Por dentro das atualizações de setembro do GitHub: Project HydraFusion, sandboxing e aprovações de PR

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Inside GitHub’s September updates: Project HydraFusion, sandboxing, and PR approvals · Canal: GitHub · 13:02 · Assistir no YouTube

Tópicos: Agentes de IA, Cibersegurança e segurança de software, Engenharia de software com IA, Inferência e otimização de modelos

Resumo

O episódio apresenta as atualizações de setembro do GitHub, com destaque para o HydraFusion, que escolhe e orquestra modelos conforme a tarefa para simplificar o uso e reduzir o consumo de créditos. A equipe mostra melhorias de transparência no VS Code e compara o uso de créditos e o tempo de execução com GPT-6 Astra. Também anuncia a disponibilidade geral do sandboxing local e a possibilidade de contar avaliações do Copilot como aprovações em regras de merge. Por fim, demonstra correções em lote de até 25 problemas de qualidade de código com o Copilot e recebe pedidos para permitir a escolha de modelos, inclusive modelos locais.

Pontos-chave

HydraFusion escolhe modelos e padrões de execução para cada tarefa, sem exigir que o desenvolvedor selecione manualmente um modelo.
O recurso está disponível no CLI, no aplicativo GitHub Copilot e no VS Code.
A interface passou a mostrar padrões de trabalho, modelos utilizados, subagents, eventos em tempo real e créditos consumidos.
Em uma comparação apresentada, a sessão com HydraFusion usou cerca de 50 créditos, contra 500 com GPT-6 Astra; a primeira levou cerca de 30 minutos e a segunda, 13 minutos.
O roteamento usa uma pontuação HyDRA — hybrid dynamic routing architecture — para selecionar o padrão de execução e a combinação de modelos.
O sandboxing local está disponível de forma geral para Linux, macOS e Windows, sem custo adicional com Copilot.
Avaliações de code review do Copilot podem contar como aprovações exigidas pelas regras de proteção de merge.
O Bulk Agentic Autofix permite selecionar até 25 problemas de qualidade de código e atribuí-los ao Copilot para correção e validação.
Os participantes pedem a possibilidade de escolher os modelos usados pelo HydraFusion e de incluir modelos locais.

Capítulos

Início	Capítulo	Resumo
00:01	HydraFusion e orquestração de modelos	A equipe explica como o HydraFusion escolhe modelos e apresenta sua disponibilidade e novos detalhes de transparência no produto.
03:08	Transparência, créditos e padrões de execução	A demonstração mostra eventos, modelos e créditos utilizados, compara resultados com GPT-6 Astra e explica o roteamento HyDRA.
07:17	Sandboxing local e aprovações de code review	O episódio apresenta o sandboxing local em disponibilidade geral e a possibilidade de usar avaliações do Copilot como aprovações exigidas para merge.
10:24	Correções em lote e pedidos de recursos	A equipe demonstra a atribuição de até 25 problemas ao Copilot para correção e validação e comenta pedidos de escolha de modelos, incluindo modelos locais.

Citações

Em vez de você se preocupar com qual é o melhor modelo para escolher para sua tarefa, e se tirássemos essa complexidade? — 01:04

Usou 500 créditos de IA, quase dez vezes mais do que o HydraFusion. — 04:12

É a maneira mais segura de permitir que seus agents acessem somente aquilo de que precisam. — 07:17

Agora você pode selecionar até 25 problemas de uma vez e atribuí-los ao Copilot. — 10:55

Conceitos e entidades

HydraFusion (ferramenta): Recurso de orquestração que seleciona modelos e padrões de execução para atender a uma tarefa.
HyDRA (conceito): Sigla de hybrid dynamic routing architecture, método de pontuação mencionado para direcionar tarefas no HydraFusion.
GPT-6.1 Sol (modelo): Modelo citado como um dos utilizados em uma sessão do HydraFusion.
Luna (modelo): Modelo citado como um dos utilizados em uma sessão do HydraFusion.
GPT-6 Astra (modelo): Modelo usado na comparação de consumo de créditos e tempo com o HydraFusion.
VS Code (ferramenta): Editor no qual o HydraFusion passou a estar disponível, com informações sobre sua execução.
Microsoft Execution Container (ferramenta): Tecnologia indicada como base do sandboxing local anunciado no episódio.
CodeQL (ferramenta): Ferramenta mencionada para análises de segurança e, nas atualizações apresentadas, de qualidade e manutenção do código.
GitHub (empresa): Empresa responsável pelas atualizações de produto apresentadas no episódio.

