GitHub Copilotによるエージェント駆動開発：ソフトウェアコラボレーションの新時代

私はテクニカルプレビュー以来Copilotを使っています。当時は賢いオートコンプリート（印象的なパーティートリックですが、これで重要なものを作るつもりはありませんでした）のように感じました。それが予想よりも早く変わりました。

私が予期していなかったのは、ワークフローがどれほど変化するかということでした。「AIがコードを書いてくれる」というだけでなく、開発ループに対する考え方が完全に変わったのです。計画し、生成し、レビューし、信頼する。これを繰り返す。

実際の使い方

私が見る限り、多くの人がCopilotを検索エンジンのように扱っているのが最大の誤りです。漠然としたコメントを入力し、正しく推測してくれることを期待するのです。それは時にはうまくいきますが、信頼性は高くありません。より良いアプローチは、次の3点です。

1. まず計画を立てる。 チャットパネルで、やりたいことを段落で記述します。ここでは/planモードが役立ちます。アプローチが納得できたら、Copilotに実装させます。
2. コンテキストを絞る。 モデルは、関連ファイルが開いており、作成中の関数に明確な入力と出力がある場合に最も効果的に機能します。5つのファイルを飛び回っていると、Copilotは話の筋を見失います。
3. ジュニア開発者のPRをレビューするようにレビューする。 コードは通常正しいです。見落とすのはエッジケースです。それらをテストしてください。

信頼するが検証する（実際にはプロセスを検証する）

初期の頃、私はすべての提案を疑って時間を無駄にしていました。しかし、テストスイートが悪いコードを検出し、レビュープロセスが悪いパターンを検出するなら、AIを信頼し、ツールで検証するのが正しいことだと気づきました。何か見落としがあった場合は、プロンプトではなくガードレールを修正します。

学んだこと

• 良いチームメイトであるための習慣（明確なコミュニケーション、記録、期待値の設定）は、Copilotと効果的に連携するためにも役立ちます。
• AIを、インターネット全体を読んだがプロジェクトのコンテキストがないインターンのように扱います。コンテキストを与え、その作業をレビューし、プロセスが失敗してもAIを責めないでください。
• クリーンなコードベースは劇的に良い結果をもたらします。Copilotから良い提案が得られない場合、最初に修正すべきはプロンプトではなく、コードです。

こちらもどうぞ

• Rethinking Risk in the Age of AI
• What I've Learned Building Checkout Flows with Wallets and AI Agents
• LangChain vs LlamaIndex: Production RAG Pipeline Guide
• Deep Learning with JAX

こちらもおすすめ

• OllamaでローカルAIモデルを実行：サーバー費用からプライバシー重視の開発への道のり
• vLLMとOllamaの比較：ローカルLLMのスループットとGPUベンチマーク
• vLLMにおける投機的デコーディング：EagleとMedusaでLLM推論スループットを3倍に
• vLLMにおける投機的デコーディング：Medusa、EAGLE、マルチトークン投機による2.5倍の推論速度

よくある質問