHub Octoverse 年度报告中,TypeScript 已经超越单纯的 JavaScript,跃升为 GitHub 上排名第一的编程语言。现如今社区不再将 TypeScript 与 JavaScript 割裂看待,正如讲者所言:“Java TypeScript is now the number one way for people to build JavaScript apps.” 它已经成为编写现代 JavaScript 应用程序的核心默认体验。 - **起源痛点**:JavaScript 原生缺乏静态类型安全与即时编辑器反馈(红波浪线)。 - **工具定位**:扩展语法、类型检查器、编译/转译器,提前引入现代 ECMAScript 特性。 - **生态成就**:在 GitHub Octoverse 榜单上超越纯 JavaScript 成为排名第一的编程语言。 --- ### [02:15:23](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8123s) 性能天花板与将 TypeScript 编译器移植到 Go 十多年来,TypeScript 编译器一直是用 TypeScript 编写的(自举/Dogfooding),这虽然保证了日常开发体验的即时反馈,但也带来了底层性能瓶颈。TypeScript 最终会被编译成 JavaScript 并在 V8 或 SpiderMonkey 等引擎中运行。尽管这些 JS 引擎在优化动态解释语言方面已经取得了令人惊叹的进展,但与 CPU 原生执行相比仍存在无法逾越的开销;更关键的是,JavaScript 本质上是单线程的,即便有多线程方案也无法在不移交所有权的前提下共享同一份内存。随着前端代码库日益庞大,开发者面临着构建缓慢、编辑器加载卡顿的严重痛点。 为了打破扩展性瓶颈,团队在大约一年半前做出了重大决定:使用 Go 语言重写现有 TypeScript 编译器代码库。需要明确的是,这并不意味着 TypeScript 语法变成了 Go,而是将解析器(Parser)、类型检查器(Checker)、代码生成与发射器(Emitter)等核心组件全部用 Go 实现。通过原生机器码执行以及跨多核的共享内存并行计算(Shared memory parallelism),团队在典型代码库上直接取得了约 10 倍(10x)的惊人性能飞跃。正如讲者强调的那样:“And in that port, what we found is a typical sort of speed up that you'll find on many code bases around 10X, right, which is pretty mind blowing.” ```mermaid flowchart TD accTitle: TypeScript 架构转型与性能提升示意图 accDescr: 对比 TypeScript 在 JavaScript/Node.js 运行时与移植到 Go 原生多核运行时的架构差异与性能变化。 subgraph Legacy["传统架构 (自举)"] A["TypeScript 源码"] --> B["tsc (TS编写)"] B --> C["JS 运行时 (V8 引擎)"] C --> D["单线程执行 / 内存孤岛"] D -.->|"遇到大型代码库"| Slow["构建缓慢 / 性能瓶颈"] end subgraph Modern["新架构 (Go 重写)"] E["TypeScript 源码"] --> F["全新 Go 编译器"] F --> G["原生机器码执行"] G --> H["跨多核共享内存并行"] H --> Boost["~10 倍构建加速 (10x Speedup)"] end ``` --- ### [02:18:27](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8307s) 移植策略:从纯手工打造到 AST 驱动的自动化代码迁移 在谈及从 TypeScript 到 Go 的移植细节时,讲者指出这绝非简单的重写加几套新单元测试,而是一个极其严谨、系统化的工程。早期由于 AI Agent 在可靠性上仍不稳定,直接把整个代码库甩给大模型端到端移植是不可行的。团队先由资深工程师“纯手工打磨”(Artisanal code)最核心的词法扫描器(Scanner)和解析器(Parser),借此摸清在 Go 语言中对应的数据结构布局和理想的代码风格规范。 在确立了代码规范后,团队利用 AI Agent 编写自动化移植基建。他们基于 `ts-morph`(底层调用 TypeScript 现有的 AST API)编写代码转换脚本,通过分析 TypeScript 源码的抽象语法树,自动生成符合规范的惯用 Go(Idiomatic Go)代码。开发者按函数为粒度将转换生成的代码移入新代码库,检查其行为是否符合预期;即使遇到故意设计的编译错误,也能迫使工程师停下来推敲其逻辑语义。遇到不理想的产物时,团队会反向修正转换脚本,保持移植逻辑的确定性(Deterministic)。在过去一年半里,团队以此方式迁移了超过 95% 的测试用例(包括单元测试与端到端输入输出集成测试),快速抹平了所有边缘 case 的差异,这在五年前的技术条件下是不可想象的。 - **分阶段重写流程**: 1. **手工样板构建**:手动移植 Scanner 与 Parser,定义底层数据结构与 Go 语言风格范式。 2. **基建工具生成**:借助 Agent 辅助编写自动化迁移脚本,利用 `ts-morph` 操作 AST。 3. **确定性代码生成**:以函数为粒度自动生成 Go 代码,人工验证并迭代生成脚本。 4. **测试套件复用**:复用原有数以万计的端到端集成测试,测试覆盖率超 95%,保证行为绝对一致。 ### [02:21:50](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8510s) Go 重构版 TypeScript 编译器的稳定性与生态适配 讲者指出,底层采用 Go 语言重写的 TypeScript 编译器在过去几个月内变得越来越稳定扎实。对于大多数开发者而言,一旦切换到底层的 Go 实现,开发体验不会发生突兀的破坏性变化,唯一的直接感受就是极致的流畅和飞快:“So in general, if someone switches over to the Go underlayer, they're not even going to know. Other than that, wow, this feels really snappy.” 讲者进一步解释,向大家演示一个“更快的编译器”往往有点微妙,因为大多数用户在日常代码编写中甚至察觉不到底层引擎的变化。当前团队正在集中精力攻克面向生态扩展的 API 适配问题,例如 Vue.js 和 Angular 的编辑体验目前还存在一些尚未补齐的断点。