GitHub Copilot coding agent ra mắt bản xem trước công khai

• GitHub đã mở bản xem trước của Copilot coding agent cho người dùng Copilot Pro+ và Enterprise
• Cho phép các nhà phát triển giao các công việc lặp đi lặp lại và tích tụ nợ kỹ thuật cho Copilot để tập trung vào những việc sáng tạo và quan trọng hơn
• Khi giao issue cho AI, hệ thống sẽ tự động thực hiện từ sửa mã, chạy kiểm thử đến tạo PR
• Khi Copilot hoàn thành công việc, nó sẽ yêu cầu review; nhà phát triển có thể yêu cầu thay đổi thêm bằng bình luận hoặc tiếp tục làm việc trực tiếp trên branch
• Công việc được thực hiện trong môi trường phát triển đám mây dựa trên GitHub Actions, đồng thời tự xác minh việc vượt qua kiểm thử và linter
• Người dùng có thể yêu cầu chỉnh sửa với Copilot bằng bình luận trong PR hoặc cộng tác bằng cách lấy về branch cục bộ
• Đặc biệt phù hợp với các tác vụ thêm tính năng, sửa lỗi, refactor ở mức độ thấp đến trung bình trong codebase có hệ thống kiểm thử tốt

---

GitHub Copilot coding agent in public preview

Có thể giảm nợ kỹ thuật và tập trung vào công việc sáng tạo thông qua coding agent

• GitHub đã phát hành bản xem trước công khai của Copilot coding agent, cho phép ủy quyền các issue lặp lại hoặc đơn giản cho Copilot xử lý
• Nhà phát triển có thể giao issue cho Copilot như với một lập trình viên thông thường, và tính năng này được hỗ trợ trên website GitHub, ứng dụng di động và CLI
• Copilot sẽ phân tích repository trong môi trường phát triển đám mây riêng, áp dụng các thay đổi, chạy kiểm thử và kiểm tra lint rồi tạo PR
• Sau khi hoàn tất, hệ thống sẽ yêu cầu người dùng review; cũng có thể phản hồi bằng bình luận trong PR hoặc tiếp tục làm việc trực tiếp trên branch ở máy cục bộ

Phù hợp với những loại công việc nào

• Copilot phù hợp với các tác vụ thêm tính năng, sửa lỗi, mở rộng kiểm thử, refactor, cải thiện tài liệu ở mức độ phức tạp thấp đến trung bình
• Hoạt động hiệu quả trên codebase có hệ thống kiểm thử tốt, đồng thời cũng có thể giao nhiều issue cùng lúc

Điều kiện sử dụng và chi phí

• Tính năng này khả dụng trên các gói Copilot Pro+ hoặc Copilot Enterprise
• Với Enterprise, quản trị viên phải kích hoạt trước chính sách ‘Copilot coding agent’ thì mới có thể sử dụng
• Việc sử dụng agent sẽ tiêu thụ thời gian GitHub Actions và Copilot Premium requests
  • Đặc biệt, từ ngày 2025-06-04, mỗi 1 model request sẽ bị tính là 1 Premium request

Hỗ trợ nền tảng và cách bắt đầu

• Tính năng này hiện đang được triển khai dần cho người dùng GitHub Mobile(iOS/Android) và GitHub CLI
• Có thể xem cách bắt đầu và các mẹo trong tài liệu Copilot coding agent
• Có thể chia sẻ ý kiến hoặc câu hỏi trong thảo luận cộng đồng

[wedding]

Tôi đang dùng trên VS Code Insiders và nó ngày càng cải thiện nên rất tiện.
Dạo này còn có cả tính năng dự đoán khi lập trình nữa.