Tradução completa (pt-BR)

00:01 Bem-vindos, bem-vindos, bem-vindos. Sou Andrea Griffiths e estou aqui hoje com meus amigos Julia e Brady. Vamos explorar os lançamentos de setembro. Então, se chegou ao changelog, vamos falar sobre isso. Porque quem consegue acompanhar um milhão de atualizações? É, 14 milhões. 14 milhões. Sim, sim. Sim. Há muita coisa acontecendo, Julia. Você é a PM do HydraFusion, que, para mim, foi o grande lançamento do mês de setembro. E em apenas quatro semanas, ele mudou bastante.

00:32 Pode nos contar um pouco sobre o HydraFusion e todas as melhorias que vocês trouxeram nas últimas duas semanas? Três semanas? É, já passou tanto tempo. Mas é empolgante. Sim, porque faço parte de praticamente todo lançamento de modelo que fazemos em todos os diferentes clientes. Um dos temas que percebemos, depois de conversar com muitos clientes corporativos, incluindo a Microsoft, é que tantos modelos são lançados toda semana que, em vez de você se concentrar em escolher o melhor modelo para sua tarefa…

01:04 E se eliminássemos essa complexidade e você simplesmente escolhesse o HydraFusion? Nós cuidaríamos da orquestração dos modelos para você. E não apenas dentro de um modelo: vamos reunir um conjunto de modelos e escolher a rota certa e melhor que esse modelo pode seguir, para que você não precise se preocupar com isso. E o mais empolgante, especialmente para empresas, é que estamos fazendo isso para usar tokens com muito mais eficiência do que alguns dos outros modelos de ponta, de acordo com evals offline. Então…

01:34 É, isso é legal. Eu estava conversando com um amigo ontem à noite, a caminho do show do Rush, que foi fantástico, e perguntei a ele: “Você já experimentou o HydraFusion? É que amanhã vou fazer este programa com a Julia.” E ele respondeu: “Cara, é só o que eu uso hoje em dia.” Eu perguntei: “É um aplicativo diferente? É um harness diferente? Como eu uso?” E ele disse que literalmente aparece como um modelo. Ele tem o HydraFusion no CLI e, em vez de escolher este ou aquele modelo, escolhe o HydraFusion e ele simplesmente faz o que é certo. Fiquei bem impressionada com isso. Você simplesmente escolhe esse roteador e ele segue na direção certa.

02:05 Adoraria ver uma demonstração, se você tiver alguma, especialmente se for mais eficiente, porque… Claro. Uma das grandes coisas, primeiro de tudo: sim, lançamos no CLI. A prioridade número zero era colocá-lo no aplicativo GitHub Copilot. Também tivemos que colocá-lo no VS Code. Sim. Para realmente alcançar o maior número possível de pessoas e oferecer a elas as vantagens do HydraFusion. O segundo ponto do feedback foi sobre o que está acontecendo. Precisamos entender melhor, depois de escolher o HydraFusion, quais modelos estão sendo selecionados.

