2026 年完整实战指南 —— 以 github-copilot-demo 项目为例
📅 更新日期：2026-03-25

---

目录

1. 认识 Copilot —— 环境准备与界面熟悉
2. 内联补全 —— 最基础的 AI 辅助
3. Inline Chat —— 编辑器内精准对话
4. Copilot Chat —— 全功能对话面板
5. Edit Mode —— 受控的多文件编辑
6. Agent Mode —— 自主完成复杂任务 ⭐
7. 自定义与扩展 —— 让 Copilot 更懂你
8. MCP 集成 —— 连接外部工具
9. Copilot CLI —— 终端里的 AI 助手
10. 代码审查与 PR 工作流
11. 总结与最佳实践

---

第一章：认识 Copilot —— 环境准备与界面熟悉

1. 什么是 GitHub Copilot（2026 版简介）

GitHub Copilot 是由 GitHub 与 OpenAI 联合打造的 AI 编程助手，深度集成在 VS Code 中。2026 版的 Copilot 已从单纯的"代码补全工具"演进为能够自主规划、跨文件修改、执行终端命令、连接外部工具的编程代理（Agent）。

核心能力：

• 内联补全：在你打字时实时预测并提示代码
• Inline Chat：在编辑器内选中代码后直接对话
• Copilot Chat：全功能对话面板，支持问答、修复、生成测试
• Edit Mode：手动指定文件范围，受控地进行多文件修改
• Agent Mode：描述目标，AI 自主规划并完成复杂任务

2. 安装与登录

安装步骤：

1. 打开 VS Code 扩展面板（Ctrl+Shift+X）
2. 搜索 GitHub Copilot，安装官方扩展（同时建议安装 GitHub Copilot Chat）
3. 安装后点击状态栏右下角的 Copilot 图标，按提示登录 GitHub 账号
4. 完成授权后图标变为激活状态

方案对比：

方案	价格	适合人群	核心限制
Free	免费	个人学习	每月有限次数的补全和 Chat
Pro	$10/月	独立开发者	无限补全，完整 Agent 功能
Business	$19/用户/月	团队	企业安全策略、审计日志
Enterprise	定制	大型企业	私有模型微调、合规管理

3. 认识界面

Chat 面板（Ctrl+Alt+I）：
主要交互入口，支持多轮对话、斜杠命令、Context 变量引用。对话历史会自动保留，可在左侧历史列表中切换。

Agent 下拉选择器：
Chat 面板顶部的模式切换器，三种模式功能不同：

模式	说明
Ask	纯问答模式，不修改文件，适合查询和解释
Edit	手动添加文件到上下文，受控修改，每步需确认
Agent	自主模式，AI 决定修改哪些文件、是否执行命令

模型选择器：
点击 Chat 输入框右侧的模型名可切换，不同模型有不同侧重：

• GPT-4o：综合能力强，速度快
• Claude Sonnet：长文本和代码推理能力突出
• Gemini：谷歌系任务（如 Google Cloud）表现好

4. 项目初始化：/init

在 Chat 面板输入 /init，Copilot 会自动扫描项目结构，在 .github/copilot-instructions.md 生成一份描述项目技术栈、目录结构和编码规范的自定义指令文件。后续所有对话都会以此为上下文，让 Copilot 的回答更贴近你的项目实际。

💡 建议每个新项目都执行一次 /init，并手动审查生成的内容是否准确。

实战练习题

完成以下练习，验证你已掌握本章内容。

1. 安装验证：在 VS Code 扩展面板搜索 GitHub Copilot，安装后确认状态栏右下角出现 Copilot 图标，截图记录登录成功的状态。
2. 界面探索：按 Ctrl+Alt+I 打开 Chat 面板，在输入框中输入 /help，阅读所有可用斜杠命令列表，找出你还不认识的命令并记录下来。
3. 模型对比：分别切换 GPT-4o 和 Claude Sonnet，对同一个问题（如"什么是闭包？"）各提问一次，对比回答风格有何不同。
4. 项目初始化：在 github-copilot-demo 项目根目录打开 Chat，运行 /init，查看 Copilot 为项目自动生成的 .github/copilot-instructions.md 文件内容是否符合预期。
5. Agent 选择器：点击 Chat 面板顶部的 Agent 下拉选择器，分别切换到 Ask、Edit、Agent 三种模式，理解每种模式的用途差异。

---

第二章：内联补全 —— 最基础的 AI 辅助

1. 代码自动补全

内联补全是 Copilot 最基础的能力——当你在编辑器中停止输入约 300ms 后，Copilot 会以灰色幽灵文字显示预测补全内容。

常用快捷键：

按键	作用
Tab	接受当前补全建议
Esc	拒绝当前建议，继续手动输入
Alt+]	查看下一个候选补全方案
Alt+[	查看上一个候选补全方案
Ctrl+→	逐词接受（只接受补全的一部分）

