GitHub Next

Was ist GitHub Next?

GitHub Next ist ein Team bei GitHub, das sich der Erforschung der Zukunft der Softwareentwicklung widmet. Sie konzentrieren sich auf das Prototyping von Werkzeugen und Technologien, die die Grenzen des Möglichen verschieben, mit dem Ziel, den Softwareentwicklungsprozess zu revolutionieren. Dazu gehört die Identifizierung innovativer Strategien für die Schaffung florierender und hocheffizienter Softwareentwicklungsteams.

Wie funktioniert GitHub Next?

GitHub Next arbeitet durch mehrere Schlüsselaktivitäten:

• Forschung: Durchführung eingehender Untersuchungen zu aufkommenden Trends, Herausforderungen und Chancen in der Softwareentwicklung.
• Prototyping: Entwicklung experimenteller Werkzeuge und Technologien, die identifizierte Bedürfnisse ansprechen und neue Paradigmen erforschen.
• Zusammenarbeit: Zusammenarbeit mit der breiteren Softwareentwicklungsgemeinschaft durch Veranstaltungen, Veröffentlichungen und Open-Source-Beiträge.

Schlüsselprojekte und Forschungsbereiche

GitHub Next ist aktiv an einer Reihe von Forschungsbereichen und Projekten beteiligt, darunter:

KI für Code

• Auf dem Weg zur Natural-Language Programmierung für GitHub Actions (Project Copernicus): Erforschung der Verwendung von natürlicher Sprache zur Programmierung von GitHub Actions.
• Erkundung der LLM-gestützten Navigation für Ihre Codebasis (Project Copernicus): Nutzung von LLMs zur Verbesserung der Code-Navigation.
• Erforschung der LLM-gestützten Automatisierung in der plattformbasierten Software-Kollaboration (Continuous AI): Untersuchung der Automatisierungsmöglichkeiten, die LLMs in der Software-Kollaboration bieten.
• Agentic Setup, Build und Testing von Repositories (Discovery Agent): Erstellung automatisierter Prozesse für die Einrichtung, den Build und das Testen von Repositories.
• Können wir es jedem ermöglichen, mit Hilfe von KI und einer vollständig verwalteten Laufzeit Software für sich selbst zu erstellen oder anzupassen? (GitHub Spark): Ermächtigung von Einzelpersonen, mit Hilfe von KI und einer verwalteten Laufzeitumgebung Software zu erstellen oder anzupassen.
• Eine innovative Superfamilie von Schriftarten für Code (Monaspace): Entwicklung spezieller Schriftarten zur Verbesserung der Code-Expressivität in jedem Editor.

Datenvisualisierung

• Können wir personalisierte Designsysteme aus Inspirationsquellen ableiten? (Mosaic): Ziel ist die Generierung personalisierter Designsysteme unter Verwendung von Inspirationsquellen.
• Wie können wir eine Codebasis "fingerprinten", um ihre Struktur auf einen Blick zu erkennen? (Visualizing a Codebase): Erforschung von Methoden zur automatischen Visualisierung von GitHub-Repositories für ein schnelles strukturelles Verständnis.