02:37 Quais padrões de execução o HydraFusion escolhe para você? Queríamos trazer tudo isso para o produto, para responder ao feedback que recebemos. Então vamos dar uma olhada em algumas das melhorias. Como mencionei, o HydraFusion agora está disponível no VS Code. A primeira coisa é que ele também informa o padrão de trabalho escolhido pelo HydraFusion. Neste caso de uso, ele escolheu Cascade. A próxima grande mudança foi em torno da transparência e visibilidade dos modelos. Também estamos mostrando qual modelo está sendo escolhido para este workflow…

03:08 …e o que está acontecendo em tempo real. Também mostramos informações, como quando um subagent é iniciado, por exemplo. Se quiser saber ainda mais sobre o que está acontecendo, você pode clicar no caminho principal aqui. Isso abre uma janela lateral. Ela mostra todos os eventos em tempo real que estão acontecendo nos bastidores. Se um terminal estiver sendo executado, você pode abrir essa janela. Pode fechá-la. Todas as informações e os detalhes também são mostrados aqui. As atualizações mais importantes sempre ficam na sessão principal. E, quando sua sessão terminar, eu fiquei curiosa para ver…

03:39 …quais modelos foram usados. Você também pode ver isso aqui. Na minha sessão, foram usados GPT-6.1 Sol, mas também Luna. E, falando em orquestração e roteamento de modelos, também mostramos quantos créditos foram usados. No meu caso de uso, foram cerca de 50. Se quiser voltar e saber qual é o histórico, como foi usado, verá que foi usado Cascade. Também poderá ver qual caminho ou quais etapas envolveram o uso de determinados modelos. Você pode voltar a qualquer momento e ver todas essas informações. Então…

04:12 …na verdade, iniciei exatamente a mesma sessão com GPT-6 Astra, em vez de usar o HydraFusion. Fiquei curiosa: vocês estão falando da eficiência no uso de tokens. Então, primeiro de tudo, o GPT-6 Astra foi usado durante toda a sessão; foi o único modelo usado. Como podem ver aqui, ele usou 500 créditos de IA, quase dez vezes mais do que o HydraFusion usou. Isso me deixou muito empolgada, porque só fiz isso uma vez e não queria refazer, certo? Então, sim, fiquei curiosa para saber quantos…

04:42 …créditos foram usados. Estou muito empolgada com a eficiência no uso de tokens. Isso é muito impressionante. É. O tempo de relógio também é melhor? É. Esta sessão levou cerca de 30 minutos, enquanto a outra, eu diria, levou 13 minutos. Então, com certeza… Quer dizer, o Astra é, no geral, um modelo muito maior, certo? Não me surpreendi tanto com o tempo total, mas a quantidade de créditos me deixou de queixo caído. A mesma tarefa: o que você consegue alcançar com a forma como orquestra determinados modelos. É incrível. Isso é extraordinário. Que ótimo.

05:12 Adorei isso. Agora sabemos que nenhum modelo sozinho consegue executar bem todas as tarefas, então é ótimo. Sei que sua equipe trabalhou muito e se dedicou bastante a definir como essa orquestração acontece. Temos o modo Single, o Cascade, que acabamos de ver, e o Critique. Sim. E cada um é escolhido de acordo com a complexidade da tarefa. Isso mesmo. Sim. O que fazemos é: quando um desenvolvedor digita seu prompt, calculamos uma pontuação HyDRA. HyDRA significa arquitetura híbrida de roteamento dinâmico.

05:42 Usamos um LLM muito, muito leve para fazer o roteamento e gerar uma pontuação. Dependendo da pontuação escolhida, sabemos exatamente qual rota deve ser selecionada. Mas, dentro desse padrão de execução, por exemplo, o Cascade, qual combinação de modelos você precisa usar para executar a tarefa? Legal, gostei disso. E gosto de que, no final, você consiga ver exatamente o que aconteceu: ele informa o que escolheu — como escolheu resolver o problema — e quais modelos foram usados. Receber esse tipo de feedback dos nossos clientes foi muito valioso, e é assim que devemos…

06:14 …evoluir o produto, certo? Lançar, receber feedback e depois melhorar. Estou muito, muito empolgada com esses anúncios. Que bom. Estou empolgada porque, sabe, gosto de usar IA para fazer minhas coisas. Muitas vezes pergunto ao cara com quem fui ao show ontem à noite, e ele diz: “Bem, você deveria usar este modelo para isso e aquele modelo para aquilo”, porque, sabe, ele é “o cara da IA” da turma. Sim, sabe, você não tem muito tempo para aprender sobre todos esses modelos e acompanhar o que acontece com eles. Quer dizer, esse é o seu trabalho. Acompanhar todos esses modelos é complicado. O HydraFusion meio que tira essa responsabilidade das minhas mãos…

