GitHub Copilot App 改進巨型 Pull Request 的渲染效能
為何重要
這項最佳化解決了大型企業開發中「巨型 monolithic PR 難以審查」的實務痛點。透過底層渲染架構的重構（雙幾何域與最佳化測量策略），讓開發者即便在處理數百萬行變更或堆疊式評論時，也能保持生產力工具的流暢感。這不僅強化了 GitHub Copilot 在高強度企業工作流程中的可用性，也更突顯出最佳化前端效能是 AI 輔助程式碼工具領域的競爭關鍵。
- GitHub 面對無法拆分的大型重構作業，重新設計了 GitHub Copilot App 的 PR 檢視介面，目標是確保即便擁有巨大 Diff 與評論串，檢視體驗也能維持快速與流暢。
- 科技團隊以一個包含 2,200 個檔案、超過 100 萬行變更以及 400 多則 inline review comments 的開源 PR 作為最極端的測試案例。
- 架構上放棄了適合純程式碼的「重繪前已知所有高度」的 virtualization 方案，改將檔案高度劃分為「確定性程式碼高度」與「動態區塊有效高度」兩個獨立幾何域。
- 在動態內容測量上，捨棄原本以 comment 為單位的
ResizeObserver以避免效能惡化，改用單一「idle- and scroll-gated measurement pass」來在迴圈中測量視窗內容。