[GN⁺]

Ý kiến trên Hacker News

• Tôi có cảm giác Copilot hiệu quả với các tác vụ độ khó thấp đến trung bình như thêm tính năng, sửa lỗi, mở rộng test, refactoring và cải thiện tài liệu trên những codebase đã được test tốt. Nhưng điều quan trọng với con người là phải luôn giữ sự cảnh giác khi dùng AI. Nếu test cũng chỉ do AI tạo ra thì có thể sẽ không thật sự chạy đúng. Tôi muốn nghe các con số cụ thể về mức độ Microsoft đang dùng nó thành công đến đâu. Microsoft nổi tiếng là thực sự dùng sản phẩm của chính mình, nhưng tôi cảm thấy rất khó phân biệt giữa hoạt động marketing rầm rộ và tính hữu dụng thực sự
  • Bên trong GitHub và Microsoft, chúng tôi đã thật sự dùng Copilot coding agent nội bộ gần 3 tháng nay. Từ trải nghiệm đó, rất nhiều phản hồi và bản sửa lỗi đã được thực hiện để hôm nay chúng tôi sẵn sàng ra mắt agent. Tính đến lúc này, khoảng 400 nhân viên GitHub đã dùng agent trên hơn 300 repository, và gần 1.000 PR có đóng góp từ Copilot đã được merge. Trong repository đang phát triển agent, Copilot agent là contributor có số lượng đóng góp đứng thứ 5. Nói cách khác, chúng tôi đang dùng Copilot coding agent để tạo ra chính Copilot coding agent. (Tôi là product lead của Copilot coding agent tại GitHub)
  • Bên trong Microsoft, tôi có cảm giác đây là một đợt triển khai mang tính ép buộc từ phía quản lý. Theo lời một người bạn ở đội Azure, đã có trường hợp suýt bị đưa vào PIP vì từ chối cài trợ lý coding AI nội bộ. Mỗi quản lý đều đặt OKR là “số lượng lập trình viên dùng AI”, và nhiều lập trình viên có xu hướng chỉ cài xong rồi hầu như không dùng. Đặc biệt, hỗ trợ cho C# và PowerShell còn thiếu khá nhiều nên tính hữu dụng thực tế bị hạn chế
  • Microsoft thực sự đã từng công bố các số liệu như tỷ lệ code được tạo bởi AI. Được biết là 30% code đang được viết bằng AI
  • Nói Microsoft nổi tiếng vì dogfooding thì còn đúng cách đây 15 năm, chứ giờ thì hoàn toàn không còn như vậy nữa
• Tôi muốn cảnh báo rằng việc code trong repository riêng tư có thể bị dùng để huấn luyện Copilot là một vấn đề rất lớn. Có các gói Pro và Pro+, nhưng trong FAQ chỉ ghi rằng dữ liệu của Business hoặc Enterprise sẽ không được dùng để huấn luyện, nên tôi hiểu điều đó có nghĩa là dữ liệu từ gói cá nhân trả phí vẫn được dùng để huấn luyện mô hình
  • Trước đây có thể là vậy, nhưng bây giờ đã khác. Có thể kiểm tra chính sách cho gói cá nhân trong tài liệu chính thức của GitHub
  • Nếu bạn đang code trên môi trường Windows, màn hình của bạn có lẽ đã bị tự động chụp vài giây một lần, và mọi ký tự trên màn hình đều đang bị phân tích bằng OCR. Nếu chưa biết chuyện này thì đây sẽ là tin gây sốc
• Tôi đã thử vibe coding trên một dự án greenfield với Gemini 2.5 pro và cline. Khá ấn tượng và giúp tăng năng suất hơn nhiều so với giao diện chat LLM truyền thống. Tuy nhiên, nếu không có hướng dẫn kiến trúc đủ chặt, LLM có xu hướng tích lũy các abstraction sai và technical debt, ví dụ như làm hỏng cấu trúc. Nó cũng không tự phản tỉnh đủ nhiều về chất lượng code hay cách làm tốt hơn. Điểm mạnh là chỉ cần tôi chỉ rõ và prompt lại thì nó cải thiện ngay. Và việc chi phí token LLM tiêu tốn tới $15 chỉ trong một buổi tối cũng rất đáng ngạc nhiên. Bình thường trung bình mỗi tháng tôi chỉ khoảng $20, nên đây là lần đầu tiên một ngày đã lên tới mức đó
