GitHub Next

Qu'est-ce que GitHub Next ?

GitHub Next est une équipe de GitHub dédiée à l'exploration de l'avenir du développement de logiciels. Elle se concentre sur le prototypage d'outils et de technologies qui repoussent les limites du possible, dans le but de révolutionner le processus de développement de logiciels. Cela comprend l'identification de stratégies innovantes pour créer des équipes d'ingénierie logicielle prospères et très efficaces.

Comment fonctionne GitHub Next ?

GitHub Next fonctionne à travers plusieurs activités clés :

• Recherche: Mener des enquêtes approfondies sur les tendances émergentes, les défis et les opportunités dans le développement de logiciels.
• Prototypage: Développer des outils et des technologies expérimentaux qui répondent aux besoins identifiés et explorent de nouveaux paradigmes.
• Collaboration: S'engager avec la communauté élargie du développement de logiciels par le biais d'événements, de publications et de contributions open source.

Projets clés et domaines de recherche

GitHub Next est activement impliqué dans une gamme de domaines de recherche et de projets, notamment :

AI pour le code

• Vers la programmation en langage naturel pour GitHub Actions (Project Copernicus): Explorer l'utilisation du langage naturel pour programmer GitHub Actions.
• Explorer la navigation basée sur LLM pour votre codebase (Project Copernicus): Utiliser les LLM pour améliorer la navigation dans le code.
• Explorer l'automatisation basée sur LLM dans la collaboration logicielle basée sur plateforme (Continuous AI): Examiner les possibilités d'automatisation offertes par les LLM dans la collaboration logicielle.
• Configuration, construction et test agentique des référentiels (Discovery Agent): Créer des processus automatisés pour la configuration, la construction et le test des référentiels.
• Pouvons-nous permettre à quiconque de créer ou d'adapter des logiciels pour lui-même, en utilisant AI et un runtime entièrement géré ? (GitHub Spark): Permettre aux individus de créer ou d'adapter des logiciels à l'aide de AI et d'un environnement d'exécution géré.
• Une super-famille innovante de polices pour le code (Monaspace): Concevoir des polices spécialisées pour améliorer l'expressivité du code dans n'importe quel éditeur.

Visualisation des données

• Pouvons-nous dériver des systèmes de conception personnalisés à partir de sources d'inspiration ? (Mosaic): Viser à générer des systèmes de conception personnalisés à l'aide de sources d'inspiration.
• Comment pouvons-nous « identifier » une codebase pour voir sa structure en un coup d'œil ? (Visualizing a Codebase): Explorer les méthodes permettant de visualiser automatiquement les référentiels GitHub pour une compréhension structurelle rapide.

