Agente de codificação do GitHub Copilot entra em prévia pública

• O GitHub disponibilizou o agente de codificação do Copilot em prévia para usuários do Copilot Pro+ e Enterprise
• Isso permite que desenvolvedores deleguem ao Copilot tarefas repetitivas e com acúmulo de dívida técnica, para focar em trabalhos mais criativos e importantes
• Ao atribuir uma issue à IA, ela executa automaticamente correções no código, roda testes e cria um PR
• Quando o Copilot conclui a tarefa, ele solicita revisão, e o desenvolvedor pode pedir alterações adicionais por comentário ou continuar o trabalho diretamente na branch
• O trabalho é feito em um ambiente de desenvolvimento em nuvem baseado em GitHub Actions, e o próprio sistema valida a aprovação em testes e linter
• O usuário pode pedir ajustes ao Copilot por comentários no PR ou colaborar trazendo a branch para o ambiente local
• Ele se destaca principalmente em tarefas de adição de funcionalidades, correção de bugs e refatoração de baixa a média complexidade em codebases com bons testes

---

GitHub Copilot coding agent in public preview

Com o agente de código, é possível reduzir a dívida técnica e focar em trabalho criativo

• O GitHub lançou o agente de codificação do Copilot em prévia pública, permitindo delegar ao Copilot issues repetitivas ou simples
• O desenvolvedor pode atribuir uma issue ao Copilot como faria com um desenvolvedor comum, com suporte no site do GitHub, app móvel e CLI
• O Copilot analisa o repositório em seu próprio ambiente de desenvolvimento em nuvem, aplica as alterações, executa testes e validações de lint e depois cria um PR
• Após concluir, ele solicita revisão ao usuário, que pode enviar feedback por comentários no PR ou continuar o trabalho diretamente na branch em ambiente local

Para que tipo de tarefa ele é adequado

• O Copilot se destaca em tarefas de adição de funcionalidades, correção de bugs, expansão de testes, refatoração e melhorias de documentação com baixa a média complexidade
• Ele funciona bem em codebases com bons testes e também é possível atribuir várias issues ao mesmo tempo

Condições de uso e preços

• Esse recurso está disponível nos planos Copilot Pro+ e Copilot Enterprise
• No Enterprise, o administrador precisa ativar previamente a política de “Copilot coding agent” para que o uso seja liberado
• O uso do agente consome tempo do GitHub Actions e solicitações Premium do Copilot
  • Em especial, a partir de 4 de junho de 2025, cada solicitação ao modelo passa a consumir 1 solicitação Premium

Suporte de plataforma e como começar

• No momento, esse recurso está sendo disponibilizado gradualmente para usuários do GitHub Mobile (iOS/Android) e do GitHub CLI
• É possível ver como começar e consultar dicas na documentação do agente de codificação do Copilot
• Opiniões ou dúvidas podem ser compartilhadas na discussão da comunidade

[wedding]

Estou usando no VS Code Insiders, e está ficando cada vez melhor, então é muito conveniente.
Hoje em dia até faz codificação preditiva.

[GN⁺]