Frühere Forschungsbereiche

• Eine Erkundung einer neuen Kategorie von Assistenten für die Verwendung natürlicher Sprache in der Softwareentwicklung (Extract, Edit, Apply): Untersuchung, wie natürliche Sprache die Softwareentwicklung unterstützen kann.
• Können wir das Lernen beim Bauen einfach und unterhaltsam gestalten? (Learning Sandbox): Erstellung personalisierter, interaktiver Lernumgebungen innerhalb des Entwicklungs-Workflows.
• Live-Notebooks in VS Code für JavaScript/TypeScript, Webentwicklung und KI-Experimente (Vitale): Bereitstellung von Live-Notebooks für Webentwicklung und KI-Experimente.
• Eine agentische Entwicklungsumgebung, die für alltägliche Aufgaben entwickelt wurde (Copilot Workspace): Entwurf einer agentengestützten Entwicklungsumgebung.
• Können wir die Copilot-Codevervollständigung verbessern, indem wir die nächste logische Änderung vorschlagen, wo immer sie sich in Ihrem Projekt befindet? (Copilot Next Edit Suggestions): Verbesserung der Codevervollständigung durch Vorschlagen logischer Änderungen innerhalb des Projekts.
• Multiplayer-Zusammenarbeit für Ihr gesamtes Repo (Realtime GitHub): Erforschung der Multi-User-Zusammenarbeit für ganze Repositories.
• Können wir Software vollständig in natürlicher Sprache entwickeln und eine KI-gestützte Toolchain die Implementierung verwalten lassen? (SpecLang): Untersuchung der Verwendung natürlicher Sprache für die Softwareentwicklung mit KI-gesteuerten Toolchains.
• Wie können wir LLM-Antworten robuster und leichter verständlich machen, indem wir ihre flüssige Argumentation mit einer starren Struktur kombinieren? (Code Atlas): Verbesserung der Zuverlässigkeit und Interpretierbarkeit von LLM-Antworten durch Integration von Argumentation mit Struktur.
• Eine Untersuchung der Verwendung von Berechnungsgenerierung zur Verbesserung der numerischen Fähigkeiten von GPT-4 (GPT-4 with Calc): Verbesserung der numerischen Fähigkeiten von GPT-4 durch Berechnungsgenerierung.
• Wie würde es sich anfühlen, jederzeit einen Experten zur Hand zu haben? (Copilot for Docs): Entwicklung eines Tools zur Bereitstellung von Dokumentationsunterstützung auf Expertenniveau.
• Pull Requests sind ein zentraler Bestandteil der GitHub-Benutzererfahrung. (Copilot for Pull Requests): Verbesserung von Pull-Request-Beschreibungen und Team-Reviews mit Copilot.
• Haben Sie jemals Schwierigkeiten, sich an diesen Shell-Befehl oder dieses obskure Flag zu erinnern? (Copilot Completions in the CLI): Integration der GitHub Copilot-Unterstützung in das Terminal.
• Schreiben Sie Code ohne Tastatur. (Copilot Voice): Ermöglichen der sprachgesteuerten Programmierung mit GitHub Copilot.
• Kann sich das Bearbeiten von Code taktiler anfühlen, wie das Malen mit Photoshop-Pinseln? (Code Brushes): Einführung von Werkzeugen zum Modifizieren von Code mit einer Photoshop-ähnlichen Pinselschnittstelle.
• Repositorys mit benutzerdefinierten, interaktiven Blöcken neu gestalten. (GitHub Blocks): Verbesserung von Repositorys mit benutzerdefinierten, interaktiven Blöcken für eine bessere Dokumentation und Workflows.
• Wie können wir, da wir zunehmend remote zusammenarbeiten, unsere Workflows vereinheitlichen, um die Remote-Zusammenarbeit für Entwickler zu ermöglichen? (Collaborative Workspaces): Erforschung von Möglichkeiten zur Vereinheitlichung von Workflows für die Remote-Entwicklerzusammenarbeit.
• GitHub Copilot Radar ist ein Code-Navigationswerkzeug, das Entwicklern die relevanteste Zeile zu ihrer Position im Code anzeigt. (GitHub Copilot Radar): Bereitstellung einer verbesserten Code-Navigation mit kontextbezogenen Vorschlägen.
• Wir möchten Copilot den Code in Ihrem gesamten Repo sehen lassen, um die Vorschläge noch besser zu machen. (GitHub Copilot for Your Codebase): Verbesserung der Copilot-Vorschläge, indem ihm der Zugriff auf die gesamte Codebasis ermöglicht wird.
• Schnelleres Feedback zu Sicherheitslücken in Ihren PRs. (Incremental CodeQL): Anbieten von schnellerem Sicherheitsfeedback zu Pull Requests.
• TestPilot hilft Ihnen, lesbare Unit-Tests basierend auf Ihrem Code und Ihrer Dokumentation zu erstellen. (TestPilot): Unterstützung bei der Erstellung lesbarer Unit-Tests basierend auf Code und Dokumentation.
• Eine VS Code-Erweiterung für experimentelle Anwendungen von GitHub Copilot. (GitHub Copilot Labs): Bereitstellung einer VS Code-Erweiterung für GitHub Copilot-Experimente.
• Eine laufende Zusammenarbeit mit Microsoft, um React in ihre Bibliothek Webview UI Toolkit für Visual Studio Code zu bringen (React Webview UI Toolkit for VS Code): Integration von React in das Visual Studio Code Webview UI Toolkit.
• Eine neue Art, Software zu entwickeln (GitHub Copilot): Einführung eines neuartigen Ansatzes zur Softwareentwicklung.
• Flat untersucht, wie man die Arbeit mit Daten in Git und GitHub vereinfachen kann (Flat Data): Vereinfachung der Datenverarbeitung in Git und GitHub mit Versionierung.

Für wen ist GitHub Next?

GitHub Next ist von Vorteil für:

• Softwareentwickler: Fachleute, die ihre Entwicklungsprozesse und Workflows verbessern möchten.
• Forscher: Personen, die die Zukunft der Softwareentwicklung und KI-gesteuerte Werkzeuge erforschen.
• Engineering Teams: Teams, die die Zusammenarbeit, Produktivität und Codequalität optimieren möchten.

Warum GitHub Next wählen?

GitHub Next zeichnet sich dadurch aus, dass es:

• Fokus auf Innovation: Engagiert sich für die Erforschung und das Prototyping von Spitzentechnologien.
• Bietet praktische Lösungen: Bietet Werkzeuge und Strategien zur Verbesserung von Softwareentwicklungspraktiken.
• Fördert die Zusammenarbeit: Fördert einen gemeinschaftlich orientierten Ansatz zur Innovation in der Softwareentwicklung.