06:45 …e eu simplesmente uso aquilo, e ele segue na direção certa. Pelo menos é essa a impressão. Sim, totalmente. E, pensando mais pelo ângulo das empresas… Sim, pelo ângulo dos desenvolvedores, você não quer se preocupar com isso. Basta escolher o HydraFusion. E, pelo ângulo das empresas, a questão é o custo ou quantos tokens estão sendo usados. Quando juntamos essas duas coisas, recebemos um feedback incrível. Trabalhamos bem de perto com alguns clientes corporativos, e eles obtiveram ótimos resultados. Então, com certeza, é muito empolgante e estamos seguindo um bom caminho aqui. Então, sim, vou experimentar. Com certeza. Sim, isso…

07:17 Ótimo. Digo, sobre a parte empresarial, também estou animado para falar do nosso próximo lançamento. Ah, sim. É. Sim, sim, sim. Agora temos o Local Sandboxing disponível para todos. Então, agora você pode habilitá-lo para suas organizações. E, para quem talvez não conheça sandboxing, essa é uma maneira mais segura de permitir que seus agents acessem apenas aquilo a que precisam ter acesso. Assim, você cria esses ambientes seguros para que seus agents possam trabalhar sem que você precise se preocupar com por onde eles vão ficar circulando.

07:49 Então, você não quer dar autonomia demais aos seus agents. Exatamente, exatamente. Mas, por baixo dos panos, isso usa o Microsoft Execution Container e agora está disponível para todos. Você pode usar no Linux, no Mac e no Windows — no macOS e no Windows — e está incluído no Copilot sem custo adicional. Então, tudo o que você precisa fazer é executar /sandbox, e isso vai iniciar os sandboxes para você. Ainda é possível direcioná-lo para sandboxes na nuvem, então você ainda pode configurá-lo para preparar a tarefa para o agente de nuvem do GitHub Copilot. Esse lançamento, por si só, vai ajudar você a realizar muito mais,

08:20 porque agora você tem esse ambiente seguro no qual os agents podem realmente trabalhar. E isso nos leva ao próximo lançamento deste mês: aprovações de revisão de código, que é enorme. Antes, era necessário que uma pessoa entrasse e aprovasse de fato para que isso contasse para as regras de proteção de merge. Mas, com esse lançamento, isso pode ser delegado. Então, se você confia nas avaliações e quer torná-las um dos requisitos para o merge, não precisa mais entrar e simplesmente dizer que cada

08:52 uma delas precisa de aprovação humana. Você pode simplesmente dizer: “Esta avaliação está boa. Está pronta para merge.” Talvez junto com a aprovação de uma pessoa revisora, e pronto. Certo, então posso configurar isso como uma condição para o merge de um PR? Ou… Com certeza. Digo, você ainda tem os mesmos controles de administração. Então, isso não interfere em mais nada. Certo. É. Você ainda tem os mesmos controles de administração. E acho que, para ser justo, muitos de nós já fazíamos algo parecido no nosso CI, certo? É, eu fazia. É. Nós criamos algo assim no Squad porque um dia apagamos um trecho de código e não queríamos fazer isso

09:22 de novo — ou foram os agents que fizeram isso. Exatamente. Então, escrevemos um CI que, sabe, fazia basicamente isso: verificava cada PR. “Faz isso? Tem testes? Faz aquilo? Apaga código?”, blá-blá-blá. Sabe, tem mais de 20 arquivos ou algo assim? Agora posso desativá-lo. Vamos simplesmente usar isso. Na verdade, outro dia percebi que estava vendo a execução do nosso CI e a nova execução da revisão acontecerem ao mesmo tempo e pensei: “Provavelmente estou desperdiçando ciclos aqui.” Acho que posso desativar o CI, o que vai ser ótimo. Tenho o recurso integrado. Exatamente. E, de novo, é uma aprovação de verdade

