GitHub Copilot coding agent, public preview में लॉन्च

• GitHub ने Copilot coding agent को Copilot Pro+ और Enterprise उपयोगकर्ताओं के लिए preview में जारी किया है
• इससे डेवलपर्स दोहराए जाने वाले और technical debt बढ़ाने वाले काम Copilot को सौंपकर अधिक रचनात्मक और महत्वपूर्ण कामों पर ध्यान दे सकते हैं
• Issue को AI को assign करने पर, यह code changes, test run और PR creation तक अपने-आप कर देता है
• Copilot के काम पूरा करने पर यह review का अनुरोध करता है, और डेवलपर comments के जरिए अतिरिक्त बदलाव मांग सकते हैं या branch पर सीधे काम जारी रख सकते हैं
• काम GitHub Actions-आधारित cloud development environment में होता है, और यह test व linter pass होने की जांच भी खुद करता है
• उपयोगकर्ता PR में comment के जरिए Copilot से बदलाव का अनुरोध कर सकते हैं या उसे local branch में लाकर सहयोग कर सकते हैं
• यह खास तौर पर अच्छी तरह tested codebase में feature addition, bug fix, refactoring जैसे कम से मध्यम कठिनाई वाले कामों में मजबूत है

---

GitHub Copilot coding agent in public preview

code agent के जरिए technical debt कम करें और रचनात्मक काम पर ध्यान दें

• GitHub ने Copilot coding agent को public preview में जारी किया है, ताकि दोहराए जाने वाले या साधारण issues को Copilot को सौंपा जा सके
• डेवलपर किसी सामान्य डेवलपर की तरह issue को Copilot को assign कर सकते हैं, और यह GitHub website, mobile app और CLI में समर्थित है
• Copilot अपने cloud development environment में repository का विश्लेषण करता है, बदलाव लागू करता है, test और lint verification चलाता है, और फिर PR बनाता है
• काम पूरा होने के बाद यह उपयोगकर्ता से review मांगता है, और PR comments में feedback दिया जा सकता है या local में branch पर काम आगे बढ़ाया जा सकता है

यह किन कामों के लिए उपयुक्त है

• Copilot feature addition, bug fix, test विस्तार, refactoring, documentation सुधार जैसे कम से मध्यम जटिलता वाले कामों में मजबूत है
• यह अच्छी तरह tested codebase में प्रभावी ढंग से काम करता है, और एक साथ कई issues assign करना भी संभव है

उपयोग की शर्तें और pricing

• यह फीचर Copilot Pro+ या Copilot Enterprise प्लान में उपलब्ध है
• Enterprise के मामले में, उपयोग से पहले admin को ‘Copilot coding agent’ policy पहले से enable करनी होगी
• agent का उपयोग GitHub Actions time और Copilot Premium requests खर्च करता है
  • खास तौर पर, 4 जून 2025 से हर model request पर 1 Premium request charge होगी

platform support और शुरुआत कैसे करें

• यह फीचर फिलहाल GitHub Mobile(iOS/Android) और GitHub CLI उपयोगकर्ताओं के लिए धीरे-धीरे rollout किया जा रहा है
• Copilot coding agent docs में शुरुआत करने का तरीका और tips देखे जा सकते हैं
• राय या सवाल community discussion में साझा किए जा सकते हैं

[wedding]

मैं इसे vscode Insiders में इस्तेमाल कर रहा हूँ, और यह लगातार बेहतर होता जा रहा है इसलिए यह काफी सुविधाजनक है.
इन दिनों तो predictive coding भी हो रही है।

[GN⁺]

