✦✦✦GitHubCopilot
从代码 AI 助手到AI Agent 引擎
议 程
今天会讲什么
AI Coding 新常态
- AI Coding 已成为行业共识
- 从补全到 Agent 的使用层级
- AI 普及后的组织信号
- 企业为什么现在必须用
GitHub Copilot 能力版图
- 原生支持的主流模型
- 从 IDE 到 CLI / SDK 的覆盖
- 进入 GitHub Cloud Agent
- 连接平台流程与业务系统
竞争格局与成本分析
- vs Cursor
- vs Claude Code
- Premium Request 的成本优势
- Request vs Token 的计费差异
AI Coding 新常态
市场、趋势与企业痛点
Industry Landscape · 2025
AI Coding 已成为共识
不再是要不要用，而是怎么用、用哪家、怎么管
Usage Ladder
AI Coding 的三个使用层级
从 辅助写代码，到 协同完成任务，再到 自主交付结果。
AI 提示你写
代码补全
基础提效以开发者为主导，AI 负责补全和局部建议。
AI 和你一起写
对话式编程
协同增强开始进入协同工作流，AI 能理解意图并参与修改。
AI 替你完成一段工作
Agentic 编程
结果交付AI 从工具升级为执行单元，开始面向结果持续推进。
Organization Signals
AI Coding 普及后的四个组织信号
开发流程被重新切分
开发者开始把更多精力放在定义任务、审阅输出、修正结果，写代码本身不再是唯一核心动作
GitHub / McKinsey 研究
AI 使用已先于治理发生
团队往往先自发接入各种 AI 工具，随后企业才开始补治理、权限、数据边界和合规机制
Stack Overflow 2025
质量门槛正在上移
随着 AI 参与度提高，测试、评审、可追溯性和规范执行，开始成为真正决定产出的关键环节
Stack Overflow 2025
人才预期正在被重塑
优秀开发者越来越把 AI 能力、工作流成熟度和工具体验，当作判断团队先进性的信号
Stack Overflow 2025
产品全景
从 IDE 到云端的完整 AI 开发体验
Copilot Native Models
GitHub Copilot 原生支持的主流模型
覆盖旗舰推理、主力编码与高频轻量场景；不同模型可按任务选择，同时对应不同的 premium request multiplier。
旗舰推理
复杂问题、架构分析、深度调试
主力编码
日常开发、Agent、复杂实现
快速轻量
高频问答、轻任务、快速反馈
Coverage Map
GitHub Copilot 的全场景覆盖
既能个人提效，也能进入平台与业务系统
个人开发
开发者的第一入口
平台场景
进入 GitHub Cloud Agent
GitHub Copilot
统一的 AI 入口，连接开发者工作台、平台流程与业务系统。
业务集成
把 Copilot 接入业务系统
生态扩展
与外部 agent 协同工作
Enterprise Governance
GitHub Copilot 企业级管理能力
身份、执行治理、计费与分析都能统一管理，但企业最关键的，是多模型能力仍处于单一合同与责任边界之内。
身份与接入
SSO、SCIM、EMU 与 seat 开通/回收统一进入 Copilot 治理域。
Hooks 与执行治理
Hooks 把治理从“谁能用”延伸到“执行时能做什么”，可用于护栏、埋点、统计与行为校正。
账单、预算与 Cost Center
seat、premium requests 与预算可归集到 cost center 做分摊。
使用统计与采用分析
dashboard、API 与导出能力覆盖 adoption、activity 与使用趋势。
统一合同与责任边界
企业启用 Claude、Gemini 等第三方模型时，治理关系仍由 GitHub 统一承接，而不是把供应商管理拆散给客户。
继续沿用 GitHub / Microsoft 的采购、合同与数据保护框架。
Claude、Gemini 等能力被纳入 GitHub 统一治理与责任链条。
客户无需分别接受模型厂商条款或逐家建立管理关系。
Real-world Case
GitHub Copilot 实战案例分享
真正能进入企业研发体系的，不是单个 agent 的局部能力，而是多 agent 编排、handoff、 hooks、阶段性文件与模型路由共同构成的可治理交付体系。
系统实现
不是单 agent 放飞，而是把不同软件生命周期流程拆给不同 agent，通过 handoff 自动向前推进。
采用指标
这不是 demo，而是已经进入真实研发工作流的 AI Coding system。
使用方法
真正把 AI Coding 用好，不只是换模型，而是把 prompt、skills、项目特性文件和模型路由一起配齐。
竞品与差异化
vs Cursor · vs Claude Code · 不可替代的优势
市场格局
AI Coding 市场格局
三大阵营各有所长
GitHub Copilot
微软 / GitHub
深度集成 GitHub 平台，覆盖 IDE · Cloud · CLI 全链路
Cursor
Anysphere
AI-first IDE，以 VS Code fork 为基础的全新编辑器体验
Claude Code
Anthropic
终端原生 Agentic 编码，强大的代码理解与生成能力
Compete Win
Cursor Compete Win Case
帮助客户从安全合规、组织响应与成本效率角度，理解为什么 AI Coding 标准更容易收敛到 GitHub Copilot。
Native Editor 优势
无需推动团队整体迁移编辑器，更容易延续现有 IDE 与 GitHub 工作流。
安全与合规
Cursor Remote Index、AI Coding Metrics 都会带来额外安全风险，企业侧会更关注治理边界。
不只强调补全
价值不只停留在 editor 内补全，而是延伸到协作、Agent 与平台流程覆盖。
持续更新与最佳实践
AI Coding 趋势变化很快，而 Copilot 的产品演进也非常迅猛，客户需要持续跟上节奏。
本地团队响应
客户反馈、沟通协同与落地支持节奏更快，而 Cursor 主要还是通过工单联系。
性价比
Copilot Premium Requests Unit 在 coding 场景里性价比很高，更适合高频开发使用。
Compete Win
Claude Code Compete Win Case
当客户认可 Claude Code 在 CLI 与 SDK 场景的价值后，真正决定采购与规模化落地的，往往还是可用性、治理边界与成本效率。
Claude Code 的核心使用场景
更强项集中在终端驱动的开发工作流，以及把模型能力嵌入开发者工具链的场景。
可用性与开通门槛
Anthropic 对国内用户存在封号风险，而 GitHub Copilot 绑定 Azure Public Cloud 订阅即可开通。
用户管理与费用治理
GitHub Copilot 在用户管理、SSO 与预算分配上更成熟，更适合企业统一治理。
数据边界与客户侧可控性
Anthropic 无法透过 Copilot 追踪到客户端，客户侧对数据边界与使用路径会更安心。
成本效率
Claude Code 太费 Token，而 Copilot PRU 在 coding 场景的单位成本表现更有吸引力。
Executive Summary
GitHub Copilot 优势总览
从开发者入口，到团队流程、治理边界与成本模型，GitHub Copilot 更完整地回答了企业落地 AI Coding 的核心问题。
兼容现有开发环境
不需要推动团队整体迁移 IDE，更像在现有开发环境上升级。
个人提效可进入团队协作
从编码到 PR、Review、Security、Agent、CI/CD 等全 DevSecOps 流程覆盖。
多模型与供应商选择权
根据业务需求选择最合适的模型。
企业级治理能力
统一身份管理、预算控制、用户使用分析等企业级能力更完善。
成本优势
PRU 逻辑对 coding workload 更友好。
成本分析
计费模式验证 · Agent 链路只算 1 次 Request
成本分析
实测数据 · 10 轮代码审查 Token 明细
成本分析
成本对比 · Token 计费 vs Request 计费
谢谢
Thank You
💬 Q&A 时间