09:53 na revisão, e ela vai contar para as aprovações obrigatórias. Então, agora sua organização pode configurá-la, e você elimina essa camada extra de manutenção. Sinto que os temas deste mês giraram todos em torno de fazer o Copilot cuidar de mais coisas desse tipo, para que você possa se concentrar no que é importante. E, por fim, o Bulk Agentic Autofix. Essa é uma das minhas coisas favoritas. Adoro o CodeQL. Ele tem feito um trabalho incrível na identificação de problemas de segurança, mas agora

10:24 também está focado na qualidade do código. E essas análises são gratuitas. Você pode executá-las nos seus repositórios, mas agora elas vão fornecer uma avaliação focada não só no aspecto de segurança, mas também na qualidade do código e na facilidade de manutenção da sua base de código. Quando ficamos empolgados e começamos a lançar coisas, muitas vezes não pensamos no longo prazo. É. Especialmente quando estamos usando o HydraFusion com vários agents diferentes. Exatamente. Ficamos muito mais eficientes porque estamos em sandboxes. É, exatamente. Então, agora a análise da qualidade do nosso código vai fazer essa verificação e vai fornecer

10:55 todo esse feedback sobre o que você pode fazer para melhorar a facilidade de manutenção e a qualidade do seu código. Mas, antes, você precisava delegar cada tarefa a um agente de nuvem para fazer a remediação, ou seja, aplicar as correções. Bem, agora você pode selecionar até 25 descobertas de uma vez e atribuí-las ao Copilot. Então, o Copilot vai criar uma branch. Vai corrigir as descobertas. Fazer a validação. Basicamente, vai percorrer todo o ciclo, e você só precisa clicar no botão uma vez. Fantástico. É. Isso vai tornar as coisas muito

11:27 mais eficientes, com certeza. Sem dúvida. Sem dúvida. Claro, isso vai respeitar as regras da sua organização sobre o que realmente deve ser integrado. Ainda é preciso revisar o código, mas aí você pode iniciar as tarefas de um jeito muito mais eficiente. Ele chega a sugerir refatorações e coisas do tipo? Ele faz esse tipo de coisa? Até que nível de profundidade ele vai? Ah, ele faz muitas coisas. Digo, se houver, por exemplo, lógica duplicada no código, se houver funções mais complexas do que deveriam, e como o Copilot está ali

11:57 e tem acesso a toda a sua base de código, ele vai fazer uma avaliação melhor. Exatamente, exatamente. Então, todo aquele backlog em que ninguém quer mexer — quem gosta de voltar e fazer essas tarefas de manutenção? Talvez alguém que não seja eu. Aí é só atribuir ao Copilot e pronto, está feito. Legal. Está feito. Então, essas foram quatro coisas lançadas durante o mês de setembro, Julia. Em um mês, cobrimos muita coisa. Estou animado com o futuro do HydraFusion. Tenho um pedido de recurso. Quero poder escolher os modelos que consigo usar e que conheço. Sim, número um.

12:30 Certo, ótimo. Certo, ótimo. Ótimo. Adoro. Não sabia que isso viria acompanhado de pedidos de recursos, mas pode mandar. Por favor, mande mesmo. É. Vai ser ótimo. Mas, falando sério, como você fez um trabalho incrível, e os pesquisadores que estão trabalhando nisso também, há muita reflexão por trás das avaliações e de como a orquestração acontece. Confio nisso. Acho que, para mim, é só uma questão de preferência: poder escolher, por exemplo, até modelos locais seria bom incluir entre as opções. Também fiz um pedido de recurso para isso. Estamos ouvindo!

