新智元报道

编辑：编辑部

【新智元导读】2025年，软件工程要彻底变天了。先有奥特曼预言，后有微软下场All in智能体。刚刚，首个自主SWE智能体面世，不仅会主动改bug修复错误，还能自主提交PR评论。

奥特曼预言，2025年软件工程将迎来巨变。

开年智能体大爆发，AI自动化软件工程已成为不争的事实。

就在今天，纳德拉官宣，GitHub Copilot将all-in智能体，微软自主的SWE智能体首次亮相。

GitHub现任CEO Thomas Dohmke表示，自主SWE智能体（项目代号Padawan）也将融入GitHub用户体验，不过要等到今年晚些时候发布。

「它可以将GitHub Copilot体验从搭档提升到人类程序员水平」。

不论是改Bug还是开发新模块，不需要去特别说明相关的代码，SWE智能体会主动找到合适的代码，并解决问题，就像你雇了一个工程师。

有网友对此表示，基本上，每一个repo都会有一个AI贡献者。

软件工程AI智能体苏醒

2021年，GitHub Copilot一经推出成为了开发者们的得力助手。

时隔4年，Copilot终于迎来了重大升级。

如前所述，此次更新的最大亮点推出了Agent模式（预览版）。在这个模式下，Copilot展现出惊人的自主能力。

• 主动建议终端命令，并请求执行

在智能体模式下，Copilot不仅会对自己的输出进行迭代，还会对输出结果进行持续改进，直至完成所有子任务，满足开发者的请求。

更强大的是，它不再仅仅执行要求的任务，还能去推断额外的必要任务，确保请求完整运行。

在Copilot自我纠错过程中，比较省事的是，开发者不必从终端手动复制粘贴内容回到聊天窗口。

在调用模型方面，开发者有Anthropic、OpenAI系列的模型可选。

在全新VS Code智能体模式中，Copilot会对自身代码进行迭代，提出并指导终端命令，分析和解决问题。

举个栗子，用GitHub Copilot构建一个Web应用程序来跟踪马拉松训练。

这里有一个Runner Tracks网站，展示了一些比赛的结果。现在若是想要改进这张表的分页，添加更多参赛者数据，直接在Copilot Chat中输入要求即可。

——更新分页按钮，让其看起来更加美观。

然后选用o3-mini模型，Copilot直接开始输出代码，再返回Runner Tracks网站，可以看到「按钮」变成了蓝色。

接下来，继续迭代这个网站——让用户可以选择每页显示的行数。

这时，涉及到了不止一个文件的更改。

再上升一个难度的任务，Runner Tracks网站中有一个列出比赛的页面，若是想要按名称去搜索比赛，这将需要对项目服务器端代码UI和测试中许多文件进行修改。

这个场合，就轮到Agent模式出场了。

它最擅长的是推理和迭代整个项目，并且执行重复的操作。

可以看出，Copilot Agent自主更新了服务器后端、UI，主动修复错误。

在这些基本项完成后，它又转向服务单元测试、页面测试、以及端到端的测试。

直至测试更新后，系统会主动提示开发者去运行单元测试。

GitHub Copilot Edits

这次，同时上线的还有 多文件编辑工具GitHub Copilot Edits。

Copilot Edits可以一次性处理工作空间中的多个文件，并给出代码的更改意见。

所有这些处理都可以在编辑器中直接完成，非常便于快速审查代码，同时了解周围代码的完整上下文。

在操作过程中，用户还可以对每一次编辑选择接受或者放弃，从而拥有更加灵活的控制。

另一个新变化是，当切换到并排视图时，用于编辑的控制选项依然可见。

由此可以帮助用户了解大范围的改动。

最后，Copilot Edits增加了一个新的设置，用于在超时后自动接受编辑器的建议。

这个新设置的名称为「chat.editing.autoAcceptDelay」，它可以指定Copilot Edits的建议被接受之前需要等待的秒数。当 用户点击接受按钮或开始审阅更改时，倒计时停止。