Hacker News की राय

• मुझे लगा कि Copilot अच्छी तरह से टेस्ट किए गए codebase में फीचर जोड़ने, bug fix करने, test बढ़ाने, refactoring और documentation सुधारने जैसे कम से मध्यम कठिनाई वाले कामों में प्रभावी है। लेकिन इंसानों के लिए महत्वपूर्ण बात यह है कि AI का इस्तेमाल करते समय सतर्कता बनाए रखी जाए। अगर tests सिर्फ AI से बनाए गए हों, तो चिंता रहती है कि वे वास्तव में सही तरह से काम न करें। मैं यह सुनना चाहूँगा कि Microsoft के भीतर इसका इस्तेमाल कितना सफल रहा है, इसके ठोस आंकड़े क्या हैं। Microsoft अपने ही products को असली उपयोग में लाने (dogfooding) के लिए मशहूर रहा है, लेकिन भारी marketing और वास्तविक उपयोगिता में फर्क करना बहुत मुश्किल लगता है
  • GitHub और Microsoft की कई जगहों पर Copilot coding agent को अंदरूनी तौर पर लगभग 3 महीनों से वास्तव में इस्तेमाल किया जा रहा है। इस अनुभव से बहुत-सा feedback मिला और bugs सुधारे गए, जिसके बाद आज agent लॉन्च के लिए तैयार हुआ। अब तक GitHub के लगभग 400 कर्मचारियों ने 300 से अधिक repositories में agent का इस्तेमाल किया है, और Copilot द्वारा योगदान किए गए लगभग 1,000 PR merge हो चुके हैं। जिस repository में agent विकसित हो रहा है, वहाँ Copilot agent पाँचवाँ सबसे बड़ा contributor है। यानी Copilot coding agent का इस्तेमाल करके Copilot coding agent बनाया जा रहा है। (मैं GitHub में Copilot coding agent का product lead हूँ)
  • Microsoft के भीतर यह management द्वारा ऊपर से थोपे गए rollout जैसा लगता है। Azure टीम के एक दोस्त के अनुसार, एक अंदरूनी AI coding assistant install करने से मना करने पर वह लगभग PIP (Performance Improvement Program) में डाल दिया गया था। हर manager "AI इस्तेमाल करने वाले developers की संख्या" को OKR बना रहा है, और बहुत-से developers इसे install तो कर लेते हैं लेकिन लगभग इस्तेमाल नहीं करते। खासकर C# और PowerShell support काफी कमज़ोर है, इसलिए वास्तविक उपयोगिता सीमित लगती है
  • Microsoft ने वास्तव में ऐसे आंकड़े जारी किए हैं कि कितना code AI से generate हो रहा है। कहा गया है कि 30% code AI द्वारा लिखा जा रहा है
  • यह कहना कि Microsoft dogfooding के लिए मशहूर था, 15 साल पहले तक सही था, लेकिन अब बिल्कुल नहीं
• मैं चेतावनी देना चाहता हूँ कि Copilot का इस्तेमाल करने पर private repository का code training में इस्तेमाल हो सकता है, और यह बहुत बड़ी समस्या है। Pro और Pro+ plans हैं, लेकिन FAQ में सिर्फ यह लिखा है कि Business या Enterprise data training में इस्तेमाल नहीं होता, इसलिए यह समझ आता है कि individual paid plans का data अभी भी model training में इस्तेमाल होता है
  • पहले ऐसा हो सकता था, लेकिन अब बात बदल गई है। GitHub के आधिकारिक docs में personal plan policy देखी जा सकती है
  • अगर आप Windows environment में coding कर रहे हैं, तो आपकी screen पहले से हर कुछ सेकंड में अपने-आप capture हो रही है, और OCR से आपकी screen के सारे text का analysis हो रहा है। अगर यह नहीं जानते, तो यह चौंकाने वाली खबर होगी
• मैंने Gemini 2.5 pro और cline के साथ एक greenfield project में vibe coding का प्रयोग किया। यह काफी प्रभावशाली था और पुराने LLM chat interfaces की तुलना में productivity में बहुत मदद मिली। लेकिन अगर architecture guide पर्याप्त मज़बूत न हो, तो LLM गलत abstraction और technical debt जमा करने लगता है (जैसे structure बिगाड़ना)। Code quality या बेहतर तरीकों पर self-reflection पर्याप्त नहीं होता। अच्छी बात यह है कि मैं स्पष्ट रूप से बताकर prompt करूँ तो यह तुरंत सुधार कर देता है। और यह भी चौंकाने वाला था कि LLM token cost एक ही शाम में $15 तक पहुँच गई। आम तौर पर मेरा औसत लगभग $20 प्रति माह रहता था, लेकिन एक दिन में इतना पहली बार हुआ
