GitHub Copilot My work：AI 程式任務管理重點

重點摘要

GitHub 針對 Copilot 應用程式 My work 面板發布的新指南，說明 AI 開發正進入多工作階段。開發者不再只面對單一聊天，而是同時管理多個代理會話、完成項目、待審查結果與後續決策。因此，AI 助手的價值不只在於產生程式碼，也在於能否讓工作狀態清楚可見。

為何這個功能重要

GitHub 文章 https://github.blog/ai-and-ml/github-copilot/github-copilot-app-for-beginners-managing-your-work/ 說明，Copilot 應用程式可透過 My work 面板協助初學者管理多個 Copilot 工作。表面上這是介面功能，實際上反映 AI 助手正在成為工作協調者。開發者可能同時要求代理調查錯誤、撰寫重構方案、整理 pull request。若缺乏工作視圖，這些輸出很容易散落在不同對話中。

從對話歷史變成任務佇列

對話歷史回答「之前問了什麼」，任務佇列回答「目前等待什麼結果」。當 AI 可以建立分支、提出修改與產生下一步建議時，後者更適合日常開發。可見佇列能降低切換成本，也能提醒團隊每個 AI 產出都需要擁有者、狀態與審查。

評估 AI 開發軟體的角度

如果你在 https://www.bttc.site/software 比較工具，可以把 My work 概念變成清單。工具是否顯示進行中、已完成、阻塞與待審查項目？生成結果能否追溯到提示、儲存庫、issue 或分支？使用者能否暫停、恢復、取消或封存會話？透明的工具通常比只追求速度的工具更容易長期導入。

實務操作方式

先建立小而明確的任務，例如「診斷上傳元件失敗原因」。不要一開始就要求 AI 改善整個專案。接著定義期望輸出，可能是分析、補丁、測試計畫或摘要。將探索、計畫、修改、測試與審查分成階段，避免代理一次完成太多高風險動作。更多流程文章可參考 https://www.bttc.site/blog。

需要注意的風險

多會話工作流可能造成重複分析、過期上下文與未驗證結論。團隊應規定每個 AI 任務有負責人、清楚名稱、小範圍、測試證據與合併前人工審查。如果助手能讀取儲存庫或呼叫工具，任務可見性也會成為安全治理的一部分。

導入前的檢查清單

在正式採用這類 AI 工具前，團隊可以先做三件事。第一，列出目前使用的 IDE、外掛、AI 助手與儲存庫權限，避免不知道哪些工具能接觸程式碼。第二，定義低風險與高風險任務。查文件、產生測試草稿通常風險較低；修改驗證流程、部署設定或付款相關程式碼則應要求更嚴格審查。第三，建立完成標準。每個 AI 任務都應留下摘要、測試結果或明確的放棄理由。

這些習慣不會降低開發效率，反而能讓 AI 輸出更容易被信任。當任務面板顯示清楚，團隊成員可以快速知道哪些建議值得繼續、哪些需要重新提示、哪些應該關閉。對剛開始導入 AI 的公司來說，這比一次追求全自動更實際。

常見問題

初學者才需要 My work 嗎？

不是。資深開發者在同時使用多個 AI 會話時，同樣需要清楚的工作狀態。

它能讓 AI 程式碼自動安全嗎？

不能。它能改善可見性，但仍需要測試、審查與安全檢查。

選工具時最該比較什麼？

比較任務可見性、權限、審查控制、IDE 支援、價格與團隊流程相容性。

結論

GitHub 的 My work 指南提醒我們，AI 開發工具的競爭重點正在轉向工作流品質。能讓任務可見、可恢復、可審查的助手，會比只產生更多文字的助手更有用。