💡 当多个候选项之间质量差异明显时，用 Alt+] / Alt+[ 多看几个再做决定。

2. Next Edit Suggestions（下一步编辑预测）

Next Edit Suggestions 是一个更智能的预测功能（Public Preview）：当你修改了代码的某一处（如重命名变量、更改函数签名），Copilot 会预测你下一步最可能需要修改的位置，用高亮箭头指示，按 Tab 即可跳转并一键接受修改。

典型场景：

• 将参数名 user 改为 account → Copilot 自动预测函数体内所有引用都需要同步修改
• 更改函数返回类型 → Copilot 预测调用处的变量赋值也需对应调整

3. 多行函数补全实战

只需写出函数签名或描述性注释，Copilot 即可补全完整的多行函数体。示例：

// 将秒数转换为 HH:MM:SS 格式的字符串
function formatDuration(seconds) {
  // Copilot 会在这里补全完整实现
}

补全质量的关键在于：函数名、参数名能清晰表达意图，或注释描述足够具体。

4. 技巧：用注释引导更精准的补全

注释的描述精度直接决定补全质量。对比：

注释写法	补全质量
// 格式化日期	模糊，可能生成任意格式
// 将 Date 对象格式化为 YYYY-MM-DD 字符串，不依赖外部库	精准，直接生成符合要求的代码
// 防抖函数，delay 毫秒内重复调用只执行最后一次	精准，并暗示了实现逻辑

最佳实践：

• 注明输入输出的类型和格式
• 说明不允许使用的依赖（“不依赖第三方库”）
• 描述边界情况（“空数组时返回 null”）

实战练习题

完成以下练习，感受内联补全在真实编码中的价值。

1. 接受补全：新建文件 src/utils.js，在第一行写注释 // 去除数组中的重复元素，返回新数组，按回车后等待补全出现，按 Tab 接受，观察生成的函数是否正确。
2. 拒绝与切换：在同一文件再写注释 // 深拷贝一个对象，当补全出现后，按 Alt+] 切换到下一个候选项，对比至少两个方案后选择你认为最好的。
3. 注释引导精准补全：尝试分别用以下两段注释触发补全，记录补全质量的差异：
   • 模糊版：// 格式化日期
   • 精准版：// 将 Date 对象格式化为 YYYY-MM-DD 字符串，不依赖任何外部库
4. 多行函数补全：只写函数签名 function debounce(fn, delay) {，观察 Copilot 是否能补全完整的防抖函数实现，验证逻辑是否正确。
5. Next Edit Suggestions：修改已有函数的参数名（如将 arr 改为 list），观察 Copilot 是否自动预测并高亮下一处需要同步修改的位置。

---

第三章：Inline Chat —— 编辑器内精准对话

1. 触发 Inline Chat（Ctrl+I）

Inline Chat 让你无需离开编辑器就能与 Copilot 对话。触发方式：

• 将光标放在某行，按 Ctrl+I → 对当前上下文提问
• 选中一段代码后按 Ctrl+I → 以选中代码为操作对象进行对话

对话框以浮层形式出现在编辑器内，Copilot 的修改建议会以内联 diff 形式预览，你可以点击 Accept 接受或 Discard 拒绝，也可以继续追问修改。

2. 对选中代码提问：解释、重构、添加注释

选中代码后触发 Inline Chat，常见用法：

输入内容	效果
/explain	解释选中代码的逻辑
重构为更简洁的写法	Copilot 原地修改代码
用 early return 替换 if-else	按你的要求重构
添加完整的 JSDoc 注释	生成文档注释覆盖到选中函数
这段代码有没有 bug？	Copilot 分析并指出潜在问题

Inline Chat 的优势在于上下文极为精准——你选中什么，Copilot 就只处理什么，不会误改其他代码。

3. 全新 Inline Chat 体验

2026 版 Inline Chat 做了以下改进：

• 流式渲染：Copilot 的修改逐字符显示，不再等待全部完成
• 多轮对话：在同一个 Inline Chat 框中可以连续追问调整，不必重新选中
• 撤回支持：接受修改后仍可通过 Ctrl+Z 撤销
• 快速操作按钮：常用指令（解释、修复、生成测试）在右键菜单中可直接触发