  • Việc tiêu $15 token LLM trong một ngày không phải bug mà là tính năng. Tôi nghĩ sắp tới hiện tượng “hóa đơn AWS khổng lồ” cũng sẽ xuất hiện với LLM
  • Cũng khuyên bạn thử dùng công cụ Aider và chủ động quản lý context bằng /add, /drop, /clear
  • Nếu định dùng Cline theo hướng nhạy cảm về giá thì tôi thấy cần phải tự quản lý context thủ công. Tôi dùng Windsurf thay thế (vẫn dùng Gemini 2.5 pro). Việc quản lý context tiện hơn nhiều
  • Trong dự án greenfield, việc tận dụng AI khá bất tiện. Có quá nhiều lựa chọn nên AI cứ dao động giữa các cách làm. Với brownfield (codebase hiện có), có thể đưa các file tham chiếu để nó tự nhiên học pattern, nên dễ cho ra kết quả tốt hơn nhiều
  • Tôi quan tâm tới việc ngăn LLM làm ô nhiễm kiến trúc. Tôi kỳ vọng bước tiếp theo sẽ là các linter (dựa trên AI) kiểm tra xem phần triển khai có đúng với định nghĩa thiết kế hay không
• Tôi nghĩ tối ưu tốc độ nên được ưu tiên trước khi thêm tính năng. Autocomplete của Copilot thì nhanh, nhưng có lúc chỉnh một file 100 dòng lại mất tới vài phút, tạo cảm giác rất thiếu năng suất. Nếu độ chính xác gần 100% thì còn hiểu được, nhưng tốc độ chậm chạp và cứ qua lại như vậy thì rất mệt. Thà mở tab mới hỏi Claude hay ChatGPT rồi copy-paste code còn nhanh hơn. Tôi đã hủy đăng ký Copilot và sắp tới sẽ chuyển sang model cục bộ cho autocomplete và các tác vụ đơn giản
  • Trải nghiệm của tôi hoàn toàn ngược lại. Chỉnh file vài trăm dòng cũng chỉ mất vài giây. Có vẻ trước đây từng chậm, nhưng gần đây nút thắt đó đã biến mất. Ngay cả khi dùng Copilot qua Wi‑Fi thư viện, trải nghiệm vẫn khá mượt
  • Nếu mất tới vài phút thì tôi nghĩ đó là vấn đề nghiêm trọng. Hầu hết model xử lý trong vài giây
• Tôi luân phiên dùng ChatGPT và Copilot trong VS Code. Việc nắm cú pháp Objective-C trở nên dễ hơn rất nhiều, và dù hỗ trợ thư viện còn yếu, tôi cũng nghĩ một phần là do mình chưa thử đủ với các thư viện 3rd party. Lỗi cú pháp và lỗi luồng xử lý có thể nhận ra ngay lập tức, nên chỉ cần sửa ngắn gọn rồi hầu như dùng code luôn được. Với mức giá $10 mỗi tháng, tôi thấy tương lai khá tích cực. Tôi có rất nhiều ứng dụng iOS cần cập nhật, tất cả đều là ứng dụng năng suất và tôi vừa tự dùng vừa tự bán, nên lợi ích là gấp đôi
• Tôi đã dùng Copilot khá nhiều. Nó ấn tượng nhưng cũng đáng sợ. Vấn đề quan trọng là nó hay vô tội vạ đề xuất các dependency ngẫu nhiên lấy từ những repo nhỏ, mà trong nhiều trường hợp hoàn toàn không phù hợp với các dự án lớn. Nói cách khác, người dùng cần cẩn trọng
