跨 Azure DevOps 仓库的拉取请求（PR）仪表盘 Vibe-coding 实践
作者使用 ChatGPT 进行架构设计，并借助 WebStorm 中的 Junie 智能体，在约 3 小时内构建了一个聚合四个仓库 PR 的仪表盘，能够标记审批状态、冲突及评论。任务：作者向 ChatGPT 5 描述仪表盘目标以获取架构方案，随后将该输出提供给 WebStorm 中的 Junie 智能体，用于编写 Readme 和项目指南。开发过程分步进行：布局、模拟数据、Azure API 调用、YouTrack 集成及功能实现。作者未手动编辑代码，但进行了阅读和提示优化，并确保 PAT（个人访问令牌）保留在本地。；工具：ChatGPT。人工角色：原始材料未说明；局限：该工作流依赖的 AI 智能体在处理大型现有代码库时可能表现不佳，且可能产生不一致的代码模式。成功需要迭代提示以强制代码复用和集中配置。安全性取决于将个人访问令牌（PAT）保留在本地且不包含在代码库中。作者的经验可能有助于项目管理，尽管他们未编写代码。。
工具
Agent Work Atlas 发布日期:
概述
作者使用 ChatGPT 进行架构设计，并借助 WebStorm 中的 Junie 智能体，在约 3 小时内构建了一个聚合四个仓库 PR 的仪表盘，能够标记审批状态、冲突及评论。
工作流程
作者向 ChatGPT 5 描述仪表盘目标以获取架构方案，随后将该输出提供给 WebStorm 中的 Junie 智能体，用于编写 Readme 和项目指南。开发过程分步进行：布局、模拟数据、Azure API 调用、YouTrack 集成及功能实现。作者未手动编辑代码，但进行了阅读和提示优化，并确保 PAT（个人访问令牌）保留在本地。
原文报告的结果
约 3 小时后完成了包含三个视图的功能性仪表盘，聚合了四个仓库的 PR。再花一小时加入团队建议后，大家现在每天都在使用。几乎每一步都一次成功；但作者指出 Junie 偶尔会产生重复或不一致的代码，需要通过提示词调整来解决。
人工角色
原始材料未说明
局限
该工作流依赖的 AI 智能体在处理大型现有代码库时可能表现不佳，且可能产生不一致的代码模式。成功需要迭代提示以强制代码复用和集中配置。安全性取决于将个人访问令牌（PAT）保留在本地且不包含在代码库中。作者的经验可能有助于项目管理，尽管他们未编写代码。
试一试
作为开发人员构建 PR 仪表盘。首先，向 ChatGPT 描述需求：将 [可替换：Azure DevOps 仓库列表] 中的活跃 PR 聚合到单一视图，链接到 YouTrack 并标记审批/冲突。使用本地存储的 PAT。其次，将架构输入 WebStorm 中的 Junie 智能体以生成 Readme 和项目结构。第三，指示 Junie 分步实现：1) 带模拟数据的基本布局，2) Azure DevOps API 集成，3) YouTrack 链接，4) 关注项的功能标记。每步之后，审查代码一致性，若发现重复则提示 Junie '最大化代码复用并集中配置'。不要手动编辑代码；使用提示词修复问题。验证 PAT 未包含在仓库中。通过首个可用视图的耗时及需要修正的步骤比例来衡量成功。先对 2 个仓库进行小样本试运行，然后再扩展。
来源报告未经独立核验。发布日期为本站案例发布日期，并非原始文章日期。