GitHub Copilot v1.110 把“能聊”推进到“能干”:长任务代理进入可控落地期

GitHub Copilot v1.110 把“能聊”推进到“能干”:长任务代理进入可控落地期

GitHub Copilot v1.110 把“能聊”推进到“能干”:长任务代理进入可控落地期

关键词:GitHub Copilot、VS Code 1.110、Agent、Hooks、Memory、Context Compaction、开发自动化

过去一年,很多团队都在用 AI 写代码,但体验一直卡在一个矛盾:

  • 短任务很快(补全、改几行、写个函数)
  • 长任务很脆(上下文丢失、流程不可控、执行风险高)

GitHub 在 2026 年 3 月发布的 Copilot for VS Code v1.110(February release),核心价值不是“又多了一个模型入口”,而是把 Agent 从“会回答”推进到“可治理、可串联、可持续”的生产工具。对团队来说,这一版最关键的变化是:开始有了可控的长任务执行框架

1) 可编排:把 Agent 接进你的工程规则,而不是反过来

Hooks:在生命周期关键点自动执行规则

v1.110 支持在 Agent 生命周期节点挂钩(hooks),可以做三类事情:

  • 执行前约束:阻断危险命令、限制目录、限制 shell 能力
  • 执行中质量门禁:自动 lint、format、静态检查
  • 执行后收尾:补充日志、收敛 diff、生成审阅摘要

这意味着团队能把“AI 编码规范”固化成自动化机制,而不是靠人盯人。对于多人协作项目,这种治理能力比“答得更聪明”更重要。

Chat 内可控执行:/autoApprove、/yolo + sandbox

以往大家最怕的是“Agent 一键乱改”。这次把审批开关放进 chat 指令,再配合终端沙箱,形成了一个实用模型:

  • 默认谨慎审批(适合主干与核心模块)
  • 在受限沙箱里开启自动批准(适合批量重构/重复任务)

本质上是在做工程上的“风险分层”。


2) 可持续:长任务不再靠“运气上下文”

Memory + Plan 持久化

Copilot 在编码 Agent、CLI、Code Review 之间共享知识,并让计划在多轮对话和压缩后继续保留。这对真实开发非常关键:

  • 不必每次都重新讲项目背景
  • 不必每轮都重建任务树
  • 可以把一次大任务拆成多回合持续推进

/compact 手动引导压缩

上下文窗口爆掉后自动压缩本来就会发生;v1.110 的改进是让你能主动指定保留信息。这让“长对话质量退化”从不可控问题变成可管理动作。

大输出落盘而非全塞上下文

工具大输出改为写入磁盘,减少上下文污染,避免关键信息在压缩中被噪声覆盖。对于日志密集型项目(测试、构建、CI 问题排查)特别实用。


3) 可扩展:从“一个助手”走向“可插拔 Agent 平台”

Agent plugins(实验)

通过插件打包 skills / tools / hooks / MCP servers,意味着团队可以沉淀自己的“内部能力包”。

Skills 直接 slash command 化

把经验从文档变成可调用指令,降低新人上手门槛,也减少“会的人才会用”的知识孤岛。

Agentic browser tools(实验)

让 Agent 在集成浏览器里做导航、点击、截图和验证,为“改代码 + 验页面”闭环补齐最后一段。


对普通团队最实用的落地清单(可以本周就做)

A. 先上“安全三件套”

  1. 目录白名单 + 命令黑名单
  2. pre-commit lint/test hook
  3. 敏感文件(密钥、配置)自动拦截

B. 再上“长任务三件套”

  1. 任务模板(需求→拆解→执行→验证→回滚)
  2. 关键里程碑人工确认点
  3. /compact 保留规则(例如永远保留 API 约束与数据库变更)

C. 最后上“组织级复用”

  1. 把常见流程做成 skills
  2. 插件化到团队统一配置
  3. 用 code review 产出反哺 skill 模板

这对 2026 年 AI 编码格局意味着什么?