  • Tôi đã thấy pattern tương tự ở nhiều AI. Chúng quá tin vào dữ liệu đọc được trên web. Ví dụ, khi nhờ kiểm tra một vụ lừa đảo phishing, AI chỉ tóm tắt nội dung chứ không đưa ra phân tích đáng tin cậy. Tôi cũng từng gặp trường hợp nó khuyến nghị một repo vô danh của Trung Quốc chỉ có 2 sao như thể là tiêu chuẩn ngành, chỉ vì README viết như vậy. Hơi lạc đề nhưng nó cũng từng gợi ý giao thức mã hóa “Strobe” và dẫn tới strobe.cool, trong khi chính trang đó lại nói về việc kích thích ảo giác
  • Cảm ơn vì đã nhắc tới hiện tượng này. Trong quá trình test tôi chưa gặp hành vi đó, nên muốn tìm hiểu sâu hơn. Nếu bạn có thể chia sẻ qua email thì rất tốt (nickname HN của tôi tại github.com). Tôi làm trong đội sản phẩm của Copilot coding agent
  • Việc chạy PR trong repo riêng tư hoạt động với context đáng tin cậy hơn nhiều, nên trong tình huống như vậy vấn đề đề xuất dependency như trên quả thực khá đáng lo
• Tôi có ấn tượng tốt với câu “Copilot mạnh ở các tác vụ độ phức tạp thấp đến trung bình”. Nhưng tới đoạn “chỉ trên codebase đã được test tốt” thì kỳ vọng của tôi tụt xuống
  • Như các bình luận khác đã nói, coding agent cực kỳ giỏi trong việc cải thiện test coverage. Và đi xa hơn một bước, các công cụ coding dạng agent thực sự hiệu quả hơn nhiều khi đã có test coverage tốt. Test giúp giới hạn agent trong một cái hộp và cho nó cơ hội lặp lại quá trình tự xác minh công việc. Không phải là bắt buộc với các công cụ này, nhưng có thì kết quả tốt hơn nhiều (tôi làm trong đội Copilot coding agent)
  • Chỉ cần để Copilot viết toàn bộ test thì rất nhanh sẽ có một codebase được test tốt
  • Theo kinh nghiệm của tôi, ngay cả khi không có test thì nó vẫn hoạt động khá ổn, đặc biệt trong các dự án greenfield. Chỉ là hiệu quả cập nhật/vá lỗi chắc chắn tốt hơn khi đã có test sẵn
• Với câu quảng cáo “Đang vùng vẫy trong technical debt à?”, tôi đùa rằng thôi cứ bỏ cuộc và chìm luôn đi. Với Github Copilot Coding Agent, technical debt sẽ còn nhiều hơn, một loại technical debt mới mà chẳng ai biết ai sẽ chịu trách nhiệm, và đồng nghiệp của bạn rồi cũng sẽ sớm rơi vào tình cảnh tương tự
• Một người bạn của tôi đang tham gia dự án liên quan tại GitHub, và mấy ngày nay chỉ toàn nghe về tin này. Cậu ấy nhấn mạnh mãi rằng nhất định phải xem keynote hôm thứ Hai. Tôi đã bỏ cuộc xem stream sau lần timeout xác thực thứ ba, nhưng nếu biết chủ đề là cái này thì có lẽ tôi đã thử thêm lần nữa
  • Tôi tò mò không biết đó là keynote nào. Tìm kiếm tới giờ vẫn không ra nhiều thông tin
  • Một lời khuyên là cứ lên YouTube thôi để khỏi phải qua quy trình đăng ký thành viên của MS
  • Tôi luôn nghe lời các coder đang làm việc trực tiếp với sự dè dặt nhất định, vì nội bộ thường có marketing rất mạnh. Tôi hy vọng nó vượt trội hẳn so với các đối thủ như Cursor, và chắc chắn sẽ xem demo trực tiếp
• Từ những ngày đầu của LLM, tôi đã tự làm agent bằng github actions và workflow của issues để dùng. Tính năng còn hạn chế, nhưng chỉ cần chỉ định bug là nó tự chạy, xử lý các tác vụ về kiến trúc/chỉnh sửa, xác minh thay đổi, rồi cuối cùng gửi PR. Giờ có thể dùng một công cụ chính thức làm điều tương tự nên tôi khá kỳ vọng (mẫu công việc của tôi: chota)