3 篇文章 含有標籤「Infrastructure」

GitHub 6月服務中斷回報 🚧​

Source: https://github.blog/news-insights/company-news/github-availability-report-june-2025/

• 6月發生三次服務事件影響GitHub服務，造成性能下降。
• 5日Actions服務超載，延遲啟動且失敗，影響Copilot和Pages部署，問題由內部請求限制配置錯誤造成，已修正。
• 12日Copilot模型服務中斷，部分模型不可用或延遲，源自模型供應商故障，已透過禁用端點來降低影響，改善偵測和解決流程。
• 17日網路路由政策部署導致部分系統連線中斷，部分請求錯誤率高，部署已回滾，將擴展路由變更審查流程。
• 來源頁面會提供最新狀態及事故回顧，並持續提升監控預警能力。

利用 GitHub Copilot 助力開發流程整理與優化 🚀​

Source: https://github.blog/ai-and-ml/github-copilot/from-chaos-to-clarity-using-github-copilot-agents-to-improve-developer-workflows/

• 介紹如何透過 GitHub Copilot coding agent，將零散且潛在鬆散的專案結構改造為高度組織且易於維護的系統
• 重點流程包括：優化自訂指令、建立 setup 檔案、辨識技術債務
• 利用 Copilot 與 pull request 協作，加快專案改善
• 以範例改進驗證檔案，全面提升專案品質、文件化與測試覆蓋
• 最終實踐包括在不同專案中進行前後比對，證明 AI 助攻大幅提升效率

💡 如何提升與 AI 搭檔程式設計工具（如 Copilot）的合作：超越提示詞技巧​

Source: https://github.blog/ai-and-ml/github-copilot/beyond-prompt-crafting-how-to-be-a-better-partner-for-your-ai-pair-programmer/

重點整理：

• 單純提供提示詞（Prompt）不足以讓 AI 完美理解需求，須提供完整的上下文。
• 透過適當的註解、結構化文件（如 docstring、instructions.md）來豐富 AI 的知識背景。
• 使用自訂指令（custom instructions）來設定專案背景、風格、標準，提升建議品質。
• 可以建立專用的 Instructions 文件，加強 AI 在特定任務（如建立 API endpoints）中的表現。
• MCP（Model Context Protocol）能連結外部資料或服務，保持資料更新與正確性。
• 給出類比：如與朋友對話，提供更多背景資訊才會得到更符合需求的建議。
• 提案：結合註解、結構化內容與外部服務，將 AI 變成一個更智能、配合更緊密的伙伴。

我的看法：
在實務中，純靠提示詞的技巧已經不夠，提供完整的上下文和背景，尤其善用指令文件和外部資料源，才能淺顯易懂地引導 AI 產出高品質的程式碼。