4. 实战：用 Inline Chat 为函数添加单元测试

以下面这个函数为例：

function add(a, b) {
  return a + b;
}

操作步骤：

1. 选中整个函数
2. 按 Ctrl+I，输入"为这个函数生成 Jest 单元测试，覆盖正数、负数、0 和浮点数"
3. Copilot 会生成如下测试代码供你预览：

describe('add', () => {
  test('两个正数相加', () => expect(add(1, 2)).toBe(3));
  test('正数加负数', () => expect(add(5, -3)).toBe(2));
  test('加零', () => expect(add(7, 0)).toBe(7));
  test('浮点数', () => expect(add(0.1, 0.2)).toBeCloseTo(0.3));
});

4. 点击 Accept → 将结果复制到 math.test.js 即可

💡 Inline Chat 生成的测试代码会直接覆盖/插入到选中位置，建议生成后手动移动到对应测试文件。

实战练习题

所有练习均在编辑器内通过 Ctrl+I 完成，不切换到 Chat 面板。

1. 解释代码：打开 src/utils.js，全选 debounce 函数，按 Ctrl+I 输入 /explain，阅读 Copilot 的解释，确认其与你的理解一致。
2. 重构代码：找一段使用多层 if-else 的代码，选中后按 Ctrl+I 输入"将 if-else 改为 early return 风格，提升可读性"，对比重构前后的差异并接受。
3. 添加注释：选中 debounce 函数，通过 Inline Chat 要求"为这个函数添加完整的 JSDoc 注释，包含参数类型和示例"，接受结果。
4. 生成测试：新建一个 src/math.js，写一个 add(a, b) 函数，选中后用 Inline Chat 要求"为这个函数生成 Jest 单元测试，覆盖正常值、负数和边界值"，将结果保存到 src/math.test.js。
5. 修改现有代码：找一个没有错误处理的异步函数（或自己写一个），用 Inline Chat 要求"为这个函数添加 try-catch 错误处理，错误时返回 null"，接受修改。

---

第四章：Copilot Chat —— 全功能对话面板

1. 基础问答：代码解释、报错排查

Chat 面板支持自由的多轮对话，常见用途：

代码解释： 直接把代码粘贴到 Chat，问"这段代码是做什么的？" Copilot 会逐步解析逻辑。

报错排查： 将错误栈粘贴到 Chat，如：

TypeError: Cannot read properties of undefined (reading 'map')
  at processItems (utils.js:15)

Copilot 会结合上下文分析原因，并给出修复建议。

最佳实践： 提问时提供越多上下文（相关代码、错误信息、期望行为），Copilot 的回答越准确。

2. 常用斜杠命令速查

命令	作用
/fix	修复代码问题
/explain	解释代码逻辑
/tests	生成单元测试
/init	初始化项目指令
/new	创建新文件或项目脚手架
/doc	为选中代码生成文档

斜杠命令是对高频操作的快捷方式，直接在 Chat 输入框中以 / 开头输入即可触发。

3. 使用 Context 变量精准提问

变量	作用
@workspace	引用整个工作区，让 Copilot 理解全局结构
#file:路径	引用特定文件内容作为上下文
#selection	引用当前编辑器中已选中的内容
#editor	引用当前打开文件的全部内容
#sym:符号名	引用特定函数/类的定义

示例用法：

/explain #file:src/utils.js 中的 debounce 函数
@workspace 项目里有哪些地方调用了 fetchUser？
/tests #selection

4. 多模型切换实战

不同模型适合不同类型的任务：

任务类型	推荐模型	理由
快速代码补全/解释	GPT-4o	速度快，综合能力强
复杂逻辑推理/架构设计	Claude Sonnet	长文本处理和推理链更强
大型重构/代码审查	Claude Sonnet	上下文窗口大，不易丢失细节
Google Cloud / Android 相关	Gemini	对 Google 生态理解更深

切换方式： 点击 Chat 输入框右侧的模型名称下拉，选择目标模型，同一对话框中可随时切换。

实战练习题

综合运用斜杠命令、Context 变量和多模型，感受 Chat 面板的完整能力。

1. 报错排查：故意在 src/utils.js 中写一个语法错误（如少了右括号），将错误信息粘贴到 Chat 面板，让 Copilot 帮你定位并给出修复建议。
2. /explain + @file：在 Chat 中输入 /explain #file:src/utils.js，查看 Copilot 对整个文件的解读，确认它理解了所有函数的用途。
3. /tests 生成测试：打开 src/math.js，在 Chat 中输入 /tests，让 Copilot 生成完整的测试文件，将结果应用到项目中。
4. 多模型对比：对同一段有性能问题的代码（如嵌套循环），分别用 GPT-4o 和 Claude Sonnet 提问"如何优化这段代码的时间复杂度？"，比较两者给出的方案。
5. @workspace 全局提问：在 Chat 中输入 @workspace 这个项目目前有哪些文件？整体结构是什么？，验证 Copilot 能否准确感知整个工作区。