  • एक दिन में LLM tokens पर $15 खर्च होना bug नहीं, feature है। मुझे लगता है कि आगे चलकर "AWS bill shock" जैसी स्थिति LLM में भी देखने को मिलेगी
  • Aider नाम के tool का इस्तेमाल करके /add, /drop, /clear से context को सक्रिय रूप से manage करने की भी सलाह दूँगा
  • अगर Cline को cost-sensitive तरीके से इस्तेमाल करना है, तो context को manually manage करने की ज़रूरत महसूस होती है। मैं उसकी जगह Windsurf इस्तेमाल कर रहा हूँ (अब भी Gemini 2.5 pro का उपयोग करते हुए)। उसमें context management कहीं ज़्यादा आसान है
  • Greenfield projects में AI का उपयोग असुविधाजनक लगता है। विकल्प बहुत ज़्यादा होते हैं, इसलिए AI अलग-अलग तरीकों के बीच डगमगाता रहता है। Brownfield (मौजूदा codebase) में reference files देकर patterns स्वाभाविक रूप से सिखाए जा सकते हैं, इसलिए अच्छे नतीजे निकालना बहुत आसान होता है
  • मुझे LLM द्वारा architecture pollution रोकने में रुचि है। उम्मीद है कि अगला कदम ऐसा (AI-आधारित) linter होगा जो जाँच सके कि implementation design definition के अनुरूप है या नहीं
• मेरा मानना है कि features जोड़ने से पहले speed optimization आनी चाहिए। Copilot का autocomplete तेज़ है, लेकिन कभी-कभी 100-line file edit करने में कई मिनट लग जाते हैं, जो बहुत गैर-उत्पादक अनुभव है। अगर accuracy लगभग 100% हो तो समझ आता है, लेकिन धीमी गति से आगे-पीछे होना मुश्किल है। इसके बजाय नया tab खोलकर Claude या ChatGPT में सवाल और code copy-paste करना ज़्यादा तेज़ है। मैंने Copilot subscription cancel कर दी है और आगे autocomplete/छोटे कामों के लिए local models पर जाने वाला हूँ
  • मेरा अनुभव बिल्कुल उल्टा है। सैकड़ों lines वाली file edit भी कुछ सेकंड में पूरी हो जाती है। पहले शायद धीमा था, लेकिन हाल में bottleneck गायब हो गए हैं। Library Wi‑Fi पर Copilot इस्तेमाल करने पर भी अनुभव काफी smooth है
  • अगर कई मिनट लग रहे हैं, तो मुझे लगता है कोई गंभीर समस्या है। ज़्यादातर models कुछ सेकंड में काम कर देते हैं
• मैं VS Code में ChatGPT और Copilot को बारी-बारी से इस्तेमाल करता हूँ। Objective-C की syntax समझना बहुत आसान हो गया है, और library support कम है, लेकिन 3rd party libraries को मैंने शायद खुद पर्याप्त मौका नहीं दिया। Syntax और flow errors मैं तुरंत पहचान लेता हूँ, इसलिए थोड़ा-सा सुधार करके लगभग code को तुरंत इस्तेमाल कर लेता हूँ। $10 प्रति माह की कीमत पर यह भविष्य के लिए काफ़ी सकारात्मक लगता है। मेरे पास update करने के लिए बहुत-सी iOS apps हैं, और वे सभी productivity apps हैं जिन्हें मैं खुद इस्तेमाल भी करता हूँ और बेचता भी हूँ। इसलिए फायदा दोगुना है
• मैंने Copilot का काफ़ी इस्तेमाल किया है। यह प्रभावशाली है, लेकिन थोड़ा डरावना भी। बड़ी समस्या यह है कि यह छोटे repos से उठाई गई random dependencies को लापरवाही से recommend करता है, और उनमें से कई बड़े projects के लिए उपयुक्त नहीं होतीं। इसलिए user को सावधान रहना चाहिए
