Ing. Calogero Bono
GitHub opublikował przewodnik dla programistów o agentic engineering, czyli pracy z agentami IA na całym cyklu tworzenia oprogramowania. Punktem wyjścia są liczby podane przez firmę. W tygodniu października commity przekroczyły 1,2 miliarda, o ponad 400% więcej niż rok wcześniej. Pisanie kodu kosztuje mniej, ale planowanie, przeglądanie i obserwowanie wciąż są wąskim gardłem i właśnie tu rozstrzyga się prawdziwa produktywność.
Kilka pojęć, zanim przejdziemy do faktów. Agentic engineering to sposób pracy, w którym agenci IA wykonują zadania samodzielnie, a ty nimi kierujesz. Pull request to propozycja zmiany, którą kolega przegląda przed scaleniem. Triage to sortowanie zgłoszeń według priorytetu. CodeQL to narzędzie GitHub, które analizuje kod w poszukiwaniu podatności. Sandbox to odizolowane środowisko, w którym kod działa bez dotykania twojego komputera.
Dlaczego więcej kodu nie oznacza większej produktywności?
Według GitHub, w jednym tygodniu października było więcej commitów niż w całym 2025 roku. Firma zastanawia się, czy programiści naprawdę czują się o 400% bardziej produktywni.
Drugi wskaźnik pochodzi z badania Faros AI, na które powołuje się GitHub. Pull request pozostawały w review o 441% dłużej, gdy zespoły przeszły z niskiego na wysokie wykorzystanie IA. Praca przesuwa się z pisania na weryfikację.
To ten sam scenariusz, o którym pisaliśmy przy okazji GitHub Rubicon, pomyślanego dla wielu agentów w jednym repozytorium.
Jak planować z Copilotem?
Etap Plan służy do zebrania w jednym miejscu kontekstu rozproszonego między narzędziami, czatami i starymi pull request. GitHub wskazuje Copilota w Slacku lub Teams, by planować wspólnie z product managerami, projektantami i analitykami.
- Copilot może tworzyć GitHub Issues z kryteriami akceptacji i podzielnymi zadaniami.
- GitHub Agentic Workflows oznacza issue etykietami i szacuje złożoność, dzięki czemu proste zadania trafiają od razu do Copilota.
- Plan Mode porównuje podejścia i tworzy plan do zatwierdzenia przed implementacją.
Jak pracować nad kilkoma zadaniami naraz?
Na etapie Build ciągłość sesji pozwala wznowić tę samą sesję Copilota z różnych urządzeń. Zadania działają w chmurowych sandboxach, więc postępują także przy zamkniętym laptopie. Aplikacja Copilot daje każdej sesji odizolowaną kopię repozytorium.
Wiedza o projekcie przepływa przez instrukcje repozytorium i wspólną pamięć. Copilot Dreaming przegląda kwalifikujące się sesje i opinie z pull request, aby aktualizować pamięci. Dzięki Copilot Fusion wybierasz modele i głębokość rozumowania, balansując jakość, koszt i czas. Podejście zbliżone do tego opisanego w AI agentica i zaawansowana automatyzacja.
Jak skrócić czas przeglądu pull request?
Według GitHub kolejka przeglądów to «441% w praktyce». Odpowiedzią jest działanie na dwóch frontach – zmiany łatwiejsze do przejrzenia i rutynowe kontrole powierzone Copilotowi.
- Stacked pull request dzielą zależną pracę na małe części.
- GitHub Code Quality sprawdza zmiany względem standardów organizacji.
- Copilot code review dostosowuje głębokość analizy do wielkości zmiany.
- AI Scan szuka podatności poza zasięgiem CodeQL, a AI secret detection wykrywa niestrukturalne sekrety, jak hasła. Więcej o tym znajdziesz w naszym przewodniku po secrets management.
- Package firewall, w publicznym podglądzie dla npm, może blokować pobrania niezgodne z politykami.
- Agentic Autofix proponuje poprawki bezpieczeństwa, a Agent Merge obsługuje nieudane sprawdzenia, komentarze i konflikty.
Po skonfigurowaniu Copilot może też scalać pull request, gdy weryfikacje przechodzą.
Ograniczenia, które warto znać
Tekst to przewodnik opublikowany przez GitHub, więc korzyści są deklaracjami firmy, a nie wynikami zmierzonymi niezależnie. W materiale, którym dysponujemy, etap Observe jest ucięty, więc nie możemy opisać go w całości. Brakuje cen, wymaganych planów i dostępności każdej funkcji, poza publicznym podglądem package firewall. Badanie Faros AI jest cytowane, nie zweryfikowane przez nas.
Co zmienia się dla osób pracujących w cyfrowym świecie
Jeśli programujesz z IA, czas zaoszczędzony na pisaniu może przepaść w review. Warto pracować małymi, skupionymi pull request i automatyzować rutynowe kontrole, zanim trafi do kolegi. Ktoś, kto korzysta z Cursor lub innych asystentów, powinien myśleć podobnie. Dla małych zespołów dobre pisanie instrukcji repozytorium staje się częścią pracy.
Nasze zdanie
Przewodnik ma zaletę, bo wychodzi od realnego problemu, czyli przeglądu, zamiast chwalić się wyłącznie szybkością. Mimo to jest to materiał promocyjny. Wiele wymienionych funkcji, od Agent Merge po automatyczne scalanie, przenosi zaufanie na agenta właśnie tam, gdzie potrzebna jest większa uwaga człowieka. Ryzyko polega na zastąpieniu kolejki review kolejką automatycznych kontroli, których nikt nie czyta. Metoda ma sens, ale warto wdrażać ją krok po kroku i mierzyć efekty.
Najczęstsze pytania
Czym jest agentic engineering według GitHub?
To przepływ pracy, w którym agenci IA wspierają w czterech etapach, czyli Plan, Build, Verify i Observe. Programista kieruje wynikami. GitHub przedstawia to jako rozszerzenie poza samo generowanie kodu.
Ile commitów zarejestrował GitHub?
Ponad 1,2 miliarda w jednym tygodniu października. Według GitHub to ponad 400% więcej niż rok wcześniej i więcej niż w całym 2025 roku.
Co mówi badanie Faros AI?
Pull request pozostają w review o 441% dłużej przy wysokim wykorzystaniu IA niż przy niskim. GitHub przytacza to jako dowód, że presja przesuwa się na review.
Czy Copilot może sam scalać pull request?
Tak, jeśli go tak skonfigurujesz. GitHub podaje, że Copilot scala pull request, gdy ustawione weryfikacje są zaliczone.
Czy package firewall jest dostępny dla wszystkich?
Jest w publicznym podglądzie dla npm. Może blokować pobrania naruszające skonfigurowane polityki bezpieczeństwa. Dla innych ekosystemów źródło nie mówi nic.
Na co zwracać uwagę w najbliższych miesiącach przy wspomaganych review
Pytanie brzmi, czy te narzędzia naprawdę skrócą czekanie na review. Niezależne dane powiedzą więcej niż przewodniki.
- Mierz średni czas przeglądu swoich pull request przed wdrożeniem agentów i po nim.
- Sprawdź, kiedy etap Observe zostanie opisany w całości i jak połączy się z twoimi narzędziami monitoringu.
- Zweryfikuj plany i koszty funkcji bezpieczeństwa, zanim powierzysz im kontrole.
