Copilot 變成團隊裡的同事

106 · Copilot 變成團隊裡的同事

50:35YouTube 上架 2025-03-13Thomas Dohmke（GitHub CEO）

No Priors Ep 106 | With GitHub CEO Thomas Dohmke

GitHub CEO Thomas Dohmke 談 Copilot 的 agent mode 與 Project Padawan、agent 離取代工程師還差什麼、定價會往哪走，以及開源模型和下一代開發者。

106 講了什麼

Copilot 從聊天變成同事Thomas 說 VS Code 裡已經有 agent mode，使用者仍在迴圈裡。下一步是把定義清楚的 GitHub issue 指派給 Copilot，由它開 draft pull request、照計畫提交，再讓人審查並回饋。
卡關在模型、介面與信任完整的 o3 還沒開放；介面要讓人判斷一個 issue 該不該交給 agent。Thomas 列了四個條件：可預測、可引導、結果可驗證，而且開發者願意忍受它，不覺得它在浪費時間。
中位數工程師不會被取代Thomas 認為 agent 離「把一個粗略的大想法拆成小任務」還很遠，這部分仍靠人的系統性思考。另一方面，找 bug、補功能這類工作，Thomas 預期今年會有大幅進展。
程式碼比例已經很難量Thomas 說 Copilot 剛推出時寫了約 25% 的程式碼，後來升到約 50%，視語言而定。有了 agent 之後，使用者只寫 prompt，分母變成零。
定價看算力，不看人力Thomas 認為會以算力或其衍生單位計價，買家不會願意付跟一名開發者相當的價格；但 agent 越強，價格也會跟著往上，另一部分軟體則會通縮。
沒有最終贏家開源與閉源會互相推動，Thomas 把軟體開發比成 Minecraft，是一場沒有贏家的無限遊戲。至於下一代開發者，Thomas 認為 AI 讓學寫程式的門檻低了很多。

從哪一段開始看19 段

00:05agent mode 與 Padawan介紹 Thomas。VS Code 的 agent mode 已發表，會在需要時把終端機指令交給使用者確認；預告 2025 年把 issue 指派給 Copilot 的 Project Padawan。
02:09還差什麼才能上線先要更強的推理模型，再來是介面流程；agent 要可預測、可引導，結果要能驗證，開發者也得覺得它值得用。
04:13中位數工程師會被取代嗎拆解粗略想法仍然是人在做；撿 issue、修 bug 這類工作進展會很快，產品經理已經用 agent 開出真正併入的 pull request。
06:14Copilot 的開發循環應用科學團隊做模型評測與 benchmark，再用 AB 測試先給員工、後給部分使用者；模型更新讓路線圖一天一變。
08:53怎麼贏得開發者GitHub 內部什麼都在 GitHub 上做；Thomas 把競爭比成一級方程式，認為開源與閉源的創新同樣旺盛。
10:44Copilot 寫了多少程式碼早期約 25%、後來約 50%；agent 讓比例失去意義，但 agent 也會卡在簡單情境，人最後還是當審查者。
13:37code review 與安全待辦寫程式只占一天的兩三小時，審查同事的程式碼花的時間一樣多；Thomas 希望 AI 修 linter 錯誤、消化安全漏洞的待辦，並在雲端環境裡直接試改動。
16:43程式碼會全由 AI 寫嗎Thomas 不認為全部會由 AI 寫：自然語言在上、程式語言在下，兩層都要有人懂；老舊的 COBOL 系統還會存在很久。
19:33角色之間的界線變淡大團隊最難的是把需求說清楚，Copilot Workspace 先做規格與前後對照；設計師、產品經理、工程師會彼此靠近。
21:52會是一家公司包辦嗎Thomas 預期會是各家工具組成的堆疊，像開發者各選自己的語言與函式庫；agent 與模型也會有選擇。
24:58五年後與泛化從 2020 年 6 月的 GPT-3 與 Codex 說起；Thomas 說差異化會出現在模型之上、開發者體驗那一層，自己的待辦清單也不會清空。
27:34人還要做決定嗎工作越大，人與團隊越需要來回確認；Thomas 預期五年內會有人全用自然語言做出個人化軟體。
29:53Copilot 的商業成果引用上次公開的 77,000 個組織與 1.8 million 付費使用者；Thomas 說採用橫跨各產業，並用每月 20 美元對工程師薪水的比例說明投報率。
32:16定價會往哪走以算力計價、買家不願付等同開發者的價格；Thomas 提到 OpenAI 最高那一級每月 200 美元，並說 agent 的供給只受 GPU 限制。
35:39稀缺、Trabant 與軟體價值用東德 Trabant 的候補名單比喻供給稀缺；Thomas 預期軟體價格兩邊走：有些不再付費，有些付得比以前多。
39:05開源模型與模型目錄Copilot 內建 Claude、Gemini 與 OpenAI 模型，GitHub Models 目錄裡有 Llama、Mistral 等；Thomas 認為 DeepSeek 與 Flux 這類開源模型會推動整個領域。
41:55沒有贏家的無限遊戲Sarah 想聽到一個贏家，Thomas 回答二元對決不是這個領域的運作方式；React、程式語言都會被下一個取代。
43:30下一代開發者的功力有資深工程師擔心下一代養不出架構判斷力，Thomas 直說這個擔心是 silly；用自己小時候只有書和電腦社團的經驗，對照今天孩子有無限耐心的 Copilot。
48:08柏林圍牆與 AI 轉折Sarah 問兩德統一的經驗會不會影響看待 AI 的方式；Thomas 說那讓自己習慣回不去的轉變，也把 AI 看成又一個 before and after。