过去竞争焦点是“谁写得更快”;现在竞争焦点正在变成“谁更能被工程系统接纳”。

Copilot v1.110 的信号很明确:

  • Agent 不是聊天窗口里的彩蛋
  • Agent 是要进入团队治理、质量体系、审计链路的“流程角色”

所以,真正拉开差距的不会是“会不会用 AI”,而是:

  • 你是否把 AI 接进了可复用流程
  • 你是否把风险控制做成了默认机制
  • 你是否能让上下文在长周期任务里持续积累

适合谁马上跟进?

  • 多人协作、PR 频繁的产品团队
  • 有大量重复改造任务(重命名、迁移、规范统一)的项目
  • 正在建设 AI 编码规范,但还停留在口头约定的团队

如果你还在“把 AI 当成高级自动补全”,这一版值得认真升级你的工作流心智:从功能试用,转向流程工程化。


参考来源

Read more

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断

Cloudflare Shared Dictionaries 现在值得试吗?我按官方 demo 跑了一次,先给频繁发版团队一个判断 如果你的网站或 Web 应用每天会发很多次前端 bundle,而且每次改动都不大,那么截至 2026-04-29,Cloudflare Shared Dictionaries 已经值得进测试名单,但还不值得当成“所有站点都该立刻上的通用优化项”。它真正解决的不是传统 gzip / Brotli 不够强,而是“你明明只改了一小段配置,用户却要重新下载整包”的高频发版浪费。 我这轮没有只看 Cloudflare 的发布文。我直接按官方 demo 给的 curl 流程跑了一次 canicompress.com:同一类约 93KB 的 JavaScript 资源,普通 gzip 传输了 22,423B,带共享字典的

By One AI
OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断

OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断

OpenAI Privacy Filter 适不适合拿来做脱敏 Web 应用?我实测后给出的判断 Article type: take 我先说结论:如果你要做的是文档高亮审阅、截图脱敏,或者“把一段敏感文本变成可分享的脱敏版本”这类入口,OpenAI Privacy Filter 已经值得拿来做原型;但如果你要的是可审计、字段级强约束、对中文或行业术语有稳定召回的生产脱敏链路,先别把它当成“一接就上”的成品。 这里说的 OpenAI Privacy Filter,当前准确指的是 Hugging Face Hub 上的 openai/privacy-filter 模型卡 和围绕它做的公开 demo,不是一个“在 OpenAI 控制台里点一下就开的 API 开关”。这个命名边界要先讲清,否则后面的部署、成本和数据路径都会判断错。 我这轮没有只看发布文。

By One AI
Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清

Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清

Telegram 无代码做 AI Bot?Managed Bots、BotFather 和真实门槛一次讲清 Article type: tutorial Voice: operator 如果你在 X 上看到“Telegram 现在支持无代码做 AI Bot”的说法,先别急着把它理解成“一键生成完整 AI Agent”。Telegram 这次真正开放的是 Managed Bots:它让一个管理 bot 可以替用户创建、接管并后续管理新的 bot。 这篇只讲 Managed Bots 这条官方创建与接管链路怎么跑通,不把“模型、知识库、状态管理、计费和运维”混进来。换句话说:这不是“AI bot 全栈教程”,而是“

By One AI
GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少

GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少

GitHub 的 Python dependency graph 现在更完整了?先按这份清单判断你的 SBOM 盲区还剩多少 Article type: tutorial Voice: operator 我先拿一个最小 Python 项目跑了一遍:requirements.txt 里只有一行 requests==2.32.3,但实际解析出来的安装树里,除了 requests,还会带出 charset-normalizer、idna、urllib3、certifi 这 4 个间接依赖。也就是说,如果你的视角还停在 manifest 层,SBOM 往往从第一步就已经不完整了。 先说结论 如果你的团队主要维护 Python 服务、内部工具或自动化脚本库,现在值得重新看一眼 GitHub 的 Python

By One AI
Follow @Fuuqius