
GitHub Copilot、レビュー待ちを減らす4段階の進め方
GitHubが11月6日(公式発表より)、公式ブログでAIエージェントを使った開発の進め方を解説する記事を公開しました。Plan(計画)、Build(実装)、Verify(検証)、Observe(運用後の観察)の4段階に分けて、GitHub Copilot(AIコーディング支援)の機能を当てはめています。
背景として、10月の1週間でコミットが12億件を超え、1年前より400%以上増えたと紹介されています(公式発表より)。書く量が増えるほど、レビューや確認の負担が目立ってくる、という話です。公式のブログを読んで、要点をまとめました。
ひとことで言うと
コードを書く場面だけでなく、計画・レビュー・リリース後の調査まで、エージェントに手伝わせる流れを紹介した記事です。
何が新しくなったのか
記事の背景にある数字
10月の1週間で、コミットが12億件超。前年より400%以上の増加(公式発表より)
AIの利用が少ない状態から多い状態に進んだチームで、プルリクエストのレビュー時間が441%長くなったというFaros AIの調査(公式発表より)
Plan:計画を同じ場所でそろえる
SlackやTeamsの中でCopilotを使い、関係者と一緒に要件を整理できます。決まった内容は、受け入れ条件つきのGitHub Issues(作業管理のチケット)にしてもらえます。GitHub Agentic Workflowsでラベル付けや作業量の見積もりをして、軽い作業はCopilotに割り当てる流れです。難しい作業にはPlan Modeで方針を比べ、承認してから実装に渡します。
Build:複数の作業を同時に進める
Session continuity(別の端末から同じ会話を続ける機能)
cloud sandboxes(クラウド上の隔離環境)で、ノートPCを閉じても作業が続く
Copilot appは、セッションごとにリポジトリの独立したコピーを用意
Copilot Dreaming(過去のセッションを見直し、記憶や指示の更新案を出す仕組み)
Copilot Fusionで、作業に合うモデルと推論の深さを選べる
Enterprise managed settings(組織の方針を各画面に反映する設定)
Verify:確認に時間を使いすぎない
小さなプルリクエストを積み重ねるstacked pull requests(依存する変更を分割して出す方法)で、レビューしやすくします。GitHub Code Qualityは、人が見る前に品質の問題を拾います。Copilot code reviewは、変更の大きさに合わせて分析の深さを変えられます。
セキュリティ面では、AI ScanがCodeQLの対象外の言語やファイルも調べます。AI secret detectionは、パスワードのような決まった形のないシークレットを見つける手助けをします。依存パッケージは、License complianceでライセンスを確認できます。GitHub package firewallはnpm向けにpublic preview(公開試験版)の段階です(公式発表より)。さらに、Agentic Autofixが修正案を出し、Agent Mergeが失敗したチェックやコメントへの対応を進めます。設定すれば、検証を通ったあとの自動マージも可能です。
Observe:リリース後の学びを次へ
Fabricなどのconnectors(外部ツールとの接続)を通じて、運用データを調べられます。見つけた問題は、証拠と回帰テストつきのIssueの下書きにしてもらえます。Dreamingの提案は、次の作業の指針づくりに使えます。
どんな人に関係があるか
チームで開発していて、レビュー待ちや情報探しに時間を取られている人に近い内容です。個人で開発している人も、Plan Modeやcloud sandboxesなど、一人でも使えそうな機能が並んでいます。公式が勧める始め方はシンプルで、いま抱えている作業を1つ選び、一番困っている部分にエージェントを当てるところからです。そこから少しずつ広げればよい、と書かれています。
おわりに
わたしは、コードを書く速さだけでなく、前後の工程に目を向ける話だと受け取りました。機能名が多いので、まずは自分が一番つらい工程を1つ決めて、公式の説明を読み返すのがよさそうです。