---

第五章：Edit Mode —— 受控的多文件编辑

1. Edit Mode 介绍

Edit Mode 介于 Ask 和 Agent 之间，是一种半自动、手动可控的多文件编辑模式。

核心特点：

• 你决定范围：手动将需要修改的文件添加到上下文（点击 📎 图标或拖拽文件）
• 逐轮确认：每次修改都以 diff 视图展示，你审查后再决定接受或拒绝
• 不执行命令：Edit Mode 只修改文件，不会自动运行终端命令（这点与 Agent Mode 不同）

与其他模式的对比：

模式	文件范围	是否执行命令	适合场景
Ask	只读	否	查询和解释
Edit	手动指定	否	已知范围的批量修改
Agent	AI 自主决定	是	复杂任务，允许 AI 发挥

2. 实战：用 Edit Mode 给项目统一添加错误处理

场景： 项目中有多个异步函数都缺少 try-catch 错误处理。

操作流程：

1. 切换到 Edit 模式
2. 将 src/utils.js、src/api.js 等相关文件添加到上下文
3. 输入：“给所有 async 函数添加 try-catch，catch 块中 console.error 错误信息并返回 null”
4. Copilot 生成多文件的 diff 预览
5. 逐文件审查，接受需要的修改

⚠️ Edit Mode 不会猜测你没加进来的文件，所以如果有遗漏，修改可能不完整——这也是它"受控"的含义。

3. 接受 / 拒绝 diff 的工作流

Edit Mode 的 diff 视图与 Git diff 类似：

• 绿色行：新增内容，点击行旁边的 ✓ 可接受单行
• 红色行：删除内容
• 顶部按钮：Accept All（接受全部）、Discard All（拒绝全部）

精细操作技巧：

• 对于大段修改，可以先 Accept All，再用 Ctrl+Z 撤回其中不需要的部分
• 也可以直接在 diff 视图中手动编辑生成的代码，Copilot 不会阻止你修改它的输出
• 完成一次 Edit 后，可以继续在同一对话中追加新指令进行下一轮修改

实战练习题

切换到 Edit 模式（Chat 面板顶部下拉选择 Edit），完成以下多文件受控编辑练习。

1. 指定文件范围：手动将 src/utils.js 和 src/math.js 添加到 Edit 上下文，要求"给所有导出函数的参数添加非空校验，参数为空时抛出 TypeError"，逐行审查 diff 后选择性接受。
2. 统一代码风格：在 Edit Mode 中对整个 src/ 目录下的文件要求"将所有 var 声明替换为 const 或 let"，观察 Copilot 如何批量处理多个文件。
3. 提取常量：要求 Edit Mode"将代码中所有硬编码的数字和字符串常量提取到 src/constants.js 文件中"，确认新文件被正确创建且原文件引用正常。
4. 部分拒绝：在 Edit 的 diff 视图中，找到至少一处你不认同的修改，点击 Reject 拒绝该行，理解逐行审查的工作流。
5. 多轮编辑：完成第一轮修改、接受后，再追加一轮要求"给所有函数添加 JSDoc 注释"，感受 Edit Mode 的多轮可控迭代能力。

---

第六章：Agent Mode —— 自主完成复杂任务 ⭐

核心亮点：描述目标 → AI 自动规划 → 跨文件修改 → 执行终端命令 → 自我纠错

1. Agent Mode 简介

Agent Mode 是 Copilot 最强大的模式，它能够自主决策：

• 判断需要读/写哪些文件
• 在终端执行命令（npm install、git commit 等）
• 运行测试，如果失败则自动分析原因并修复
• 循环迭代直到任务完成

与 Edit Mode 的核心区别：

维度	Edit Mode	Agent Mode
文件选择	你手动指定	AI 自主决定
执行命令	❌ 不执行	✅ 可执行终端命令
自我纠错	❌	✅ 运行失败会自动重试
适合场景	范围明确的修改	模糊目标的复杂任务

2. Plan Agent

Plan Agent 是 Agent Mode 的"思考前置"用法：在开始执行前，先让 AI 输出一份详细的实现计划，你审阅并调整计划后，再让它按计划执行。

使用方式：

请先规划实现一个用户注册/登录 API 的方案，
包含文件结构、依赖选型和步骤清单，不要直接写代码。

审阅规划后再发送：“方案 OK，开始按计划实现。”