  • मैंने कई AI systems में ऐसा pattern देखा है। वे web से पढ़े गए data पर ज़रूरत से ज़्यादा भरोसा करते हैं। उदाहरण के लिए, phishing scam की जाँच करने को कहें तो AI सिर्फ सामग्री का सारांश दे देता है, भरोसेमंद analysis नहीं। और मैंने यह भी देखा है कि 2-star वाले किसी अज्ञात Chinese repo को industry standard की तरह recommend कर देता है, सिर्फ इसलिए कि README में ऐसा लिखा है। थोड़ा असंबंधित उदाहरण है, लेकिन एक बार इसने "Strobe" cryptographic protocol recommend किया और strobe.cool पर भेजा, जबकि वह site खुद hallucination को उकसाने वाली चीज़ों के बारे में है
  • इस घटना का ज़िक्र करने के लिए धन्यवाद। Testing के दौरान मैंने ऐसा behavior अनुभव नहीं किया, इसलिए मैं इसे थोड़ा और गहराई से देखना चाहूँगा। अगर आप email से share कर सकें तो अच्छा होगा (github.com पर मेरा HN nickname)। मैं Copilot coding agent की product team में काम करता हूँ
  • PR execution private repos में ज़्यादा विश्वसनीय context पर काम करता है, इसलिए ऐसे माहौल में ऊपर जैसी dependency recommendation की समस्या थोड़ी चिंताजनक है
• "Copilot कम से मध्यम जटिलता वाले कामों में मज़बूत है" यह बात अच्छी लगी। लेकिन "अच्छी तरह से टेस्ट किए गए codebase" तक सीमित होने की बात सुनकर उत्साह कम हो गया
  • दूसरे comments की तरह, coding agent test coverage सुधारने में शानदार है। और एक कदम आगे जाएँ तो, agent-आधारित coding tools तब और भी ज़्यादा प्रभावी होते हैं जब पहले से अच्छी test coverage मौजूद हो। Tests agent को सीमित रखते हैं (box in) और उसे अपने काम की बार-बार जाँच करने का मौका देते हैं। ऐसे tools के लिए यह अनिवार्य नहीं है, लेकिन होने पर परिणाम बेहतर आते हैं (मैं Copilot coding agent team में काम करता हूँ)
  • अगर आप Copilot से सारे tests लिखवाएँ, तो बहुत जल्दी एक अच्छी तरह से टेस्ट किया गया codebase बन जाएगा
  • मेरे अनुभव में, tests न होने पर भी यह, खासकर greenfield projects में, काफ़ी अच्छा काम करता है। हालांकि जब tests पहले से हों, तो updates/patches के परिणाम निश्चित रूप से बेहतर होते हैं
• "तकनीकी कर्ज़ में डूब रहे हैं?" इस advertising line पर किसी ने मज़ाक में कहा कि बस हार मानो और डूब जाओ। उसने चुटकी ली कि Github Copilot Coding Agent से technical debt और बढ़ेगा, नया technical debt जमा होगा जिसकी ज़िम्मेदारी किसी की नहीं होगी, और बाकी teammates भी जल्द ही उसी हालत में पहुँच जाएँगे
• मेरा एक दोस्त GitHub में इस project पर काम कर रहा है, और मैं कई दिनों से बस इसी खबर के बारे में सुन रहा था। वह बार-बार कह रहा था कि Monday keynote ज़रूर देखना। तीसरी authentication timeout के बाद मैंने stream छोड़ दी, लेकिन अगर पता होता कि विषय यही है, तो शायद एक बार और कोशिश करता
  • यह कौन-सी keynote थी, इसे लेकर मुझे जिज्ञासा है। अभी तक search में भी ठीक से नहीं मिल रही
  • एक सलाह दूँ तो सीधे YouTube पर चले जाइए और MS sign-up process को छोड़ दीजिए
  • कामकाजी coders की बात मैं हमेशा सावधानी से सुनता हूँ, क्योंकि internal marketing बहुत ज़्यादा होती है। फिर भी उम्मीद है कि यह Cursor जैसे competitors को पीछे छोड़े, और मैं demo ज़रूर देखना चाहता हूँ
• LLM के शुरुआती दौर में मैंने GitHub Actions और issues workflow के साथ अपना खुद का agent बनाकर इस्तेमाल किया था। फीचर्स सीमित थे, लेकिन सिर्फ bug assign करने पर यह अपने-आप runs execute करता था, architecture/editing tasks संभालता था, changes verify करता था, और अंत में PR भेज देता था। अब ऐसा ही कुछ official tool के रूप में इस्तेमाल कर पाने को लेकर उत्साहित हूँ (मेरे काम का sample: chota)