GitHub Copilot: práce s agenty od plánování po řešení problémů v produkci

Psaní kódu se zrychlilo. Práce kolem něj už tolik ne. GitHub Copilot může pomoci s plánováním, implementací, kontrolou změn i vyšetřováním produkčních problémů. Důležité ale je vědět, která rozhodnutí stále vyžadují Váš úsudek.

V říjnu 2026 zaznamenal GitHub během jediného týdne více než 1,2 miliardy commitů – o více než 400 % více než o rok dříve. To je více commitů než za celý rok 2025. Pravděpodobně i Vy vytváříte více kódu než před rokem. Připadáte si ale také o 400 % produktivnější?

Vývoj softwaru vyžaduje více než dobrý prompt. S tím, jak AI urychluje implementaci, roste tlak v dalších částech vývoje. Studie Faros AI zjistila, že při přechodu týmů od nízkého k vysokému využití AI strávily pull requesty kontrolou o 441 % více času.

Jako vývojáři shromažďujete požadavky a určujete směr implementace, kontrolujete změny a vyhodnocujete výsledky testů. Následně zjišťujete, co se děje v produkci. Agenti mohou zefektivnit práci ve všech těchto fázích: při plánování, implementaci, ověřování i sledování provozu. Následující přehled ukazuje, jak může takový postup vypadat na GitHubu.

Plánování: společný kontext pro tým i agenty

Možná znáte následující situaci. Plánujete změnu API. Návrh je v jednom nástroji, požadavek na kompatibilitu se skrývá v konverzaci na Slacku a starý pull request vysvětluje, proč současná implementace funguje právě takto. Než vznikne použitelný plán, musíte tyto informace propojit, porovnat možná řešení a shodnout se, jak zachovat funkčnost stávajících klientů. Zdánlivě jednoduché plánování se mění v hodiny hledání, ověřování a shánění odpovědí. Implementace ještě nezačala a Vy už jste vyčerpaní.

S pomocí GitHub Copilot můžete rozptýlený kontext soustředit na jedno místo, posoudit kompromisy a převést rozhodnutí do implementačního plánu.

• Plánujte společně tam, kde už Váš tým pracuje. Využijte Copilot ve Slacku nebo Teams ke spolupráci všech zúčastněných – od produktových manažerů a designérů po analytiky a zástupce byznysu. Zapojte kontext z propojených nástrojů, aby tým mohl společně ověřovat předpoklady, přispívat nápady a upřesňovat požadavky.
• Převeďte dohodnuté požadavky na konkrétní úkoly. Požádejte Copilot, aby vytvořil GitHub Issues s kontextem a akceptačními kritérii potřebnými pro implementaci. Úkoly, které lze řešit samostatně, nechte oddělit.
• Nenechte rutinní třídění úkolů pohltit čas na plánování. Pomocí GitHub Agentic Workflows můžete přiřazovat štítky k issues a odhadovat složitost úkolů. Jednoduché úkoly přidělte přímo službě Copilot a svůj čas věnujte náročnějším rozhodnutím.
• Složitější práci věnujte odpovídající plánování. V prostředí Copilot, které Vám vyhovuje, použijte Plan Mode k porovnání přístupů a upřesnění implementačního plánu. Než jej předáte službě Copilot k realizaci, zkontrolujte ho a schvalte.

Namísto dnů strávených hledáním a shromažďováním kontextu získáte plán připravený ke kontrole, výslovně stanovená akceptační kritéria a jasně vymezené úkoly. Váš čas tak směřuje k rozhodování, nikoli k dohledávání informací. Jakmile zvolíte postup, máte Vy i Vaši agenti podklady pro implementaci.

Implementace: posouvejte více úkolů současně

Plán je hotový a můžete začít psát kód. Jenže agent je v polovině úkolu, za pět minut Vám začíná schůzka a pes už dvacet minut čeká u dveří. Na schůzce navíc někdo upozorní na okrajový případ, který musí implementace ošetřit. Všichni od Vás něco potřebují najednou. Rádi byste pokračovali v práci, ale nemůžete být na třech místech současně.

Práce přesto nemusí stát a Vy nemusíte zůstat u počítače, na kterém jste ji zahájili.