13:02 É, faz todo o sentido. Estamos recebendo muitos comentários e ouvindo esse tipo de opinião dos clientes, então com certeza há algo importante aí. Continuem contando para nós, porque a equipe está ouvindo. É, adorei. Muito obrigado a vocês dois por terem passado por aqui. E esses foram os lançamentos de setembro. Então, obrigado. Muito, muito obrigado. Agradeço muito.

Transcrição original

[00:01] Welcome, welcome, welcome. I’m Andrea Griffiths and I am here with my friends today, Julia and Brady. And we are going to dig into the September ships. So if we made it to the changelog, we’re going to talk about it. Because who can keep up with a million updates? Yeah, 14 million. 14 million. Yes, yes. Yes. There’s a lot happening, Julia, you are the PM for HydraFusion, which to me was sort of the marquee ship of the month of September. And in just four weeks, it’s changed a

[00:32] lot. Can you tell us a little bit about HydraFusion and all the improvements that you brought in the past two weeks? Three weeks? Yeah. Well, already so much time has passed. But exciting. Yeah, because I’m kind of part of every model launch that we do across all of the different clients, one of the themes we have seen after talking to a lot of enterprise customers, including Microsoft, there are so many models that are launching every week that, hey, rather than you focusing on what is the best model you have to pick for your task?

[01:04] What about if we take away that complexity and you just pick HydraFusion, and we’re going to do the model orchestration for you, and not just within one model, we’re going to bring in a fleet of models, and we’re going to pick the right and best route this model can take, so you don’t have to worry about it. And the most exciting thing, especially for enterprises, we are doing this to be way more token efficient than what we are seeing with some of the frontier other models, based on offline evals. So

[01:34] Yeah, that’s cool. I was talking to a friend last night on the way to the Rush concert, which was fantastic, and I was asking him. I was like, have you tried HydraFusion yet? Because I’ve got this show tomorrow with Julia. And he was like, dude, that’s all I use these days. Like, I was like, is it like a different app? Is it a different harness? Like, how do I use it? And he goes, it literally appears like a model. He’s got it in the CLI and he goes instead of just picking, you know, this model or that model, you pick HydraFusion and it just does the right thing. I was pretty impressed by that. You just pick this router and it goes in the

[02:05] right direction. I’d love to see a demo of it if you’ve got something, especially if it’s more efficient because. Yeah, of course. And so one of the big things, first of all, yes, we released it in the CLI. Number zero priority was we had to get it into the GitHub Copilot app. You also had to get it into VS Code. Yeah. So to truly reach as many people as possible and giving them the goodness of HydraFusion. Number two feedback was around what is happening. Like we need to better understand once you pick HydraFusion, what are the models that are being picked?

[02:37] What are the execution patterns that HydraFusion picks for you? So we wanted to bring all of this into the product to be responsive to the feedback that we’ve heard here. So let’s take a look at some of the improvements here. As I mentioned, HydraFusion is now available in VS Code. The very first thing is it also tells you the work pattern that HydraFusion picked. So in this use case it picked Cascade. The next big thing was around model transparency, visibility. So we’re also showing what is the model that is now for this workflow

[03:08] being picked and what is happening in real time? You’re also showing information, like if a subagent is being spun up, for example. If you even want more information of what’s happening, you can always click on the main path, here. It will open kind of like a flyout window. It shows you all of the live events that are happening under the covers. So if a terminal is being run, you can open this. You can close it. So all of the information or details are being shown here as well. Most important updates are always going to be in the main session. And once your session finished, I was

[03:39] curious to see, hey, what are all of the models that are being used? You can also get transparency here. So in my session it used GPT-6.1 Sol, but also Luna. To your point about model orchestration routing. We are also of course showing how many credits are being used. In my use case it was roughly 50. If you ever want to go back and you kind of want to know, hey, what is the history? How was it used? It used Cascade. But then also what pass or what kind of steps certain models are being used. You can always go back and get all of this information. So I

