GitHub опубликовал материал о том, как инженеры компании используют ИИ‑инструменты для личной продуктивности. В центре рассказа — разработчица Brittany Ellich, staff software engineer в команде биллинга GitHub, которая создала собственный «командный центр» для организации работы с помощью GitHub Copilot и агентных режимов.
По словам Brittany, её основная задача в GitHub связана с помесячным учётом использования сервисов — Actions, хранилища и Copilot. Она активно использует все новинки Copilot и участвует в open source‑разработке проектов на AT Protocol, включая Open Social.
Личный инструмент Brittany решает проблему цифровой разрозненности: данные и задачи, разбросанные по множеству приложений, она собрала в одном спокойном рабочем пространстве. Этот «центр управления» стал визуальной домашней страницей, которая подходит под то, как она учится и думает, и вдохновлён GitHub Copilot CLI.
Для создания системы Brittany применяет подход «сначала план, затем реализация», где ИИ помогает на этапе проектирования, а Copilot — на этапе написания кода. На стадии планирования она просит Copilot задавать ей вопросы о том, как должна работать система, пока не сформируется понятный план. Далее Copilot реализует код по этому плану, что снижает количество догадок о требованиях и ускоряет разработку. Такой подход позволил ей собрать первую рабочую версию инструмента за один день, параллельно с основной работой.
Говоря о любимом технологическом стеке, Brittany отмечает, что ей удобен режим агентов в VS Code для синхронной разработки, обычно с одним‑двумя независимыми агентными процессами. Для асинхронных задач она использует Copilot Cloud Agent — туда выносит исправление багов и работу с техническим долгом, когда задачи уже чётко определены, а сама в это время сосредотачивается на задачах, которые требуют большего контроля в VS Code.
Отвечая на вопрос о значении стека, Brittany говорит, что сейчас ей менее важно, на чём именно собраны приложения. Её новый инструмент — первый личный опыт создания приложения на Electron, но большую часть работы выполнил Agent Mode. Позже она самостоятельно упростила репозиторий, чтобы сделать его публичным. Это потребовало уже более ручной очистки и рефакторинга кода, и, по её словам, она чувствовала себя уверенно при работе с кодом, несмотря на ограниченный опыт с Electron.
Краткий совет от Brittany для разработчиков: «Идите и постройте что‑нибудь». По её мнению, создавать собственные решения сегодня намного проще, а такие проекты помогают освоить новые ИИ‑инструменты и научиться взаимодействовать с ними в реальных задачах.
Следить за новостями и изменениями в технологической сфере Brittany помогает сочетание статей, подкастов и соцсетей. Она читает материалы, которыми делятся коллеги во внутренних каналах Slack, а также публикации в блоге GitHub. Кроме того, она упоминает подкасты How I AI и Last Week in AI и активное общение с инженерами на Bluesky.
В GitHub подчёркивают, что проект Brittany показывает: полезные инструменты часто рождаются из небольших попыток решить повседневную проблему. При желании можно повторить её подход с помощью собственного стека, но в материале приводится список открытых инструментов, которые использовала сама Brittany, и GitHub Copilot способен ускорить старт работы с ними.
Для тех, кто хочет использовать её решение как есть, GitHub предлагает клонировать публичный репозиторий Brittany. Для запуска потребуется установить несколько компонентов на локальную машину; подробная пошаговая инструкция приведена в файле README в этом репозитории.
Материал подготовила команда GitHub: Cassidy, старший директор по работе с разработчиками, и контент‑райтер Jacklyn Lee. В конце GitHub дополнительно рекомендует обучающие ресурсы: пошаговый вводный курс по GitHub Copilot CLI, проект Rubber Duck как альтернативный взгляд на работу с Copilot CLI, а также открытый игровой курс по поиску уязвимостей в агентных ИИ‑системах, которым уже воспользовались свыше 10 000 разработчиков.
Источник: блог GitHub.