• Pokračujte v konverzaci z jiného zařízení. Session continuity umožňuje navázat na stejnou relaci Copilot v různých klientech. Můžete tak pracovat tam, kde Vám to právě vyhovuje.
• Nechte práci pokračovat i po zavření notebooku. Copilot spouští úkoly v cloud sandboxes, tedy v izolovaných cloudových prostředích. Úlohy běží mimo Váš počítač a k relaci se můžete vrátit později.
• Řešte samostatné úkoly bez promíchání změn. Aplikace Copilot poskytuje jednotlivým relacím izolované kopie repozitáře. Implementace nové funkce a aktualizace dokumentace tak nesdílejí jeden rozpracovaný pracovní strom.
• Využívejte znalosti o projektu při každém úkolu. Instrukce repozitáře zachycují konvence a příkazy pro ověřování změn. Shared memory uchovává užitečné informace, které může Copilot opakovaně využívat napříč repozitářem. Copilot Dreaming prochází relace splňující příslušné podmínky a zpětnou vazbu z pull requestů, aby udržoval paměť aktuální a navrhoval úpravy instrukcí nebo dovedností (skills). Méně času tak strávíte opakovaným vysvětlováním týmových postupů a pomoc od Copilot bude mezi úkoly konzistentnější.
• Přizpůsobte modely konkrétní práci. Zvolte Copilot Fusion, který vybírá modely a hloubku uvažování podle úkolu a v případě potřeby zapojuje další modely ke kontrole řešení. Nastavením míry úsilí můžete vyvážit kvalitu, náklady a dobu odezvy.
• Dodržujte firemní pravidla bez ohledu na pracovní prostředí. Enterprise managed settings přenášejí firemní zásady a nakonfigurované nástroje mezi prostředími Copilot. Omezují tak rozdíly v nastavení při přechodu mezi klienty.

Psaní kódu není jen o odeslání jednoho promptu jazykovému modelu a čekání na výsledek. S rostoucím množstvím práce může být obtížné dodržet standardy kódu i termíny projektů. Copilot umožňuje posouvat úkoly nezávisle na sobě se sdílenými znalostmi o projektu a navazovat na rozpracované relace z různých zařízení. Získáte tak více prostoru pro rozhodování o implementaci a řešení průběžných změn. Výsledkem jsou ucelené změny připravené ke kontrole.

Ověřování: věnujte pozornost tomu podstatnému

Hodinu jste usměrňovali agenty a zdá se, že výsledek odpovídá zadání. Pak otevřete pull request označený jako „drobný refaktoring“. Mění 47 souborů. Chtěli jste zpětnou vazbu ke sdílené validační logice, ta je ale schovaná mezi úpravami všech endpointů, které ji volají, změnami formátování a několika stovkami řádků vygenerovaných testů. Při pohledu na dlouhou frontu pull requestů čekajících na kontrolu přemýšlíte, jak dlouho potrvá schválení.

Právě tak může v praxi vypadat zmíněné prodloužení kontroly o 441 %. Čekání lze zkrátit ze dvou stran: připravit změny tak, aby se lidem snáze kontrolovaly, a nechat Copilot provést rutinní kontroly a opravy ještě předtím, než někdo otevře přehled změn.

• Místo jedné rozsáhlé změny připravujte menší, navazující pull requesty. Vy i Vaši agenti můžete pomocí stacked pull requests rozdělit závislé změny na menší části. Každý pull request lze zkontrolovat samostatně, závislosti zůstávají přehledné a ostatní týmy mohou na Vaši práci navázat ještě před jejím sloučením.
• Zachyťte běžné problémy s kvalitou dříve, než zatíží kontrolory. GitHub Code Quality kontroluje změny podle programátorských postupů a standardů Vaší organizace. Odhaluje problémy ještě před lidskou kontrolou a šetří čas autorům i kontrolorům.
• Přizpůsobte automatizovanou kontrolu rozsahu změny. Copilot code review poskytuje automatickou zpětnou vazbu: jednodušší změny analyzuje méně podrobně, složité důkladněji. Hloubku analýzy můžete nastavit sami nebo nechat Copilot, aby ji zvolil pro každý pull request.
• Rozšiřte bezpečnostní kontroly na větší část kódu. AI Scan vyhledává zranitelnosti i v jazycích a souborech mimo pokrytí CodeQL. AI secret detection pomáhá odhalovat tajné údaje bez pevně dané struktury, například hesla, které může vyhledávání podle vzorů přehlédnout.
• Udržujte nové závislosti v souladu se zásadami. License compliance před sloučením změn porovnává licence závislostí s firemními pravidly. GitHub package firewall, který je aktuálně v public preview pro npm, může blokovat stahování balíčků porušujících nakonfigurované bezpečnostní zásady.
• Řešte nálezy a navazující práci bez neustálého dohledu nad každým pull requestem. Agentic Autofix navrhuje opravy bezpečnostních problémů. Agent Merge automaticky řeší neúspěšné kontroly, připomínky z revizí a konflikty při slučování, a pomáhá tak připravovat pull requesty ke sloučení. Pokud to nakonfigurujete, Copilot je po úspěšném dokončení ověřovacích kroků dokáže také sloučit.