好处： 复杂任务中，先规划能暴露出设计问题（如依赖冲突、遗漏模块），避免写到一半推倒重来。

3. 会话管理

Fork a Conversation（分叉对话）：
在对话历史的任意一个检查点，点击 Fork 按钮，可以从该状态分支出一条新对话路径。这让你可以：

• 探索同一问题的不同实现方案
• 在 Agent 跑偏后从某个正确状态重新出发，而不是从头开始

边运行边插队：
Agent 正在执行时（未完成），你可以直接在输入框发送新消息追加需求，Agent 会在当前步骤完成后理解并整合你的新指令，无需中断整个任务。

4. Auto-Approve 模式

默认情况下，Agent 执行每一步终端命令前都会弹出确认框。Auto-Approve 模式可以跳过确认：

/autoApprove   # 开启自动批准模式
/yolo          # 等效别名

⚠️ 建议仅在熟悉任务内容、或操作低风险文件时才开启 Auto-Approve，避免 Agent 误删文件或执行破坏性命令。

开启后，Agent 会配合终端沙箱（macOS/Linux）限制危险命令，Windows 上需自行注意。

5. 实战：让 Agent 从零搭建 Express API 服务

向 Agent 发送：

在 server/ 目录下从零搭建一个 Express REST API：
- GET /api/todos  返回 todos 列表
- POST /api/todos 添加新 todo
- DELETE /api/todos/:id 删除指定 todo
数据存储在内存数组中，完成后自动 npm install 并运行一次确认能正常启动。

Agent 的执行过程大致为：

1. 创建 server/package.json
2. 创建 server/index.js（含路由和内存存储）
3. 执行 npm install
4. 执行 node index.js 验证启动
5. 如果启动失败，自动检查错误日志并修复

实战练习题

切换到 Agent 模式，让 Copilot 在更少干预下完成复杂任务。

1. 从零搭建服务：在 Agent Mode 中输入"在 server/ 目录下从零搭建一个 Express Hello World 服务，包含 package.json、index.js 和一个 GET /hello 路由，完成后自动运行 npm install"，观察 Agent 如何自主规划、创建文件并执行终端命令。
2. 中途插队调整：当 Agent 正在执行任务时（未完成前），追加消息"还需要加上请求日志中间件，使用 morgan"，观察 Agent 如何响应中途变更而不重启整个流程。
3. Plan Agent：重新打开一个对话，先发送"请先规划一个 TODO List CRUD API（含增删改查）的实现方案，不要直接写代码"，审阅规划后再发送"方案 OK，开始实现"，体会先规划再执行的好处。
4. Fork Conversation：在 Agent 完成 Express 服务后，使用 Fork a Conversation 功能从当前状态分支出两条路——一条要求用 sqlite 存储数据，另一条用内存数组存储，对比两种方案。
5. Auto-Approve 体验：在一个低风险的演练场景中，在 Agent 对话中输入 /autoApprove，让 Agent 完全自主地完成一个小任务（如生成 README），观察它不再弹出确认框的行为。

---

第七章：自定义与扩展 —— 让 Copilot 更懂你

1. Custom Instructions（自定义指令）

自定义指令是一个 Markdown 文件，存放在项目的 .github/copilot-instructions.md。Copilot 在每次对话时都会自动读取这个文件作为背景知识，相当于给 AI 的"永久系统提示"。

可以写什么：

• 技术栈说明（“使用 Vue 3 + TypeScript + Vite”）
• 编码规范（“不使用 any 类型，函数必须有返回值类型注解”）
• 命名约定（“文件名用 kebab-case，组件名用 PascalCase”）
• 禁止事项（“不使用 jQuery，不使用 class 组件”）
• 测试要求（“所有 util 函数必须有单元测试”）

示例文件：

# Copilot 自定义指令

## 技术栈
- Node.js 20 + TypeScript 5
- Jest 用于测试，使用 ESM 模块

## 编码规范
- 所有函数必须有 JSDoc 注释
- 禁止使用 any 类型
- 错误处理统一使用 try-catch
- 使用 import/export，禁止 require()

2. Prompt Files（提示词文件）

Prompt Files 是可复用的提示词模板，存放在 .github/prompts/ 目录下，文件名为 *.prompt.md。

创建示例 .github/prompts/gen-tests.prompt.md：

---
mode: edit
---
为选中的函数生成完整的 Jest 单元测试：
1. 测试文件命名为 {文件名}.test.ts
2. 覆盖正常输入、边界值、非法输入三类用例
3. 使用 describe/it 结构，用例描述用中文

调用方式： 在 Chat 中输入 /gen-tests 即可触发这个 prompt 模板。

3. 从对话生成可复用资产

在一次成功的对话后，可以将其固化为资产供日后复用：

命令	生成内容	存放位置
/create-prompt	将本次对话的核心 prompt 提取为 .prompt.md	.github/prompts/
/create-skill	将专业领域知识打包为技能文件	.github/skills/
/create-agent	创建一个自定义 Agent 配置	.github/agents/
/create-hook	生成 Agent 生命周期钩子脚本	.github/hooks/

