GitHub представил подход к организации работы с агентами на базе GitHub Copilot с помощью функции canvases. Эта функция решает проблему того, что в чат-интерфейсе сложно отслеживать ход работы: важные планы, решения и точки согласования теряются в длинной истории сообщений.
Автор материала, developer advocate GitHub Айян Гупта, объясняет, что генеративный ИИ уже изменил разработку: агенты и люди работают вместе, а разработчик остаётся архитектором процесса. Однако большинство текущих инструментов изначально не рассчитаны на оркестрацию нескольких агентов, из-за чего сложно понять, что уже выполнено, что проверено, а что ещё требует участия человека.
Canvases в приложении GitHub Copilot дают разработчикам и агентам общую «поверхность» для работы. Чат остаётся удобным способом формулировать намерения и уточнять задачи, но сами рабочие процессы переносятся в canvas: состояние становится явным и сохраняется, а ход работы можно просматривать, направлять и утверждать по мере выполнения.
Гупта отмечает, что без canvases чат превращается в длинный поток инструкций, логов и правок. Вся нужная информация формально присутствует, но скрыта в истории. Попытка восстановить план, ключевые решения и результаты проверки приводит к «налогу на координацию» и повышает нагрузку на команду.
Один из первых примеров применения canvases — Java Modernization Studio. Это сценарий модернизации Java-приложений, где важны прозрачность и управляемость: оценка текущего состояния, планирование, миграционные задачи, валидация и готовность к выпуску. В формате только чата этапы сливаются и сложно масштабировать такой процесс для команд, особенно если участвует несколько людей и агентов.
В Java Modernization Studio каждый этап стал отдельным, проверяемым шагом. Команды видят текущее операционное состояние, могут проверять, а не догадываться, что уже сделано. Человеческие ревью сосредотачиваются на ключевых решениях, а агенты продолжают выполнять работу между контрольными точками.
Второй пример — Site Studio, инструмент для создания и ведения персонального сайта. Здесь основной фокус на содержании: прогресс по разделам, итеративные правки, циклы ревью и смена статусов. В чат-режиме версии текста быстро расходятся, обратная связь теряется, появляются дубликаты черновиков, а каждый новый цикл начинается с восстановления контекста.
Site Studio фиксирует состояние: видно, на каком этапе находится каждый раздел, черновики сохраняются по мере работы, точки человеческого ревью обозначены явно. Агент продолжает двигать процесс, а человек может направлять и утверждать изменения, не теряя ход работы.
По словам Гупты, в обоих примерах проявился единый шаблон: перенос взаимодействия с ИИ от покомандного диалога к устойчивым совместным сценариям. Каждый такой сценарий становится системой с памятью, структурой и управляющими механизмами, а не цепочкой несвязанных запросов.
Автор подчёркивает и стоимость подобного подхода. Создание Site Studio потребовало около 2000 AI-кредитов, а Java Modernization Studio — около 3000 AI-кредитов. Проектирование и настройка canvases требуют усилий, но в долгосрочной перспективе особенно для повторяющихся процессов это окупается.
По оценке Гупты, устойчивые рабочие поверхности снижают число повторных запросов, уменьшают потерю контекста, сокращают лишние циклы согласования и объём переделок. В итоге это экономит время и деньги и повышает доверие к работе агентов и пропускную способность команд.
Он формулирует это так: речь идёт не о том, чтобы «тратить больше токенов ради более удобного интерфейса», а о вложении в архитектуру рабочих процессов, чтобы повторяющиеся сценарии стали более эффективными, предсказуемыми и управляемыми.
Созданные им canvases — Java Modernization Studio и Site Studio — опубликованы в репозитории awesome-copilot. Любой желающий может использовать их, изменять под свои задачи или изучать как примеры.
Гупта советует тем, кто уже использует Copilot-агентов, выбрать один повторяющийся сценарий и построить вокруг него минимальный canvas с помощью команды /create-canvas. Рекомендуется начинать с малого, запускать реальную работу, улучшать по итогам использования и, при успешном опыте, делиться результатом через awesome-copilot.
По его мнению, переход к таким подходам только начинается, но направление уже понятно: агенты ускоряют выполнение задач, люди отвечают за видение, оценку и ответственность, а canvases помогают сделать это партнёрство прозрачным, устойчивым и масштабируемым.
Источник: блог GitHub (материал Айяна Гупты, Developer Advocate GitHub).