不过,即使使用这些框架,开发者依然能够从全新的编译器架构中获益;而且随着团队与前端工具作者们的紧密合作,这些功能差距将在短期内迅速抹平。目前绝大多数常规项目已经完全具备了接入和采用该编译器的条件。 --- ### [02:22:56](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8576s) 传统基于 Node.js 的 TypeScript 编译器瓶颈剖析 进入实机演示环节,讲者打开了 GitHub 上的 Visual Studio Code 官方代码库,直接在本地对包含约 150 万行代码的实际项目进行全量构建。在原有的基于 JavaScript/Node.js 的 `tsc` 体系下,编译大型项目非常容易耗尽内存(OOM)。讲者展示了一条为了避免崩溃而临时拼凑的冗长命令,必须显式向 Node.js 传递参数增加分配给进程的 RAM 上限才能勉强运行。 随后讲者切入 Linux/Unix 系统的终端进程监控器 `htop`,展示传统架构在多核机器上的真实运转状态。画面上数十个 CPU 核心中,唯独 Core 15 被完全占满打到 100%,其他核心几乎全在围观。讲者用幽默的比喻形容道:“Like basically, you know, this is sort of like the meme of a bunch of people like construction site and everyone's just like watching one guy dig a hole and they're like... Everyone's supervising.” 这种单核瓶颈是 Node.js 本质决定的:它运行在事件循环上,在遭遇 I/O 请求前处于纯单线程自旋状态,无法在不同原生线程间派发任务。解析文件时必须一个文件接一个文件串行解析;如果某个文件导入了另一个模块,就必须等它解析完毕才能继续推进。最终,原生 JavaScript 编译器跑完这次全量检查耗费了 97 秒(系统统计的实际时间达到 1 分 38 秒),效率十分低下。 ```mermaid flowchart TD accTitle: 传统 Node.js 编译器瓶颈 vs Go 重写架构 accDescr: 对比传统 Node.js 编译器的单线程串行瓶颈与 Go 重写架构下的全核多线程并行处理流 subgraph NodeLegacy["传统 Node.js 编译器 (tsc)"] direction TB A["单线程事件循环"] --> B["串行文件解析 (逐个等待 import)"] B --> C["单核打满 (其余核心闲置)"] C --> D["全量构建耗时: 97 秒 (约 1m38s)"] end subgraph GoPort["TS Go 架构 (TypeScript 7.0 / tsgo)"] direction TB E["多核心全开并行 Parse"] --> F["4 核心受限并行 Check"] F --> G["全核心打满多线程 Emit"] G --> H["全量构建耗时: 10 秒以内"] end ``` --- ### [02:24:59](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8699s) TS Go 现场实测:从 97 秒骤降至 10 秒的全量构建 讲者现场通过 npm 全局安装预览版二进制文件:`npm install -g @typescript/native-preview`。该可执行文件暂时命名为 `tsgo`,作为实验阶段替代 `tsc` 的原生二进制工具。讲者特别透露,这个由 Go 语言编写的全新编译器架构正式代号即为 **TypeScript 7.0**。随后,讲者执行了带有耗时统计和扩展诊断参数的编译命令:`time tsgo --project src --extendedDiagnostics`。 切换到 `htop` 观察系统负载变化时,多核利用率呈现出鲜明的多阶段并行特征: 1. **解析阶段(Parse)**:命令触发瞬间,机器的所有 CPU 核心瞬间全部被压满跑满,以最快速度并行解析 VS Code 项目的约 150 万行代码。 2. **类型检查阶段(Check)**:CPU 使用率短暂停顿,随后回落并集中在 4 个核心上全力运行。讲者解释道:“Checking is not a perfectly parallel problem.” 类型推导由于存在复杂的跨模块依赖闭包与状态传播,无法做到完美线性并行,因此限制在 4 核心并发。 3. **输出生成阶段(Emit)**:进入代码生成与输出环节后,再次“扔出所有可用的 CPU 核心”,全部算力全开完成写入。 在全量非增量构建(Non-incremental full build)条件下,整个编译过程仅仅用了不到 10 秒(实际显示 9 到 10 秒)。相比原本 Node.js 架构的 1 分 38 秒,实现了接近 10 倍的速度飞跃。 --- ### [02:26:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=8800s) 生态落地、企业应用成果与 LSP 极速初始化体验 除了命令行构建工具之外,官方已经在 VS Code 插件市场发布了名为 **TypeScript Native Preview** 的扩展,把这套用 Go 编写的高性能引擎直接接入到 IDE 的语言服务器协议(LSP)与日常类型检查中。现场展示表明,VS Code 自身的工作区已经在全面使用这套原生引擎。 讲者列举了目前已在内部生产环境或深度参与测试的先锋企业与团队名单,证明其质量标准已经达到极高水准: - **VS Code 核心团队** - **Sentry** - **Slack** - **Notion** - **Figma** 这些大厂全面采用该编译器来缩减持续集成(CI)流水线周期。讲者分享了来自微软内部团队的震撼数据:“We worked with one team at Microsoft that told us that we were saving them 400 CI hours a month.” 这不仅大幅减少了算力账单,更极大释放了工程师等待流水线和等待自主编码 Agent 交互反馈的时间成本。 在最后的一分钟内,讲者禁用了 Native Preview 扩展,打开一个 TypeScript 源文件,展示传统 TypeScript 语言服务右下角那个令前端开发者深恶痛绝的加载圈(“Initializing TSConfig...” 状态)。那是传统编译器正在逐个文件读取且无法并发初始化的表现。重新启用原生引擎后,语言服务器几乎在瞬间拉起,讲者反复重启语言服务器,响应依然极度迅敏。