4. Hooks（钩子）

Hooks 让你在 Agent 执行的关键节点自动触发额外操作，无需人工干预。

配置示例（在 .github/hooks/ 下创建钩子文件）：

{
  "on": "file-changed",
  "run": "npx eslint --fix {{changedFiles}}"
}

常见钩子场景：

• on: file-changed → 自动运行 ESLint/Prettier 格式化
• on: task-complete → 自动运行测试套件，输出覆盖率报告
• on: before-commit → 运行类型检查，阻止有 TS 错误的提交

实战练习题

让 Copilot 真正理解你的项目规范，而不是每次都重新说明。

1. 创建自定义指令：在项目根目录创建 .github/copilot-instructions.md，写入以下规范：

   - 所有函数必须有 JSDoc 注释
   - 使用 TypeScript，禁用 any 类型
   - 错误处理统一使用 try-catch，禁止 .catch()
   - 使用 ES Module（import/export），禁止 require()
   

   然后让 Copilot 生成一段新的工具函数，验证它是否自动遵循了上述规范。

2. 创建 Prompt 文件：在 .github/prompts/ 目录下创建 gen-tests.prompt.md，内容为你常用的"生成 Jest 单元测试"提示词模板，之后通过 /gen-tests 调用它，验证输出是否稳定可复用。

3. /create-prompt 命令：与 Copilot 完成一次生成测试的对话后，在 Chat 中输入 /create-prompt，让 Copilot 自动将这次对话中的有效 prompt 提取为文件保存。

4. 验证指令优先级：同时存在全局自定义指令和项目级 copilot-instructions.md 时，尝试让它们的规定相互冲突（如一个要求用 const，另一个要求用 let），观察 Copilot 的取舍行为。

5. Hooks 体验：在 Agent 生命周期中配置一个 Hook，使其在每次 Agent 完成文件修改后自动运行 eslint --fix，验证代码风格的自动化修正是否生效。

---

第八章：MCP 集成 —— 连接外部工具

MCP（Model Context Protocol）：通过 MCP 服务器让 Agent 与外部服务交互

1. MCP 基本概念与架构

MCP 是一个开放协议，让 AI 模型能够与外部工具和数据源进行标准化通信。可以理解为"给 Copilot 装插件"：

VS Code Copilot Agent
        ↓ MCP 协议
   MCP Server（本地进程或远程服务）
        ↓ 原生 API
   外部服务（GitHub / Jira / 数据库 / 文件系统…）

MCP Server 的两种形态：

• 本地进程型：在你的机器上运行（如 npx @github/mcp-server），安全且低延迟
• 远程服务型：通过 HTTPS 连接云端服务，需配置鉴权

在 VS Code 中配置 MCP： 打开设置 → 搜索 mcp → 在 settings.json 中添加服务器配置。

2. Agent Plugins

Agent Plugins 是打包好的"能力包"，一次安装即可获得 skill + tool + hook + MCP 的组合。在 VS Code 扩展市场搜索 Copilot Agent Plugin 可以找到社区和官方发布的插件。

安装后，Agent 在对话中会自动发现并调用这些新工具，无需额外配置提示词。

3. 实战：集成 GitHub MCP Server

安装步骤：

1. 在 settings.json 中添加：

{
  "mcp.servers": {
    "github": {
      "command": "npx",
      "args": ["-y", "@github/mcp-server"],
      "env": {
        "GITHUB_TOKEN": "your-personal-access-token"
      }
    }
  }
}

2. 重启 VS Code，在 Agent Mode 的工具列表中确认出现 github_* 工具
3. 在 Agent 对话中直接用自然语言操作 GitHub：

列出 llifangyin/gitHub-copilot-demo 仓库中所有 open Issues
为 #12 号 Issue 关联一个 PR，分支名为 fix/issue-12