Opiniões no Hacker News

• Fiquei com a impressão de que o Copilot é eficaz para tarefas de baixa a média complexidade em codebases bem testadas, como adicionar recursos, corrigir bugs, expandir testes, refatorar e melhorar a documentação. Mas a parte importante para humanos é manter cautela ao usar IA. Se os testes forem criados só por IA, existe a preocupação de que talvez não funcionem de verdade. Gostaria de ouvir números concretos sobre o quanto isso está sendo usado com sucesso dentro da Microsoft. A Microsoft é famosa por realmente usar os próprios produtos na prática, mas tenho a sensação de que é muito difícil separar marketing pesado de utilidade real
  • O Copilot coding agent já está sendo usado internamente em várias partes do GitHub e da Microsoft há quase 3 meses. Com essa experiência, muito feedback foi coletado e vários bugs foram corrigidos para deixar o agent pronto para o lançamento de hoje. Até agora, cerca de 400 funcionários do GitHub usaram o agent em mais de 300 repositórios, e quase 1.000 PRs com contribuição do Copilot foram mesclados. No repositório em que o agent está sendo desenvolvido, o Copilot agent é o 5º maior contribuidor. Ou seja, estamos usando o Copilot coding agent para criar o Copilot coding agent. (Sou product lead do Copilot coding agent dentro do GitHub)
  • Dentro da Microsoft, a impressão é de uma adoção forçada de cima para baixo pela gerência. Segundo um amigo da equipe do Azure, houve caso de alguém quase entrar em PIP (plano de melhoria de desempenho) por se recusar a instalar o assistente interno de codificação com IA. Cada gerente está definindo como OKR o “número de desenvolvedores que usam IA”, e muitos desenvolvedores tendem a instalar e quase não usar. Há também frustração porque o suporte a C# e PowerShell ainda é bem fraco, o que limita a utilidade real
  • De fato, a Microsoft já divulgou números como a proporção de código gerado por IA. Fala-se que 30% do código está sendo escrito por IA
  • Dizer que a Microsoft era famosa por dogfooding era verdade até uns 15 anos atrás, mas hoje não é mais nem um pouco assim
• Quero alertar que é um problema muito sério o fato de que o código de repositórios privados pode ser usado para treinamento quando se usa o Copilot. Existem planos Pro e Pro+, mas no FAQ só está escrito que dados de Business ou Enterprise não são usados para treinamento, então entendo isso como significando que os dados de planos pagos individuais ainda são usados no treinamento do modelo
  • Talvez isso fosse verdade antes, mas agora é diferente. Dá para verificar a política do plano individual na documentação oficial do GitHub
  • Se você programa em ambiente Windows, sua tela provavelmente já está sendo capturada automaticamente a cada poucos segundos, e todo o texto da sua tela está sendo analisado por OCR. Se você não sabia disso, é uma notícia surpreendente
• Fiz um experimento de vibe coding em um projeto greenfield com Gemini 2.5 pro e cline. Foi bem impressionante e ajudou muito mais na produtividade do que a interface tradicional de chat com LLM. Porém, se as diretrizes de arquitetura não forem fortes o suficiente, o LLM tende a acumular abstrações ruins e dívida técnica (por exemplo, destruir a estrutura). Ele também não demonstra reflexão suficiente sobre qualidade de código ou abordagens melhores. A vantagem é que, se eu apontar claramente o problema no prompt, ele melhora na hora. E foi surpreendente ver que o custo de tokens do LLM consumiu US$ 15 em uma única noite. Meu gasto médio normal era cerca de US$ 20 por mês, e foi a primeira vez que vi isso acontecer em um dia
  • Gastar US$ 15 por dia em tokens de LLM não é bug, é feature. Acho que em breve veremos um fenômeno de “conta-bomba da AWS” também no mundo dos LLMs
  • Também recomendo usar uma ferramenta chamada Aider e gerenciar ativamente o contexto com /add, /drop, /clear
  • Se você vai usar o Cline com sensibilidade a preço, sente a necessidade de gerenciar o contexto manualmente. Eu uso o Windsurf no lugar (ainda com Gemini 2.5 pro), e o gerenciamento de contexto é muito mais simples
  • Em projetos greenfield, usar IA é desconfortável. Há opções demais, então a IA fica oscilando entre abordagens. Em projetos brownfield (codebases já existentes), você pode fornecer arquivos de referência para ela aprender padrões naturalmente, e assim é muito mais fácil obter bons resultados
  • Tenho interesse em evitar a contaminação arquitetural causada por LLMs. Espero que o próximo passo seja o surgimento de um linter (baseado em IA) que verifique se a implementação está de acordo com a definição de design