Domaines de recherche précédents

• Une exploration d'une nouvelle catégorie d'assistances pour l'utilisation du langage naturel dans le développement de logiciels (Extract, Edit, Apply): Examiner comment le langage naturel peut aider au développement de logiciels.
• Pouvons-nous rendre l'apprentissage facile et amusant au fur et à mesure que nous construisons ? (Learning Sandbox): Créer des environnements d'apprentissage interactifs et personnalisés au sein du flux de travail de développement.
• Blocs-notes en direct dans VS Code pour JavaScript/TypeScript, le développement Web et l'expérimentation AI (Vitale): Fournir des blocs-notes en direct pour le développement Web et l'expérimentation AI.
• Un environnement de développement agentique, conçu pour les tâches quotidiennes (Copilot Workspace): Concevoir un environnement de développement assisté par un agent.
• Pouvons-nous améliorer la complétion de code Copilot en suggérant la prochaine modification logique, où qu'elle se trouve dans votre projet ? (Copilot Next Edit Suggestions): Améliorer la complétion de code en suggérant des modifications logiques dans le projet.
• Collaboration multijoueur pour l'ensemble de votre référentiel (Realtime GitHub): Explorer la collaboration multi-utilisateurs pour les référentiels entiers.
• Pouvons-nous développer des logiciels entièrement en langage naturel, et une chaîne d'outils alimentée par AI gère la mise en œuvre ? (SpecLang): Examiner l'utilisation du langage naturel pour le développement de logiciels avec des chaînes d'outils pilotées par AI.
• Comment pouvons-nous rendre les réponses LLM plus robustes et plus faciles à comprendre en combinant leur raisonnement fluide avec une structure rigide ? (Code Atlas): Améliorer la fiabilité et l'interprétabilité des réponses LLM en intégrant le raisonnement à la structure.
• Une exploration de l'utilisation de la génération de calculs pour améliorer les capacités de raisonnement numérique de GPT-4 (GPT-4 with Calc): Améliorer le raisonnement numérique de GPT-4 grâce à la génération de calculs.
• Comment vous sentiriez-vous d'avoir un expert à portée de main à tout moment ? (Copilot for Docs): Développer un outil pour fournir une assistance à la documentation de niveau expert.
• Les demandes d'extraction sont un élément central de l'expérience utilisateur de GitHub. (Copilot for Pull Requests): Améliorer les descriptions des demandes d'extraction et les révisions d'équipe à l'aide de Copilot.
• Avez-vous déjà eu du mal à vous souvenir de cette commande shell ou de cet indicateur obscur ? (Copilot Completions in the CLI): Intégrer l'assistance GitHub Copilot dans le terminal.
• Écrivez du code sans le clavier. (Copilot Voice): Activer le codage vocal avec GitHub Copilot.
• L'édition de code peut-elle être plus tactile, comme peindre avec des pinceaux Photoshop ? (Code Brushes): Présentation d'outils permettant de modifier le code avec une interface de pinceau de type Photoshop.
• Réinventez les référentiels avec des blocs personnalisés et interactifs. (GitHub Blocks): Améliorer les référentiels avec des blocs personnalisés et interactifs pour une meilleure documentation et des flux de travail.
• Alors que nous travaillons de plus en plus ensemble à distance, comment pourrions-nous unifier nos flux de travail pour permettre la collaboration à distance pour les développeurs ? (Collaborative Workspaces): Explorer les moyens d'unifier les flux de travail pour la collaboration à distance des développeurs.
• GitHub Copilot Radar est un outil de navigation de code qui indique aux développeurs la ligne la plus pertinente par rapport à leur position dans le code. (GitHub Copilot Radar): Fournir une navigation de code améliorée avec des suggestions tenant compte du contexte.
• Nous voulons permettre à Copilot de voir le code dans l'ensemble de votre référentiel afin de faire des suggestions encore meilleures. (GitHub Copilot for Your Codebase): Améliorer les suggestions de Copilot en lui permettant d'accéder à l'ensemble du codebase.
• Des commentaires plus rapides sur les vulnérabilités de sécurité sur vos PR. (Incremental CodeQL): Offrir des commentaires de sécurité plus rapides sur les demandes d'extraction.
• TestPilot vous aide à créer des tests unitaires lisibles basés sur votre code et votre documentation. (TestPilot): Aider à la création de tests unitaires lisibles basés sur le code et la documentation.
• Une extension VS Code pour les applications expérimentales de GitHub Copilot. (GitHub Copilot Labs): Fournir une extension VS Code pour les expériences GitHub Copilot.
• Une collaboration continue avec Microsoft pour apporter React à sa bibliothèque Webview UI Toolkit pour Visual Studio Code (React Webview UI Toolkit for VS Code): Intégration de React dans le Webview UI Toolkit de Visual Studio Code.
• Une nouvelle façon de créer des logiciels (GitHub Copilot): Présentation d'une nouvelle approche du développement de logiciels.
• Flat explore comment faciliter l'utilisation des données dans git et GitHub (Flat Data): Simplifier la gestion des données dans Git et GitHub avec le contrôle de version.

À qui s'adresse GitHub Next ?

GitHub Next est bénéfique pour :

• Développeurs de logiciels: Les professionnels qui cherchent à améliorer leurs processus et leurs flux de travail de développement.
• Chercheurs: Les personnes qui explorent l'avenir du développement de logiciels et des outils pilotés par AI.
• Équipes d'ingénierie: Les équipes qui cherchent à optimiser la collaboration, la productivité et la qualité du code.

Pourquoi choisir GitHub Next ?

GitHub Next se distingue parce que :

• Se concentre sur l'innovation: Dédié à l'exploration et au prototypage de technologies de pointe.
• Offre des solutions pratiques: Fournit des outils et des stratégies pour améliorer les pratiques de développement de logiciels.
• Encourage la collaboration: Favorise une approche axée sur la communauté en matière d'innovation dans le développement de logiciels.