4. MCP 服务器沙箱

在 macOS/Linux 系统上，MCP Server 在沙箱环境中运行，具备以下安全隔离：

• 限制文件系统访问范围（只能访问项目目录）
• 限制网络请求目标（只能访问预配置的域名）
• 命令执行白名单（危险命令会被阻断）

Windows 用户目前沙箱支持有限，需自行注意 MCP Server 的权限配置。

实战练习题

MCP 是让 Copilot 从"代码助手"升级为"工具操作员"的关键。

1. 配置 GitHub MCP Server：在 VS Code 的 MCP 设置中添加官方 GitHub MCP Server，完成 GitHub Token 认证，在 Agent Mode 中确认工具列表中出现 github_* 相关工具。
2. 读取 Issues：通过 Agent 输入"列出 llifangyin/gitHub-copilot-demo 仓库中所有 open 的 Issues，以表格形式展示"，验证 MCP 是否成功调用 GitHub API。
3. 创建 Issue：通过 Agent 输入"在当前仓库创建一个 Issue，标题为 ‘添加单元测试覆盖’，内容描述需要为 utils.js 的所有函数编写 Jest 测试"，在 GitHub 上确认 Issue 被成功创建。
4. 操作 PR：创建一个新分支并做一次小改动，推送后通过 MCP 让 Copilot 直接为这个分支创建 Pull Request，包含自动生成的 PR 描述。
5. 探索其他 MCP：在 VS Code 扩展市场搜索 MCP，安装一个非 GitHub 的 MCP 服务（如文件系统、数据库或 Slack），完成一次 Agent 通过 MCP 操作外部服务的完整流程。

---

第九章：Copilot CLI —— 终端里的 AI 助手

1. Copilot CLI 现已内置于 VS Code

2026 版的 Copilot CLI 不再需要单独安装 npm 包，已直接集成在 VS Code 终端中。新增能力：

• diff 标签页：CLI 生成的命令执行前，可以在 diff 视图中预览文件变化
• 右键发送代码片段：在编辑器中选中代码，右键菜单选择 Send to Copilot CLI，可以直接在终端中针对这段代码提问
• 会话历史：终端中的 AI 对话有历史记录，可以追问上一次的结果

2. 在终端内用自然语言执行操作

在终端输入自然语言描述，Copilot CLI 会生成对应的命令供你确认执行：

Git 操作：

# 输入：提交当前改动，信息描述"修复登录页面的样式问题"
# CLI 生成：git add . && git commit -m "fix: 修复登录页面的样式问题"

# 输入：查看上周的提交历史，只显示我自己的
# CLI 生成：git log --since="1 week ago" --author="$(git config user.name)"

文件管理：

# 输入：找出所有大于 1MB 的 JS 文件
# CLI 生成（Windows）：Get-ChildItem -Recurse -Filter "*.js" | Where-Object {$_.Length -gt 1MB}

# 输入：批量将 src/ 下所有 .js 文件重命名为 .ts
# CLI 生成：对应的批量重命名命令

3. 通过 CLI 交互 GitHub.com

配合 GitHub MCP 或 gh CLI，可以在终端直接完成 GitHub 操作：

# 列出仓库最近 5 个 PR
列出 llifangyin/gitHub-copilot-demo 最近 5 个 PR，显示标题和状态

# 创建 Issue
在当前仓库创建一个 Bug 类型的 Issue，标题"修复内存泄漏"

# 快速审查变更
对比 main 和 feature/login 分支的差异，总结主要改动

Copilot CLI 会将自然语言翻译为 gh 命令或 API 调用，并给出执行结果的摘要。

实战练习题

让终端也成为你的 AI 协作空间。

1. 自然语言提交：对项目做一处改动，在终端中通过 Copilot CLI 输入"提交当前所有改动，用中文写提交信息，描述这次改动的目的"，观察 CLI 生成的 git commit 命令并确认执行。
2. 分支操作：用 CLI 输入"创建一个新分支 feature/add-api 并切换过去，然后推送到远程仓库追踪"，验证 CLI 能否串联多个 Git 命令。
3. 批量文件操作：通过 CLI 输入"找出项目中所有超过 100 行的 JS 文件并列出文件名和行数"，观察 CLI 如何生成并执行 Shell 命令。
4. 代码片段发送：在编辑器中选中一段代码，右键选择 Send to Copilot CLI（或等效操作），在终端中对其提问"这段代码有什么潜在的性能问题？"。
5. CLI 查看 PR 列表：在终端通过 CLI 输入"列出 llifangyin/gitHub-copilot-demo 仓库最近 5 个 PR，包含状态和标题"，验证能否通过终端完成 GitHub 操作。

---

第十章：代码审查与 PR 工作流

1. Copilot Code Review

在 GitHub PR 页面，点击 Request Review → Copilot 即可触发 AI 代码审查。Copilot 会：

• 逐文件分析改动，标注潜在问题
• 给出具体的改进建议（附带修复代码片段）
• 识别常见问题：未处理的异常、N+1 查询、潜在的 null 引用、安全漏洞等

审查结果的形式： 与人工 Review 一样，以 PR Comment 的形式出现，每条建议都标注在对应的代码行上，可以直接 Reply 回复或点击 Resolve 标为已解决。