Menší změny s již vyřešenou rutinní prací znamenají méně kol připomínek a oprav. Lidé provádějící kontrolu se mohou soustředit na to, zda kód dělá zamýšlenou věc a co by se mohlo pokazit.

Sledování provozu: využijte poznatky po nasazení

Změna prošla schválením, kontroly nasazení jsou úspěšné a úkol si konečně můžete odškrtnout. Druhý den ráno ale provozní dashboard ukazuje občasná překročení časového limitu a podpora hlásí problémy u několika velkých zákazníků. Porovnáváte logy, historii vydání a zákaznická hlášení, zatímco se někdo ptá, zda se nemáte vrátit k předchozí verzi. Věta „všechny kontroly prošly“ už nepůsobí tak uklidňujícím dojmem jako včera.

Pro rozhodnutí o dalším postupu potřebujete propojit provozní data s kontextem vývoje.

• Ověřujte předpoklady podle skutečného chování. Díky přístupu k nástrojům pro sledování provozu a firemním datům prostřednictvím konektorů, například pro Fabric, může Copilot pomoci zjistit, kterých požadavků nebo skupin zákazníků se problém týká.
• Zaznamenejte zjištění tak, aby na ně bylo možné navázat. Požádejte Copilot o návrh issue s podklady a akceptačními kritérii, včetně regresního testu pro odhalenou chybu.
• Přenášejte užitečné poznatky do další práce. Zkontrolujte návrhy vylepšení od Copilot Dreaming. Funkce využívá relace a aktivitu v repozitáři k upřesňování paměti, dovedností a pokynů pro kontrolu kódu.

Zjišťování příčin problémů po vydání často znamená přecházení mezi dashboardy, konverzacemi a historií commitů. Copilot může pomoci informace propojit, zdokumentovat zjištění, vytvořit navazující issues a zlepšit pokyny pro budoucí úkoly. Více času pak věnujete rozhodování o potřebných změnách a méně opakovanému dohledávání průběhu vyšetřování. Další plán už vychází z poznatků o softwaru, který lidé skutečně používají.

Kde začít

Vyberte si jeden aktuální úkol a podívejte se i za hranice samotného psaní kódu. Jaký kontext potřebuje? Jak budete změnu kontrolovat a testovat? Jak po nasazení poznáte, že funguje?

Nemusíte měnit celý proces najednou. Začněte tím, co Vás tento týden nejvíce zdržuje, a zapojte do toho agenta. Postupně jeho využití rozšiřujte na další části procesu. Až budou agenti pomáhat napříč celým pracovním postupem, možná se Vaše skutečná produktivita konečně přiblíží tomu, co naznačuje počet commitů.

Související články

Jak tři držitelé ocenění Java Champion využívají GitHub Copilot ke zvýšení produktivity

Tři držitelé ocenění Java Champion popisují, jak využívají GitHub Copilot k řešení problémů a urychlení vývoje, přičemž odpovědnost za výsledky zůstává lidem.

Jak pokračovat v relaci z aplikace GitHub Copilot ve VS Code

Postup přesunu relace agenta z aplikace GitHub Copilot do VS Code bez ztráty konverzace, změn kódu nebo pracovního kontextu.

Model GitHubu pro detekci tajných údajů: více nálezů, méně falešných poplachů

Klasifikátor tajných údajů od GitHubu, který zohledňuje kontext, zlepšuje kvalitu detekce, zvyšuje váženou míru přijetí nálezů o 11,5 % a snižuje medián doby běhu kontroly o 86 %.