值得記的話5 句

Co-pilot basically graduates from a programmer to a peer programmer that that becomes a member of your team.Copilot 從程式設計師升格成同儕程式設計師，成為團隊的一員01:54
When do a CEO of GitHub get to the point where my backlog is empty, and I just don't believe that that point is ever coming.GitHub 的 CEO 什麼時候會清空待辦清單？我不相信那一天會來27:19
I don't believe that the agent is actually replacing the developer.我不認為 agent 真的在取代開發者33:18
There's no no winning, there's always just the — you're playing the infinite game.沒有贏這回事，你玩的永遠是一場無限遊戲42:57
An infinite amount of patience, because you know co-pilot doesn't run out of patience.無限的耐心，因為 Copilot 不會失去耐心45:31

名詞與人物11 個

Thomas Dohmke: GitHub CEO，本集來賓。
agent mode: Copilot 在 VS Code 裡的模式，能協助實作功能，需要裝套件時把終端機指令交給使用者確認。
Project Padawan: Thomas 預告的 2025 年計畫：把 issue 指派給 Copilot，由它開 draft pull request 並照計畫提交。
SWE-bench: Princeton 一個團隊從 12 個開源 Python repo 整理出約 2,200 組 issue 與 pull request，模型與 agent 都拿它來比。
o3: Thomas 說完整版尚未開放，預期推理進步會讓 agent 更接近 SWE-bench 的滿分。
Copilot Workspace: GitHub 的早期規格與腦力激盪 agent，把 issue 與程式碼比對，用自然語言描述前後差異。
model picker: Copilot 裡切換多家廠商模型的功能。
GitHub Models: GitHub 的模型目錄，收有 Llama、Mistral、Cohere 與 Microsoft 的 Phi 模型。
DeepSeek: Thomas 舉的開源例子，論文與模型公開，部分採 MIT 授權。
Flux: Black Forest Labs 的開源圖像模型，Thomas 用來說明開源推動創新。
Trabant: 東德的汽車，Thomas 說候補名單曾長達 17 年，被拿來比喻稀缺與需求。

提到但沒有展開

Copilot 有 extensions，可以從 Copilot 裡接到模型目錄，用 add models 這類擴充直接對 Phi 之類的模型跑 inference。
Thomas 用 Kirk 與 Scotty 的玩笑描述估時間：經理問要多久，工程師報的時間離譜地長，最後變成船長定期限的談判。

在 YouTube 看原片 ↗

GitHub