VS Code 内触发： 在 Chat 面板输入 /review，可以在本地提交前就获得 Copilot 的审查建议，更早发现问题。

2. 自动生成 PR Summary

在 GitHub 的 PR 描述编辑框中，点击顶部工具栏的 Copilot 图标（✨），Copilot 会自动分析本次 PR 的所有 commit 和 diff，生成包含以下内容的摘要：

• 变更目的：这次 PR 解决了什么问题
• 影响文件：列出主要改动的文件及其改动原因
• 测试覆盖：是否有对应的测试改动
• 审查重点：提示审查者需要重点关注的部分

💡 AI 生成的摘要可以作为初稿，修改后再提交，比从零手写效率高很多。

3. Agent Memory（跨会话记忆）

Agent Memory 让 Copilot 能够在不同会话之间保留关于你项目的背景知识：

记忆的内容包括：

• 你的项目技术栈和架构决策
• 曾经讨论并采纳的编码规范
• 反复出现的业务逻辑和领域术语
• 你的个人偏好（如倾向于某种代码风格）

共享范围： Copilot 编程代理、CLI 和 Code Review 三个场景共享同一份记忆，所以在 Chat 里告诉 Copilot"这个项目不使用 Redux"，Code Review 时它也会注意这条规则。

管理记忆： 在 Chat 中输入 /memory 可以查看和编辑 Copilot 对当前仓库的记忆内容。

实战练习题

将 AI 融入真实的 GitHub 协作流程，体验从写代码到合并 PR 的全链路辅助。

1. 触发 Code Review：向 github-copilot-demo 仓库提交一个包含明显可改进代码的 PR（如缺少错误处理、变量命名不清），在 GitHub PR 页面找到 Copilot Code Review 按钮并启动，阅读 AI 给出的审查建议。
2. 响应审查建议：根据 Copilot 的至少一条审查意见，在本地修改代码后重新 push，观察建议是否被标记为已解决。
3. 生成 PR Summary：在 PR 描述编辑框中点击 Copilot 图标，让 Copilot 自动生成变更摘要（含修改目的、影响文件、注意事项），对比 AI 生成的摘要与你自己写的版本。
4. 跨会话记忆验证：在完成项目某个功能后，关闭对话，重新开启一个新 Chat 会话，询问"这个项目之前我们给 utils.js 加了哪些函数？"，测试 Agent Memory 是否保留了上下文。
5. 完整 PR 工作流：完整走一遍：写代码 → Copilot 辅助 Review → 修复问题 → 让 Copilot 生成 PR Summary → 合并 PR，记录整个过程中 Copilot 在哪些环节节省了你的时间。

---

第十一章：总结与最佳实践

各功能适用场景速查表

功能	适合场景	复杂度
内联补全	日常编码加速	⭐
Inline Chat	局部代码修改/解释	⭐⭐
Copilot Chat	问答、调试、生成测试	⭐⭐
Edit Mode	多文件可控修改	⭐⭐⭐
Agent Mode	复杂任务自动化	⭐⭐⭐⭐
MCP 集成	连接外部系统	⭐⭐⭐⭐⭐

高效使用 Copilot 的 10 个习惯

1. 用清晰的注释描述意图，而非直接写代码
2. 善用 @workspace 提供更大上下文
3. 复杂任务先用 Plan Agent 规划再执行
4. 建立 .github/copilot-instructions.md 统一团队规范
5. 用 Prompt Files 积累高质量提示词
6. 对 Agent 输出保持审查意识，重要修改逐行确认
7. 多模型对比：不同任务选择最合适的模型
8. 结合 MCP 打通开发工具链（GitHub / Jira / Slack 等）
9. 用 Hooks 自动化质量检查，减少人工 Review 负担
10. 定期查阅 GitHub Copilot 更新日志，跟上新功能

常见坑与解决方案

问题	解决方案
补全结果不准确	增加注释描述 + 提供更多上下文文件
Agent 陷入循环	手动中断 + 用 Fork Conversation 重试
MCP 连接失败	检查服务器 URL 和权限配置
自定义指令不生效	确认文件路径为 .github/copilot-instructions.md

进阶资源推荐

• 📖 GitHub Copilot 官方文档
• 🎥 GitHub Copilot YouTube 频道
• 💬 GitHub Community Discussions - Copilot 板块
• 🔧 VS Code Marketplace - Copilot 相关扩展

---

💡 写作建议：按章节顺序写，每章配截图 + 示例代码，最终 github-copilot-demo 仓库里会自然积累出覆盖所有功能的真实代码。
附: gitHub-copilot-demo 已添加练习题的实力demo，详细见.github/

---

最后更新：2026-03-25 | 基于 GitHub Copilot 最新版本整理