GitHub Blog · AI & ML· Christopher Harrison·· 14 天前AI 评分22
GitHub Copilot 入门:如何让 Copilot 了解你的代码库
GitHub Copilot app for Beginners: How to teach Copilot about your codebase
AI 导读
GitHub 博客介绍四种让 Copilot 适配项目的方式:用 .github/copilot-instructions.md 定义仓库级规范,用 .github/instructions 下的 applyTo 文件做路径级指引,用 .github/skills 打包可复用流程,用 .github/agents 创建专用智能体,并通过 MCP 服务器接入外部工具与数据。
深度导读
GitHub 博客在 Copilot 入门系列中给出四种为项目定制 Copilot 的方式,核心思路是把团队约定写进仓库,让 Copilot 自动读取,而不是每次任务都重复解释。
第一种是自定义指令。在仓库中添加 .github/copilot-instructions.md,写明架构偏好、命名约定以及测试与验证要求;还可以在 .github/instructions 下创建路径级指令文件,通过 applyTo 字段声明适用范围,Copilot 处理匹配文件时会同时采用仓库级与更具体的指引。
第二种是 agent skills,用于打包可重复执行的流程。技能是存放在 .github/skills 下的文件夹,每个技能一个子文件夹,可包含 SKILL.md 以及脚本等资源。文中以 quality-checks 技能为例,SKILL.md 说明何时使用该技能、运行测试与 lint 的脚本、各脚本检查的内容以及常见故障的排查方式,Copilot 据此按项目既定流程执行,而不是猜测命令。
第三种是自定义 agent,面向跨多个文件的较大任务,例如无障碍审查。仓库级 agent 配置放在 .github/agents,可定义其用途、指令、工具和相关项目上下文。
第四种是 MCP 服务器,把 Copilot 连接到仓库之外的工具、数据源和服务。文档服务器可提供框架指引,Playwright 服务器则能让 Copilot 在浏览器中打开并操作应用,从而验证界面行为是否符合预期,而不只是通过自动化检查。
文章建议从一个小处着手:挑一条反复解释的约定写进 .github/copilot-instructions.md,观察 Copilot 在下一个任务中的表现;社区也通过 Awesome Copilot 分享了现成的指令、技能与 agent 可供参考改写。
来源:GitHub Blog · AI & ML · github.blog