• Acho que otimização de velocidade deveria vir antes de adicionar mais recursos. O autocompletar do Copilot é rápido, mas às vezes editar um arquivo de 100 linhas leva vários minutos, o que é uma experiência improdutiva. Se a taxa de acerto fosse perto de 100%, eu até entenderia, mas ficar esperando algo lento indo e voltando é cansativo. É mais rápido abrir o Claude ou o ChatGPT em outra aba, colar a pergunta e o código. Cancelei minha assinatura do Copilot e, no futuro, vou migrar para modelos locais para autocomplete e tarefas simples
  • Minha experiência é o oposto total. Editar arquivos com centenas de linhas leva só alguns segundos. Parece que era lento antes, mas recentemente os gargalos desapareceram. Mesmo usando o Copilot no Wi‑Fi de uma biblioteca, a experiência é bem fluida
  • Se está levando minutos, acho que há um problema sério. A maioria dos modelos processa isso em poucos segundos
• Alterno entre ChatGPT e Copilot no VS Code. Ficou muito mais fácil entender a sintaxe de Objective-C e, embora o suporte a bibliotecas seja fraco, talvez eu também não tenha explorado o suficiente bibliotecas de terceiros. Consigo perceber erros de sintaxe e de fluxo imediatamente, faço correções curtas e quase uso o código direto. Por US$ 10 por mês, isso me faz ver o futuro com otimismo. Tenho muitos apps iOS para atualizar, todos apps de produtividade, e eu mesmo uso e vendo todos eles. Então o ganho é em dobro
• Já usei bastante o Copilot. É impressionante, mas também assustador. O problema importante é que ele recomenda dependências aleatórias tiradas de repositórios pequenos sem critério, e em muitos casos elas são inadequadas para projetos principais. Ou seja, o usuário precisa ter cuidado
  • Vi padrões parecidos em várias IAs. Elas confiam demais em dados lidos da web. Por exemplo, ao pedir verificação de um golpe de phishing, a IA só resume o conteúdo e não faz uma análise confiável. Também já vi recomendar um repositório chinês obscuro com 2 estrelas como se fosse padrão da indústria, só porque estava escrito no README. Não é exatamente o mesmo assunto, mas certa vez ela recomendou o protocolo de criptografia "Strobe" e indicou strobe.cool, sendo que esse site trata justamente de induzir alucinações
  • Obrigado por mencionar esse fenômeno. Não tive essa experiência durante os testes, então gostaria de investigar mais a fundo. Seria ótimo se você pudesse compartilhar isso por e-mail (meu nick no HN em github.com). Trabalho no time de produto do Copilot coding agent
  • A execução de PR funciona com um contexto mais confiável em repositórios privados, então esse problema de recomendação de dependências nesse tipo de situação é um pouco preocupante
• Gostei da afirmação de que o “Copilot é forte em tarefas de baixa a média complexidade”. Mas a expectativa desaparece quando isso fica limitado a “codebases bem testadas”
  • Como disse outro comentário, o coding agent é excelente para melhorar cobertura de testes. E indo um passo além, ferramentas de coding agent já produzem resultados muito melhores quando existe uma boa cobertura de testes. Os testes colocam o agent dentro de limites e dão a ele a chance de repetir a verificação do próprio trabalho. Não é algo estritamente necessário para essas ferramentas, mas ajuda a gerar resultados melhores (trabalho no time do Copilot coding agent)
  • Se você deixar o Copilot escrever todos os testes, logo terá uma codebase bem testada
  • Na minha experiência, ele funciona bastante bem mesmo sem testes, especialmente em projetos greenfield. Ainda assim, os resultados em updates e patches são claramente melhores quando já existem testes
• Ao ver o slogan publicitário “se afogando em dívida técnica?”, a reação foi uma piada do tipo: desista logo e afunde de vez. Disseram com ironia que o Github Copilot Coding Agent vai gerar ainda mais dívida técnica, acumular nova dívida técnica pela qual ninguém sabe quem vai responder, e que os colegas logo estarão na mesma situação
• Um amigo meu está participando do projeto relacionado no GitHub, então só ouvi falar disso nos últimos dias. Ele insistia repetidamente para eu assistir ao keynote de segunda-feira. Depois do terceiro timeout de autenticação, desisti do streaming, mas se soubesse que era sobre isso, acho que teria tentado mais uma vez
  • Queria saber especificamente de qual keynote você está falando. Até agora quase não aparece nada nem nas buscas
  • Um conselho: simplesmente vá ao YouTube e pule todo o processo de cadastro na Microsoft
  • Sempre escuto com cautela o que coders da linha de frente dizem, porque o marketing interno pesa bastante. Espero que isso supere concorrentes como o Cursor, e certamente pretendo assistir à demonstração ao vivo
• No início dos LLMs, eu mesmo criei e usei um agent com github actions e workflow de issues. Tinha recursos limitados, mas bastava indicar o bug que ele executava automaticamente a ação, lidava com tarefas de arquitetura/edição, validava as mudanças e no final enviava um PR. Agora estou animado por poder usar algo parecido como ferramenta oficial (amostra do meu trabalho: chota)