尽管现场演示中出现了一点由于未定稿开发中代码引发的小瑕疵,但讲者与主持人在热烈的掌声与调侃中总结道:该工具链已经处于完全可用的状态,所有开发者即日起均可在 VS Code 插件市场下载体验。 ## Notable quotes > [02:09:40](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=7780s) Like sometimes you have to do exactly the opposite of what you think you have to do in order to make this code go a little bit faster because of the way V8 is architected. — Anders Hejlsberg > [01:24:54](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5094s) That's the beauty of, you know, LLMS is they, they, they pick up what you're putting down. And they don't care about spelling at all. — Evan > [01:35:41](https://www.youtube.com/watch?v=AtWmQTfHZ74&t=5741s) It's not as easy as, oh, we get a new model endpoint and boom, here it is. — Julia ## Mentioned GitHub Copilot, GitHub Copilot CLI, Visual Studio Code, Microsoft Build, Evan, Burke Holland, Cassidy, Moss, Scott Hanselman, Theo, Julia, Peng, Hunter, Anders Hejlsberg, Daniel Rosenwasser, OpenAI, Anthropic, Google, NVIDIA, GPT-5.4, GPT-5.5, Claude 3.7, Claude Sonnet 4.6, Claude Opus 4.6, Claude Opus 4.7, Gemini, Nemotron, MAI-Code-1 Flash, MAI Transcribe, MAI OS, SWE-bench, VSCbench, Azure Container Apps, TypeScript, JavaScript, Go, Rust, Electron, V8, SpiderMonkey, ts-morph, tsgo, TypeScript Native Preview, GitHub Octoverse, Sentry, Slack, Notion, Figma ## Video description Join us on stage for live demos, surprise guests, games, live coding, and more. The latest from GitHub, Copilot, VS Code, Visual Studio, and friends, straight from the teams building it. 𝗦𝗲𝘀𝘀𝗶𝗼𝗻 𝗜𝗻𝗳𝗼𝗿𝗺𝗮𝘁𝗶𝗼𝗻: This is one of many sessions from the Microsoft Build 2026 event. View even more sessions on-demand and learn about Microsoft Build at https://build.microsoft.com LIVE104 | English (US) Broadcast Stage #MSBuild Chapters: 0:00 - Event announcements and livestream details 00:06:41 - Overview of GitHub Copilot SDK and agent integration 00:40:03 - Commentary on industry differences in agentic engineering best practices and quality focus 00:47:00 - Deep dive into AI code review security concerns and need for deterministic gates 00:57:00 - Introduction of next session featuring Copilot SDK, launch details, performance improvements, and live demo with agent-based workspace 01:12:38 - Discussion on multi-model verification and GPT 5.5 advantages 01:21:14 - Demonstration of managing multiple sessions and slash commands 01:29:12 - Explanation of voice mode and local models used for speech interaction 02:09:40 - Introduction of TypeScript compiler porting from JavaScript to Go for performance [Source](https://www.youtube.com/watch?v=AtWmQTfHZ74)

Source quotes

[129:40] Anders Hejlsberg: Like sometimes you have to do exactly the opposite of what you think you have to do in order to make this code go a little bit faster because of the way V8 is architected. [84:54] Evan: That's the beauty of, you know, LLMS is they, they, they pick up what you're putting down. And they don't care about spelling at all. [95:41] Julia: It's not as easy as, oh, we get a new model endpoint and boom, here it is.