[04:12] actually spun up the exact same session with GPT-6 Astra and not HydraFusion. I was curious, hey, you’re talking about token efficiency here. So first of all, GPT-6 Astra throughout the entire session, that’s the only model that’s being used. As you can see here, it used 500 AI credits and so almost ten times more than HydraFusion did here, which got me so excited because I only did it once, I didn’t want to redo it, right. So yes, I was curious to see, hey, how many

[04:42] credits are being used? So definitely excited about the token efficiency here. That’s very impressive. Yeah. Is the wall-clock time better too? Yeah. So this session took roughly 30 minutes versus the other one I want to say 13 minutes. So definitely also I mean Astra overall is a way bigger model, right? I was not too surprised by the overall time, but the credits just blew my mind off. So the exact same task what you can achieve through like how you orchestrate certain models. It’s just amazing. That’s incredible. That’s great.

[05:12] I love that. We know now that not one single model can do every task well, so it’s great. I know your team has put a lot of work and effort into how that orchestration happened. So we have Single, Cascade, which is what we just saw, and then Critique. Yes. And each one is being chosen depends on the complexity of the task. Correct. Yeah. So what we do is once a developer types in their prompt we do a HyDRA scoring. HyDRA stands for hybrid dynamic routing architecture.

[05:42] We use a very very lightweight LLM to go and route and like bring up a certain score. And depending on the score that is being picked, we know exactly what route it has to pick. But then also within this execution pattern, for example Cascade, what is the model mix you now have to use for execution here? Cool, I like that and I like that. You can see at the end exactly what it was, like it’ll tell you what it chose–how it chose to solve the problem, and then what models you were able to use. Getting this kind of feedback from our customers. It was super valuable and this is how we should

[06:14] be evolving product, right? Ship it, get feedback in, and then improve. I am so, so excited to see these announcements here. That’s good. I’m excited about it because, you know, I like to use AI to get my stuff done. And a lot of times I’ll ask, you know, the guy that I went to the concert with last night and he’s like, well, you should use this model for this and this model for that because he’s like, you know, the AI guy in the room. Yeah, you know, you don’t have a lot of time to learn all these models and to keep up with them. I mean, that’s your job. You know, to keep up with all these models is complicated. HydraFusion kind of takes that responsibility off of my plate,

[06:45] and I just use that and it goes in the right direction. At least that’s what it feels like. Yeah, totally. And then from a more enterprise angle…Yes, from a developer angle, you don’t want to worry about it. You just pick HydraFusion. And then from an enterprise angle–cost or how many tokens are being used. So if you combine these two things, we’ve heard amazing feedback. We’ve worked with a handful of enterprise customers really close to it and they have seen greatest results. So it’s definitely very exciting and a good route where we are going here, so, yeah. I’m definitely going to play with this. Oh, for sure. Yeah, this is

[07:17] great. I mean, on the enterprise thing, I’m excited to talk about our next ship, too. Oh yes. Yeah. Yes, yes yes. So we have Local Sandboxing now generally available. So you can now enable it for your organizations. And for those of you who maybe are new to sandboxing, it’s going to be the safer way for you to let your agents have access to only the things that they need to have access to. So creating those secure environments so that your agents can go to work and you’re not worried about where they’re going to be roaming.

[07:49] So you don’t want to give your agents too much agency. Exactly, exactly. But it’s under the hood is Microsoft Execution Container and now it’s generally available. You can use it in Linux, Mac, and Windows, macOS and Windows, and it’s included with Copilot at no extra cost. So all you have to do is do /sandbox, and that’s going to spin up the sandboxes for you. You can still send it out to cloud sandboxes, so you can still set it up for setting up the task for the GitHub Copilot cloud agent. That ship itself is going to help you accomplish a lot more,

[08:20] because now you have this safe environment where the agents can actually go to work. And that brings us to the next ship this month, which is code review approvals, uh, which is huge. Now, before it would only it would take a human to go in and actually approve it for it to count towards your merge protection rules. But with this ship is actually it can be delegated. So if you have confidence on the assessments and you want to make that one of your requirements for merge, you no longer have to go in and just say every single

