用仓库规则和技能配置Copilot

使用 AI 时，上下文很重要。每个代码库都有自己的规则：组件如何组织、应该运行哪些脚本，以及不同框架和文件类型分别遵循哪些约定。

Copilot 可以帮你在整个项目中修改代码，但它了解这些规则时，才能发挥得更好。这些知识大多可以放在仓库里，让 Copilot 自动获取，不必每次开始新任务时，都重新向它解释同一套标准、脚本和工作流程。

在这篇 GitHub Copilot app 入门系列文章中，我们将介绍四种方法，让 Copilot 按照你项目的要求工作：

• Custom instructions：告诉 Copilot 应该遵循哪些约定。
• Agent skills：将可重复执行的流程打包。
• Custom agents：为更大规模的任务提供专业指导。
• Model Context Protocol（MCP）servers：将 Copilot 连接到外部工具和数据源，扩展它的能力。

下面来看看它们各自如何工作，以及如何配合使用。

从 custom instructions 开始

假设你让 Copilot 为应用添加自定义页面尺寸。完成修改只是工作的一部分，新代码还应该遵循团队已有的模式。

仓库级 custom instructions 可以为 Copilot 提供这些基础上下文。添加一个 .github/copilot-instructions.md 文件，写入适用于整个仓库的指导，例如你偏好的架构、命名约定，以及对测试和验证的要求。

你也可以在 .github/instructions 中创建针对特定路径的指令文件。这些文件通过 applyTo 字段告诉 Copilot，哪些情况下应该使用这些指导。

当 Copilot 处理匹配的文件时，它可以同时使用仓库级指令和更具体的指导。这样，你就能把通用规则集中放在一处，同时让不同文件类型遵循各自适合的规范。

用 Agent skills 打包可重复执行的流程

Custom instructions 适合定义影响多种任务的标准。但有些指导只有在 Copilot 执行特定流程时才有用，例如运行质量检查、准备发布，或排查失败的工作流。

这就是 Agent skills 的用武之地。一个 skill 是一个文件夹，其中包含指令，也可以包含脚本和其他资源，供 Copilot 在需要时加载。项目级 skills 可以放在 .github/skills 中，每个 skill 都有自己的子文件夹。

例如，.github/skills/quality-checks 文件夹可以包含一个 SKILL.md 文件，用来说明：

• Copilot 应该在什么情况下使用这个 skill。
• 哪些脚本用于运行项目的测试和 linting。
• 每个脚本检查什么。
• 如何排查常见失败。

SKILL.md 中的描述可以帮助 Copilot 判断这个 skill 何时适用。更新界面后，Copilot 可以加载 quality-checks skill，按照项目已有的流程执行测试和 linting，而不必猜测该运行哪些命令。

用 custom agent 处理范围更广、专业性更强的工作

有些任务的范围超出了单个流程。例如，无障碍审查可能需要 Copilot 检查多个文件中的组件、模板、样式和交互。

Custom agents 让你可以为这类工作创建专门的 Copilot。仓库级 Agent 配置文件放在 .github/agents 中，可以定义 Agent 的用途、指令、工具，以及相关的项目上下文。

如果某类经常出现的工作适合交给一个专门的角色，或需要从特定角度来处理，就可以使用 custom agent。尤其是当任务可能涉及多个文件，并需要使用多种工具或上下文来源时。

通过 MCP servers 将 Copilot 连接到外部工具

Instructions、skills 和 agents 帮助 Copilot 理解如何在项目内部开展工作。MCP servers 则扩展了它在仓库之外可以访问的资源和执行的操作。

MCP servers 将 Copilot 连接到外部工具、数据源和服务。文档服务器可以让它获取框架相关的指导，而 Playwright 这样的服务器则可以让它在浏览器中打开你的应用并与之交互。

你可以在 Copilot app 中浏览可用的 MCP servers，也可以添加自定义服务器。配置好 Playwright 后，你可以这样要求 Copilot：使用 Playwright MCP server 手动测试功能。

随后，Copilot 就可以用 Playwright 在浏览器中打开应用，像你一样与应用交互。这样，它不仅能验证代码是否通过自动化检查，还能确认更新后的界面是否按预期运行。

选择合适的定制方式

这些定制方式解决的问题各不相同，但组合使用时会更有价值：

• Custom instructions：定义 Copilot 在整个仓库或特定文件中应该遵循的约定。
• Agent skills：打包可重复执行的流程，供 Copilot 在需要时加载。
• Custom agents：为范围更广的任务提供有针对性的专业能力和指导。
• MCP servers：将 Copilot 连接到外部工具、服务和数据源，扩展 Copilot 的能力。

要为 Copilot 提供有用的项目上下文，可以先问自己四个问题：

• 哪项项目约定是我一直在反复解释的？
• 哪个多步骤流程是我反复执行的？
• 哪项复杂任务适合交给专门的 custom agent？
• Copilot 需要哪种外部工具或信息来源？

不知道从哪里开始？社区已经通过 Awesome Copilot 分享了现成的 instructions、skills、agents 等资源。找一个能解决你日常重复工作流程的资源，检查它包含的内容，再根据仓库使用的工具和标准进行调整。

从小处着手：选一项你一直在反复解释的约定，把它添加到 .github/copilot-instructions.md 中，看看 Copilot 在你的下一个任务中如何应用它。

试用 GitHub Copilot app >

GitHub Copilot app 入门系列

GitHub 高级开发者布道师

密钥保护必须跟上软件规模的增长

开发者并没有变得更粗心，只是软件发展的速度已经超出了他们的应对能力。帮助开发者创造更多软件的工具，也应该承担更多保护软件的工作。

ReviewBench：面向 AI 代码审查的开放 benchmark

我们正在推出 ReviewBench，这是一个面向代码审查 Agent 的 benchmark。它以具有代表性的 GitHub pull requests、多来源的标准答案、经过校准的评估，以及贴合生产环境的指标为基础。

AI 正在改变开发者的工作，这三项技能值得加强

学习如何指挥 AI agents、批判性地审查它们的输出，并始终让技术判断成为工作流程的核心。