并行 Session 将 GitHub Copilot 的 AI 编程从等待转为后台并发

直接开三个窗口分工，一个写逻辑一个出文档，这效率简直起飞！最近我深入尝试了 GitHub Copilot 应用的并行 Session 功能，发现这个机制完全理顺了我的开发节奏。其核心逻辑在于将每个 Agent Session 绑定到了独立的 Git worktree 上。这意味着你给 Copilot 下达的任务在物理上是隔离的，就像在洗衣店开了三台洗衣机同时洗衣服，互不干扰。你不再需要等待第一个任务完成，就可以立即启动第二个、第三个任务。为了验证这个效率提升，我直接在 tailspin-toys 这个仓库里做了一次压力实验。在几乎同一时间，我迅速启动了三个独立的 Session：第一个任务是开发一个 funded sort 的排序功能；第二个任务紧接着启动，要求它对整个页面进行一次 accessibility（无障碍）审查；第三个任务则是让它跑一遍现有的自动化测试。在 Copilot 应用的 Sessions 视图中，这三个任务以卡片形式并行排列。我可以实时看到哪个任务正在推进，哪个已经跑完。最关键的细节是，由于每个 Session 拥有独立的上下文（Context），我切换回某个任务时，不需要重新解释一遍之前的需求，它完整记得该 Session 内部的所有细节。这种模式直接把开发者的角色从“打字员”变成了“审核员”。以前我的时间被浪费在等待 AI 生成代码的间隙里，现在我的时间全部花在 Review 代码和做决策上。我只需要把所有繁琐的任务派发出去，然后去接杯咖啡，回来直接审核结果。如果其中一个 Session 的方向跑偏了，我可以直接关掉该 Session 重启，而完全不影响另外两个已经在正确轨道上的任务。对于在公司内部推行 AI 落地的同学来说，这个功能解决了一个巨大的心理门槛。许多资深开发觉得 AI 慢，或者觉得 AI 干扰了当前的思考流。但如果告诉他们可以将那些重复性极高、且不需要实时干预的检查任务（比如无障碍审查、补齐单元测试）丢给并行 Session 在后台异步运行，他们的接受度会大幅提升。这种基于 Git worktree 的并行机制，本质上是用工程手段“掩盖”了 LLM 的推理时间。在实际落地中，这种效率提升不是百分之几的优化，而是量级的变化，因为它把原本串行的工作流强行变成了并行。如果你想尝试这种模式，建议不要一开始就给它太复杂的逻辑，可以先从两个简单任务开始，比如一个让它优化函数命名，另一个让它同步写 API 文档。你

双开 Session 简直是效率神技，将每个 Agent Session 绑定到独立的 Git worktree 上实现物理隔离，喂文档和写代码分开跑，速度起码快了 3 倍。

上下文分开简直是救星，再也不怕 AI 把不同模块的代码给搞混了！而且每个 Session 都绑定了独立的 Git worktree，任务在物理上彻底隔离，就像开了多台洗衣机互不干扰，想同时修 Bug 又写测试？直接并行跑起来就行。