GitHub Copilot

硅基速览 JetBrains最新一次开发者调查显示，Anthropic的Claude Code在"工作中实际使用率"指标上首次超过GitHub Copilot。 这标志着AI编程从"IDE内补全"范式转向"终端自主执行"范式——Copilot补全代码片段，Claude Code自主完成多步骤任务。 2026年9月，Claude Code已支持子Agent、Hooks、GitHub App和Cowork远程会话，从一个CLI工具进化为完整的软件工程Agent平台。 正文 一个被忽视的代际信号 2026年9月，JetBrains发布了最新一次年度开发者调查，其中一个数据点被媒体大量引用但很少被深入解读：Anthropic的Claude Code在"工作中实际使用率"（not just installed, but actively used in production）指标上，首次超过了GitHub Copilot。 这个结果多少出人意料。GitHub Copilot从2021年上线以来一直是AI编程工具的代名词，装机量数以千万计。而Claude Code作为Anthropic在2025年底才推出的终端编程Agent，仅用了不到一年就追平并反超了Copilot的工作使用率。 为什么装机量小得多的Claude Code，在"真用"这个指标上反而赢了？硅基视角拆解三个原因： 原因一：从"补全"到"执行"的范式差 GitHub Copilot的核心模式是IDE内代码补全——你写一行注释，它给你补几行代码。这个模式在2023-2024年效率极高，但到2026年已经触及天花板：补全只能加速你已经知道怎么写的代码，不能帮你完成一个你不知道怎么做的任务。 Claude Code的模式完全不同：它是一个终端里的Agent。你告诉它"给我这个repo加一个OAuth登录流程，支持Google和GitHub"，它会自己读代码库、找相关文件、写代码、跑测试、修bug，最后给你一个PR。你不需要知道每一步怎么写，只需要描述目标。 这是两种完全不同的产品哲学：Copilot是"副驾驶"，帮你开得更快；Claude Code是"学徒工程师"，能独立完成整个工单。当开发者尝过后者的滋味后，前者的补全体验就显得不够用了。 原因二：Agent编排能力的代际差 到2026年9月，Claude Code已经不再只是一个CLI工具。根据andrew.ooo在9月14日的对比文章，Claude Code已经具备： 子Agent（subagents）：主Agent可以派生多个子Agent并行探索不同方向 Hooks：在工具调用前后插入自定义脚本，实现复杂工作流自动化 GitHub App集成：直接监听Issue、自动创建分支、提交PR Cowork远程会话：多人共享一个Claude Code会话，远程结对编程 Fable 5.1模型接入：9月起GA，直接调用Anthropic最新模型 这些能力让Claude Code从一个"命令行工具"进化为一个"软件工程Agent平台"。而GitHub Copilot直到2026年中才推出Agent模式，功能上仍在追赶。 原因三：模型能力的代际差 Claude Code的底层是Anthropic的Claude Fable 5.1模型。Anthropic在2026年5月完成650亿美元H轮融资后，模型迭代速度极快。Fable 5.1在SWE-bench Verified上的得分已经超过75%，意味着它能自主解决超过四分之三的真实GitHub Issue。 相比之下，OpenAI的GPT-6 Astra虽然在9月3日开始分阶段推出，但在编程Agent的专项优化上，Claude系列已经积累了一年多的工程经验。开发者选择工具时，最终还是看"它能不能真的把活干完"。 这对开发者意味着什么 使用率反超不是一个抽象数据点。它对普通开发者的职业选择有三个直接影响： 第一，终端操作能力比IDE操作能力更重要。 如果你还在主要靠鼠标点IDE界面，你已经落后一代了。未来的高效开发者，工作流的中心是终端里的Agent——你用自然语言描述任务，Agent在终端里执行，你在关键节点审核。 第二，代码审查能力比代码编写能力更值钱。 当Agent能写出80%的代码时，人的价值从"写代码"转向"审查代码、定义需求、设计架构"。能快速判断Agent写的代码对不对、安不安全、符不符合规范，是2026-2027年最稀缺的工程技能。 第三，Prompt工程在终端Agent时代进化为"任务分解能力"。 不是写一段提示词让AI生成代码，而是把一个模糊的业务需求拆解成Agent能执行的原子任务序列。这个能力，传统的"Prompt工程师"培训教不了。 硅基AGI社区在论坛silicon-agi.com上已经有大量开发者在分享Claude Code的实战工作流，从如何组织context文件到如何设计Hooks自动化，讨论非常活跃。 硅基点评 Claude Code反超Copilot，表面上是一个工具的输赢，实质上是AI编程范式的代际切换。2023-2024年的范式是"AI帮你写代码"，2026年的范式是"AI帮你做软件工程"。两者的区别在于：前者是辅助，后者是代理。 ...

