GitHub больше не просто хранилище кода: как AI-агенты меняют разработку

Я долго воспринимал GitHub довольно просто: здесь лежит код, здесь создаются issues, здесь открываются pull request, а дальше разработчики всё проверяют и вливают изменения в основную ветку.

С AI-агентами эта схема начала заметно меняться.

Теперь можно поставить агенту задачу, которую раньше я бы просто взял в работу сам: разобраться в чужом коде, найти причину ошибки, внести изменения, прогнать проверки и подготовить pull request.

И самое интересное здесь даже не то, что AI научился писать код.

GitHub постепенно превращается из места хранения исходников в среду, где эти исходники могут самостоятельно обрабатываться AI-агентами.

Раньше программист открывал GitHub. Теперь GitHub может открыть задачу для агента

Представим обычную ситуацию.

В проекте появляется issue: после обновления зависимости перестал работать какой-то API. Раньше разработчику нужно было самому открыть репозиторий, разобраться в структуре проекта, найти проблемное место, внести изменения, запустить тесты и оформить pull request.

Теперь часть этой работы можно передать Copilot cloud agent.

GitHub прямо описывает сценарий, в котором агент сначала исследует репозиторий, затем составляет план, меняет код в отдельной ветке, позволяет посмотреть diff и после этого создать pull request.

Для меня здесь важен именно порядок действий.

AI не просто отвечает на вопрос вроде «почему падает эта функция?». Он получает задачу внутри самого процесса разработки и возвращает результат туда же.

Issue → анализ → изменения → ветка → проверка → pull request.

То есть исчезает часть переключений между инструментами.

AI уже может не только писать код

Это, пожалуй, главное изменение.

Когда говорят об AI для программистов, обычно представляют чат, куда нужно вставить кусок кода и попросить найти ошибку.

GitHub движется дальше.

Copilot может исследовать репозиторий перед изменением кода, составлять план реализации, работать с веткой и возвращать разработчику diff для проверки.

Есть и отдельный AI code review. Copilot способен анализировать pull request, находить проблемы и предлагать исправления. Эти исправления можно применить, а при необходимости передать задачу cloud agent, чтобы тот внёс изменения.

Получается довольно необычная ситуация.

Один AI может написать изменение, другой процесс - проверить его, а человек остаётся между ними.

И вот здесь роль программиста начинает меняться.

Самое интересное - GitHub пускает несколько агентов

В феврале GitHub открыл публичный preview для Claude и OpenAI Codex в качестве coding agents. Их можно запускать непосредственно из GitHub, GitHub Mobile и VS Code.

Это уже совсем другая логика.

Раньше вопрос звучал примерно так:

Какой AI лучше пишет код?

Теперь появляется другой:

Какого агента лучше дать конкретной задаче?

Один агент может лучше справиться с анализом существующего проекта. Другой - с реализацией функции. Третий можно использовать для проверки.

GitHub уже позволяет использовать сторонние coding agents вместе с Copilot cloud agent. Агенту можно назначить issue или дать отдельную задачу, после чего он работает над изменениями и создаёт pull request.

Получается что-то похожее на маленькую команду разработчиков, только часть этой команды состоит из AI.

Но здесь есть неприятная сторона

На этом месте легко сделать слишком красивый вывод: раз агент умеет сам писать код и создавать pull request, значит программист скоро станет не нужен.

Я бы с таким выводом не спешил.

GitHub сама предупреждает, что результат работы Copilot нужно тщательно проверять. Pull request от агента не считается заменой человеческому review, а при обязательном количестве одобрений approval от Copilot не засчитывается.

И это логично.

AI может написать работающий код и одновременно неправильно понять архитектуру проекта.

Он может исправить конкретный баг, но создать другой.

Может выбрать решение, которое проходит тесты сегодня, но усложняет поддержку через полгода.

Поэтому автоматизация не убирает необходимость разбираться в коде. Она повышает цену ошибки человека, который перестал его читать.

Возникает новая роль разработчика

Мне кажется, именно здесь происходит самая интересная перемена.

Раньше значительная часть работы программиста состояла в том, чтобы превратить задачу в код.

Теперь всё чаще приходится превращать задачу в понятное задание для агента, а затем оценивать результат.

Это немного похоже на разницу между человеком, который сам строит дом, и человеком, который управляет строительством.

Второму необязательно лично класть каждый кирпич. Но если он не понимает, как должен выглядеть дом, он не сможет нормально проверить результат.

С AI-разработкой происходит примерно то же самое.

Чем лучше агент умеет писать код, тем важнее становится способность человека понять, какой код вообще нужно написать.

GitHub движется ещё дальше

Особенно показателен ещё один эксперимент GitHub - Agentic Workflows.

Компания тестирует возможность описывать автоматизацию обычным языком, а AI-агент уже определяет, какие действия нужно выполнить. Такие workflows могут реагировать на issues и pull request, запускаться по расписанию или вручную. При этом GitHub предусматривает использование разных coding agents в одном формате workflow.

То есть автоматизируется уже не отдельная строка кода и даже не отдельная задача.

Автоматизируется сам процесс вокруг кода.

Например, условный workflow может реагировать на появившийся issue, провести анализ, предложить изменение и передать результат на проверку.

Если такие сценарии станут обычными, GitHub будет восприниматься уже не просто как Git-хостинг.

Это будет что-то ближе к операционной среде разработки.

И всё-таки GitHub остаётся GitHub

При всей этой автоматизации есть одна вещь, которую AI пока не отменяет.

Pull request всё равно нужно посмотреть.

Изменения всё равно нужно понять.

Архитектуру проекта всё равно кто-то должен контролировать.

А ответственность за то, что в итоге попадёт в production, никуда не исчезает.

Поэтому я бы не говорил, что GitHub превращается в платформу, где AI заменяет программиста.

Скорее происходит другое.

GitHub постепенно становится местом, где программист управляет несколькими AI-исполнителями.

И это изменение гораздо серьёзнее обычного появления ещё одного AI-помощника.

Потому что раньше AI помогал писать код.

Теперь AI начинает участвовать в самом жизненном цикле этого кода: от постановки задачи и исследования репозитория до изменений, code review и pull request.

А значит, следующий вопрос уже не «умеет ли AI программировать?».

Он умеет.

Вопрос теперь другой: сколько разработки человек вообще будет выполнять вручную, когда агенты научатся работать с проектом почти так же, как отдельные участники команды?

И вот на него GitHub уже начинает отвечать своим продуктом.