跳到正文

#GitHub

今日 0 条
10月14日周三
  1. GitHub Blog · AI & ML31

    GitHub 用模型做密钥检测:更少误报中找出更多密钥

    GitHub 为密钥扫描训练了一个上下文感知的密钥分类器,采用正则召回候选、ModernBERT 细调模型判别真伪的两阶段流水线,取代此前的 LLM 方案。官方称用户对告警的接受度提升 11.5%,推送后扫描执行中位时间缩短 86%,服务成本较远程 LLM 调用降低逾 98%,并因此将通用密钥检测扩展到推送保护阶段。

10月13日周二
10月10日周六
10月8日周四
10月7日周三
  1. The Pragmatic Engineer46

    2026 年科技行业现状:没人再手写代码,工程师同时带 5-10 个 AI 智能体

    在纽约 LDX3 工程领导力大会的主题演讲中,演讲者基于走访 OpenAI、Anthropic 及 GitHub、Factory AI、Linear 等团队获得的数据,梳理了 2026 年科技行业的趋势。核心变化包括:几乎无人再手写代码,同时运行 5-10 个智能体已成常态,IDE 正在边缘化;代码评审流于形式,质量与可靠性下降。接下来云编码智能体与新型 AI 基础设施将加速落地。

10月6日周二
10月4日周日
10月3日周六
  1. GitHub Blog · AI & ML20

    AI 正在改变开发者工作,GitHub 给出三项需要强化的技能

    GitHub 提出 AI 时代开发者应强化三项技能:学会指挥 AI 智能体而非只使用 AI、不要轻信 AI 的第一次答案、用 AI 节省的时间去解决更大的问题。GitHub Copilot 内置的 Rubber Duck agent 会用第二个模型对计划、代码和测试进行批判性审查。开发者仍需负责最终结果,包括定义问题、评审 AI 生成的代码并决定哪些可以发布。

10月2日周五
9月26日周六
  1. GitHub Blog · AI & ML53

    GitHub Copilot app 入门:如何用 canvases 构建自定义工作流

    GitHub Copilot app 的 canvas(画布)是一种可自定义界面,用户和智能体共享同一状态,可用看板、清单或仪表盘等形式承载工作流。在 agent 会话中输入 /create-canvas 技能并用自然语言描述工作流、用户可执行的操作和智能体可执行的操作,无需写代码或做设计,界面会在右侧面板生成。

9月25日周五
  1. GitHub Blog · AI & ML45

    当聊天是错误的选择:GitHub Copilot 如何用 canvases 替代聊天框

    在 GitHub Copilot 应用中,canvas 是运行于应用内的全栈小程序,可与 Copilot agent 双向通信,也能调用第三方 API 并在本地执行代码,例如用 Winget 界面管理本地包或直接操作 SQLite 数据库,无需每次都消耗 token 让 agent 代劳。基于 canvas 可以把研究、原型、实现等开发流程自动化,让自己按需退出循环,而不是被聊天输入框限制。

9月24日周四
  1. GitHub Blog · AI & ML24

    GitHub Copilot 应用如何渲染超大型 pull request

    GitHub Copilot 应用重建了 pull request 视图,用一个含 2,200 个文件、超 100 万行改动、400 多条行内评审评论的开源 PR 验证其性能。代码行沿用"绘制前高度已知"的确定性虚拟化几何,评论等动态块则改为可预估、惰性测量并以文件与行号锚定的独立几何,避免滚动跳变。

9月17日周四
  1. GitHub Blog · AI & ML81

    GitHub Copilot 运行时如何用 Copilot 迁移到 Rust

    GitHub 用 Copilot 智能体把 Copilot agent runtime 从 TypeScript 完全重写为超过 80 万行 Rust,AI 智能体编写了大部分代码,跨 128 个 pull request 增量合入 main。

    推荐理由:一位工程师复盘用 AI 智能体把 43 万行 TypeScript 运行时迁到 Rust 的全过程,含编排、缓存与评审经验。

9月12日周六
6月23日周二
6月9日周二
8月18日周一
10月10日周四
3月10日周五
9月7日周三
  1. Hugging Face Blog39

    如何用 Megatron-LM 训练语言模型

    Hugging Face 发布教程,讲解如何在 NVIDIA GPU 上用 Megatron-LM 训练 GPT2 语言模型,并转换到 Transformers 使用。Megatron-LM 的优势在于高效 DataLoader 与 Fused CUDA Kernels,还采用了 Apex 的 Fused AdamW,比 PyTorch 实现更快。教程涵盖环境配置、数据预处理、训练和模型转换四步。

5月25日周三