这个设置对于那些喜欢在周末疯狂追剧的人来说应该很熟悉。

Project Padawan

而「Project Padawan」，则可以进一步将SWE智能体融入GitHub的用户体验中。

一起来看个例子，GitHub cli库每天被使用数百万次，尽管有数百个贡献者，但积压了许多问题。

其中的一个错误报告，展示了GH报告重命名的命令中缺少了验证，若是人力完成，会耗费大量的精力。

要知道，这个代码库中有700个文件，大约20万行代码。

而现在，有了「自主SWE智能体」，完全就可以放心交给这个AI助手。

我们可以将问题分配给Copilot，它便开始立即处理。几秒钟后，它便从draft PR直接链接到开发者创建的问题。

接下来，Copilot会不断更新PR描述，并自主提交，在共享实时计划同时，可以让开发者清晰看到更改进度。

在PR完成后，它还会推送最终更改的提交，自主请求代码审查，并将PR标记为「准备审查」。

开发者在此还提交了自己的审查请求，Copilot立即收到任务后开始了更改。并且，它还主动回复评论开发者的更改内容，并将最新进展推送到PR。

以上所有流程，展示了Copilot成为一个真正的「AI工程师」，能与开发者合作完成编码任务。

对此，网友表示，「过去一个月我一直在使用智能体，感觉和Karpathy的编码风格类似。一旦建立了构建、测试、迭代的反馈循环，你和智能体就能立刻进入状态。」

开发者领导SWE智能体，和项目经理一起编写详细的工单，审查工作、必要时接入。

这，就是编码的未来。

如何用？

想要用上Copilot agent新功能，需要下载VS Code Insiders，然后启用GitHub Copilot Chat智能体模式设置。

然后，在「Copilot编辑」面板中，从模型选取器旁边的「编辑」切换到「智能体」。

智能体模式的引入，将改变开发者在编辑器中的工作方式。

为了无缝衔接，微软同时将其植入到所有支持Copilot的集成开发环境（IDE）中。

2025年底，软件工程迎来巨变

2月5日，OpenAI首席执行官Sam Altman与印度联邦信息技术部长Ashwini Vaishnaw进行了一场对谈。

在此次访谈中，奥特曼也强调了智能体以及软件工程如何在未来变革中扮演的至关重要的角色。

在谈及AI如何改变软件工程时，Altman给出了令人期待的前景。

他表示：「到2025年底，软件工程将发生翻天覆地的变化。这不仅意味着开发效率的大幅提升，还可能对网络安全产生深远的影响。」

AI将成为软件工程中的得力助手，自动化测试、代码优化和漏洞检测等任务将不再是人类工程师的单打独斗，而是与AI紧密协作的成果。

AI在软件工程中的应用，不仅能提高开发效率，还能帮助解决一些长期以来困扰开发者们的问题。

例如，AI能够快速发现代码中的潜在问题并提出解决方案，极大地缩短开发周期。同时，AI还将在网络安全领域发挥重要作用，尽管这一过程需要谨慎对待，因为AI的普及也可能带来新的安全威胁。

Altman谈到：「到2025年底，AI将变得更加智能，尤其是在软件工程领域。我们将看到一个更加智能的编程环境，AI将在解决复杂问题时扮演重要角色。」

x上有网友已经开始期待软件智能体时代的到来。

甚至有网友开始幻想使用AI智能体来建立价值百万美元的公司了。

智能化的AI软件工程不仅可以提高生产力，还能够更高效地进行系统开发和优化，甚至可能在未来改变整个软件开发行业的格局。

这种变革类似于工业革命中的自动化生产线，AI将帮助软件开发者摆脱繁琐的细节工作，使他们能将精力集中于更高层次的创新和设计上。

但同时，如何确保AI技术在应用中的安全性，避免其被滥用，将是未来需要解决的重要问题。

关于这些问题，Altman指出：「我们必须在技术发展的同时，也要确保安全的可控性。AI的影响是深远的，我们要确保它能为全球带来积极的变革。」

Deep Research助力研究

访谈中主持人向奥特曼提出了一个关键问题：「在当前的深度研究环境中，AI是否已经足够成熟，能在一些关键领域发挥作用？」

对此，Altman作出了充满信心的回应：「底层技术已经达到了一个门槛，尤其是在诊断疾病和教育领域，我们已经看到了惊人的成果。未来几个月内，我们将发布能够解决现实问题的模型。」

他特别提到，AI的进步不仅仅是在研究领域，更多的应用场景已经悄然出现，从医疗诊断到教育辅导，AI的潜力逐渐展现。

例如，在医学领域，AI的研究助手不仅能够协助科学家高效回顾现有文献，还能在庞大的数据中找到潜在的联系，为科学发现提供有力支持。

然而，尽管AI可以帮助提高效率，但它并非万能，Altman强调：「Deep Research可以帮助我们提高效率，例如在文献回顾、数据整理等繁重的低层次工作中。但它不可能独立完成一项复杂的任务。就像在癌症研究中，AI并不会直接治愈疾病，但它能帮助研究人员更快地找到解决方案。」

这种高效的支持能够大大加速科学研究的进程，助力科研人员从繁琐的任务中解脱出来，将更多精力投入到创新和突破之中。

结语 ‍

无论是微软CEO纳德拉宣布GitHub Copilot全面拥抱智能体，还是OpenAI CEO Altman对未来软件工程的展望，都清晰地表明：AI智能体正引领软件工程领域进入一个全新的时代。

AI智能体不仅将成为开发者的得力助手，更可能成为推动整个行业变革的核心力量。

从代码编写、错误修复到项目开发，再到深度科学研究，AI的应用潜力正在被迅速释放。

这场变革也带来了一系列值得思考的问题：开发者如何适应与AI协同工作的新模式？ 如何确保AI在网络安全领域的应用既能提升防御能力，又能避免新的风险？ 如何平衡AI带来的效率提升与潜在的就业影响？

虽然AI并非万能，但无论如何，在2025年底，我们有望见证一个更加智能、高效的软件工程未来。

参考资料：