[08:52] one. You can just say this is a good assessment. It’s ready to merge. Maybe that and one human reviewer and you’re good to go. Okay, so I can actually set that up as can that become a PR merge gate? Or… Oh for sure. I mean, you still have like the same admin control so. So, it doesn’t mess anything else. Okay. Yeah. You still have the same admin controls. And I feel like, to be fair, like a lot of us were doing, we had something like that in our CI, right? Yeah, I did. Yeah. We we built something like that in Squad because we deleted some code one day and we didn’t want to do that

[09:22] again or the agents did it. Exactly. We so we wrote CI that would, you know, do essentially this would, would check every PR. Does it do this, does it have tests, does it do this, does it delete code, yada yada yada. You know, are there more than 20 files or whatever? Um, I get to turn that off now. We’ll just use this. I actually noticed it the other day that I was seeing our CI run and the new review run at the same time, and I thought, I’m probably wasting some cycles here. I think I can turn off the CI, so that’ll be nice. I have the built-in feature. Exactly. And again, it’s a real

[09:53] approval review and it’s going to count towards those required approvals. So now your org can set it up and you take that extra layer of maintenance. I feel like the topics this month were all about just getting Copilot to handle more of this kind of stuff, and then you can focus on the important things. And then finally the Bulk Agentic Autofix. So this is one of my favorite things. I love CodeQL. It’s been doing an amazing job as far as finding like security concerns, but now

[10:24] it’s focused on code quality as well. And those scans are free. You can run them in your repositories, but now it’s going to give you the assessment that’s going to be focused not just on the security aspect, but the code quality and maintainability of your codebase, which when we get excited and start shipping things, a lot of times we don’t think about the long, the long view. Yeah. Especially when we’re using HydraFusion with a bunch of different agents. Exactly. Being way more efficient because we’re sandboxed in. Yeah, exactly. So now our code quality is going to do this scan, and it’s going to give

[10:55] you all of this feedback on the things that you can do to improve the maintainability and the quality of your code. But then you used to have to like, delegate each task to a cloud agent to go and actually do like, I guess, the remediation of the patching. Well, now you get up to 25 findings that you can click at once and assign it to Copilot. And then Copilot is going to create a branch. It’s going to fix the findings. Do the validation. Basically it’ll run through the entire cycle and you just click the button at once. That’s fantastic. Yeah. That’ll make things a lot

[11:27] more efficient for sure. Absolutely. Absolutely. Of course, this is going to respect your organization’s rules as far as you know what what actually should be merged. Um, still review the code, but then you can spin up the jobs to be done in a way that’s much more efficient. Does it go as far as to like, suggest refactoring and whatnot? Does it, does it does it do that level of depth? Oh, it’ll do a lot of things. I mean, if you have um, let’s say there is duplicate logic in the code, if there is some functions that are more complex than they should be, and because Copilot is there

[11:57] and has access to your entire codebase, it’s going to give you a better assessment. Exactly, exactly. So all that backlog that nobody wants to work on, like who likes going back and doing those maintenance things? Maybe somebody that’s not me. Um, then you just assign it to Copilot and boom, it’s done. That’s cool. It’s done. So those were four things during the month of September, Julia. Like in one month, we covered a lot. I’m excited for the future of HydraFusion. I have a feature request. I want to pick the models that I can and that I know. Yes, number one.

[12:30] Okay, good. Okay, good. Good. I love it. I didn’t know this was going to come with feature requests, but please. Please do. Yeah. It’ll be great. But honestly, though, and because you have done such incredible work and the researchers that are working on this, like there’s a lot of thought that goes into the evaluations and how the orchestration happens. I have confidence on it. I think for me, just be just out of preference and being able to like just pick, um, even further like local models would be nice to include in the mix. I also made a feature request for that. We’re listening!

[13:02] Yeah, very valid. We’re hearing a lot of these feedbacks or sentiments from customers, so definitely something real there. So keep telling us because the team is listening. Yeah, I love it. Thank you both so much for stopping by. And that was September Ships. So thank you. Thank you thank you. Thanks a lot.