引言 GitHub Copilot已经从2021年的"AI代码补全实验"成长为覆盖2000万付费用户的商业产品。2026年，企业版成为GitHub增长最快的收入来源。我们在一个50人工程团队中进行了为期三个月的深度实测，本文分享真实的体验数据。 企业版核心功能 1. 知识库自定义 企业版最关键的能力是私有代码库学习——在不泄露源代码的前提下，让Copilot理解你的团队代码风格和内部框架： # .github/copilot/knowledge-base.yml knowledge_base: repositories: - org/internal-framework - org/shared-utils - org/api-standards indexing: schedule: "0 2 * * *" # 每日凌晨2点重建索引 max_files: 50000 exclude: - "**/test/**" - "**/vendor/**" embedding_model: "copilot-enterprise-v3" 实测效果：在使用了内部框架的项目中，Copilot的建议采纳率从32%提升到58%。它能正确使用内部命名规范、工具函数和错误处理模式。 2. 团队Prompt库 企业版支持共享Prompt模板，团队可以沉淀最佳实践： // .github/copilot/prompts/code-review.json { "name": "strict-code-review", "description": "严格的代码审查，关注安全性和性能", "template": "审查以下代码变更，检查：\n1. 安全漏洞（SQL注入、XSS、敏感信息泄露）\n2. 性能问题（N+1查询、内存泄漏）\n3. 错误处理完整性\n4. 测试覆盖率\n\n变更内容：\n{{diff}}\n\n请按严重程度分级输出问题列表。" } 团队成员可以直接在IDE中调用： # VS Code中 Cmd+I → 选择 "strict-code-review" → 自动应用团队审查标准 3. 安全过滤与合规 企业版的安全层是区别于个人版的核心价值： 代码输入 → 敏感信息检测 → 许可证扫描 → 安全过滤 → 模型推理 → 输出审计 ↓ ↓ ↓ 阻止+提醒 合规检查 恶意代码检测 # 企业管理员配置示例（通过GitHub Org Settings） copilot_policy = { "content_filter": { "secrets_detection": True, # 检测API Key、密码等 "pii_detection": True, # 个人信息检测 "block_patterns": [ r"password\s*=\s*['\"][^'\"]+['\"]", r"api_key\s*=\s*['\"][^'\"]+['\"]", ] }, "license_filter": { "block_licenses": ["GPL-3.0", "AGPL-3.0"], "warn_licenses": ["LGPL-3.0", "MPL-2.0"] }, "data_retention": { "telemetry_days": 30, "prompts_retention": False, # 不保留Prompt内容 "suggestions_retention": False # 不保留建议内容 } } 三个月实测数据 生产力指标 我们在50人团队中进行了AB测试（25人使用Copilot企业版，25人对照组）： ...

微软 Copilot 矩阵 微软是 AI 落地最激进的大厂——把 Copilot 塞进了几乎所有产品线。 Microsoft Copilot 生态 ├── M365 Copilot（办公套件） │ ├── Word Copilot │ ├── Excel Copilot │ ├── PowerPoint Copilot │ ├── Outlook Copilot │ └── Teams Copilot ├── GitHub Copilot（开发工具） │ ├── 代码补全 │ ├── Chat │ ├── Workspace │ └── Agent Mode ├── Windows Copilot（操作系统） ├── Security Copilot（安全运营） ├── Sales Copilot（销售助手） └── Service Copilot（客服中心） M365 Copilot：办公场景 Word Copilot word_capabilities = { "生成": "根据提示生成文档初稿", "修改": "选中文字 → '让这段更正式' → 自动改写", "总结": "长文档一键生成摘要", "格式化": "自动调整格式、标题层级", "引用": "从 SharePoint 引用资料", } # 实际体验 # "写一份 Q3 业绩报告" → 30 秒生成 3 页初稿 # "加入与 Q2 的对比分析" → 自动搜索数据并插入表格 # "语气调整为正式商务" → 全文语气重写 Excel Copilot excel_capabilities = { "公式生成": "自然语言描述 → 自动生成公式", "数据分析": "选中数据 → 自动生成透视表和图表", "条件格式": "描述规则 → 自动应用", "Python 集成": "在 Excel 中运行 Python 做高级分析", "预测": "基于历史数据预测趋势", } # 示例： # "计算每个区域的同比增长率，标红下降的" # → 自动生成公式 + 条件格式 # "用 Python 做一个时间序列预测" # → 自动生成 Python 代码并运行 PowerPoint Copilot ppt_capabilities = { "从文档生成": "Word 文档 → 一键生成 PPT", "设计建议": "自动优化布局和配色", "演讲者备注": "自动生成演讲稿", "动画": "描述效果 → 自动添加动画", } M365 Copilot 评估 维度 评分 说明 生产力提升 ⭐⭐⭐⭐ 减少 30-50% 重复劳动 准确性 ⭐⭐⭐ 偶尔生成不准确内容 集成度 ⭐⭐⭐⭐⭐ 与 Office 深度集成 价格 ⭐⭐ $30/用户/月，偏贵 中文支持 ⭐⭐⭐ 可用但不如英文流畅 GitHub Copilot：开发场景 能力演进 2021: 代码补全（单个函数） 2023: Chat（问答 + 代码生成） 2024: Workspace（多文件编辑） 2025: Agent Mode（自主完成任务） 2026: 多模型支持（Claude/Qwen/DeepSeek） Agent Mode # GitHub Copilot Agent Mode # 用户描述任务，Agent 自主完成 # 用户："给这个 API 添加单元测试" # Agent 自主执行： agent_steps = [ "1. 分析 API 代码，理解接口和逻辑", "2. 生成测试用例（正常/边界/异常）", "3. 创建测试文件", "4. 运行测试", "5. 修复失败的测试", "6. 提交 PR", ] 多模型支持 # 2026 年 GitHub Copilot 支持多模型 models = { "GPT-4o": "默认，通用能力强", "Claude 4 Sonnet": "代码生成最强", "Qwen3-Coder": "中文代码注释最好", "DeepSeek-Coder-V3": "性价比最高", } # 用户可以在不同模型间切换 GitHub Copilot 评估 维度 评分 说明 代码补全 ⭐⭐⭐⭐⭐ 行业标杆 Chat ⭐⭐⭐⭐ 上下文理解好 Agent Mode ⭐⭐⭐ 能力在发展中 多语言 ⭐⭐⭐⭐⭐ 50+ 编程语言 价格 ⭐⭐⭐⭐ $10-39/月，合理 IDE 集成 ⭐⭐⭐⭐⭐ VS Code/JetBrains 全支持 Windows Copilot 定位 Windows 11 内置的 AI 助手，能操作系统级功能。 ...