Leader 禁止實習生用 AI 編程，我不聽，用 VSCode 修了個線上Bug。他偷偷找我：今天轉正！

從安裝到實戰，手把手教你用 VSCode + GitHub Copilot 進行 AI 編程

搭嘎好，我是程序員魚皮。

AI 編程工具現在是真的百花齊放，Cursor、Claude Code、OpenCode、…… 每隔一段時間就冒出來一個新選手。

之前我一直沉迷于 Cursor 和 Claude Code，直到最近做新項目時認真體驗了一把 GitHub Copilot， 才發現這玩意兒真夯啊！

先簡單介紹一下主角。VSCode是微軟出品的全球最流行的代碼編輯器，裝機量破億；GitHub Copilot則是 GitHub 官方出品的 AI 編程助手插件，直接安裝在 VSCode 中使用。

個人體驗下來，相比其他 AI 編程工具有 4 大優勢：

1. 支持最新 AI 大模型，Opus、GPT、Gemini、Claude 隨便切，實測編程質量嘎嘎好，全棧項目一把梭

2. 支持本地、后臺 CLI、云端、Claude Code 等多種運行模式，兼容性賊強

3. 支持 MCP、Skills、工具調用的可視化管理，既靈活又方便，不用自己手動編寫配置了

4. 支持子智能體、和 AI 的每一步交互都清晰可見，Agent 執行體驗巨好

啥啥啥，這都是啥？

即使你看不懂我說的這些也沒關系，這篇文章就帶大家從 0 開始上手 VSCode + GitHub Copilot，從安裝到實戰、從基礎到核心特性，一條龍服務。

干貨密集，建議先收藏，然后沐浴更衣、找個安靜的地方放空自己，慢慢食用，助眠效果極佳~

安裝和配置

1）首先進入 VSCode 官網 下載安裝包，直接傻瓜式安裝。

2）打開 VSCode，點擊左側「擴展市場」圖標，搜索 "GitHub Copilot"，安裝官方的 AI 編程插件。

你還可以根據需要，選擇安裝 Chinese 漢化插件，適合國內的寶寶們：

3）安裝完后，點擊 VSCode 底部狀態欄的 Copilot 圖標，按照提示登錄 GitHub 賬號就行了。

如果你還沒有 Copilot 訂閱，會自動進入Copilot Free 免費計劃，每月有一定的 AI 對話和代碼補全額度，零門檻上手。想體驗完整功能的話，Copilot Pro 支持新用戶免費試用 30 天，申請一張國內銀行的 Visa 卡就能開通。

我白票了 30 天的高級會員，最近能省一點其他 AI 編程工具的額度了哈哈~

到這里，安裝配置就全部搞定了，比折騰 Claude Code 那套網絡受限 + 賬號受限 + 命令行小黑框的組合拳簡單多了。

基本使用

裝好之后，先來感受一下最基本的 AI 編程體驗。

AI 對話

點擊 VSCode 上方的「聊天按鈕」，打開 Chat 對話面板，你就可以和 AI 愉快地聊天了。讓它分析需求、寫代碼、改 Bug，啥都行。

對話框區域有一個智能體選擇器，可以在 3 種內置模式之間切換：

• Agent 全自主模式：AI 自己分析、寫代碼、跑命令，一條龍完成任務（用的最多）

• Plan 規劃模式：AI 先出方案再動手，適合復雜任務

• Ask 純問答模式：只回答問題，不改代碼，適合探索和學習（我用的比較少）

除了 Chat 面板，還有兩種更輕量的 AI 對話方式。

1）按Ctrl+I（Mac 是Cmd+I）打開行內對話，直接在代碼中跟 AI 交互：

2）按Ctrl+Shift+Alt+L（Mac 是Cmd+Shift+Option+L）打開 Quick Chat 彈窗，適合快問快答。

AI 代碼補全

寫代碼的時候，Copilot 會自動給你淺色的補全建議，按一下Tab就能接受。比如你寫了一個計算日期的函數名 plusDate，它能直接幫你把整個函數體補全出來。

更智能的是 Next Edit Suggestions（NES），也就是「下一步編輯建議」。它不光補全當前位置的代碼，還能預測你接下來要改哪里！

編輯器左側會出現一個小箭頭，按 Tab 就能跳過去并應用建議。

比如你把一個類名從Point改成了Point3D，它會自動建議你在下面加個z變量，這個體驗像禿嚕魚皮一般絲滑~

這兩個功能用 Cursor 的同學應該不陌生，體驗上差不多，但 Copilot 的 NES 預測精度個人感覺略勝一籌。

好了，基本功能就是這些，看到這里，你已經超過了 70% 的同學！

接下來進入正題，AI Agent 編程實戰。

AI Agent 編程實戰

前面的對話和代碼補全只是開胃菜，Agent 模式才是 GitHub Copilot 的大殺器。

什么是 Agent？

簡單來說，你給它一個需求，它會自己分析項目、制定計劃、創建文件、寫代碼、跑命令、裝依賴，遇到報錯還會自動修復，全程自主執行。

其實 Manus、OpenClaw、各種 AI 編程工具里的 Agent 模式，本質上都是 Agent，就是 AI 自主規劃、調用工具、執行任務的能力。

現在各家 AI 編程工具都在卷 Agent 能力，比如 Cursor 可以在子 Agent 里操作瀏覽器進行自主驗證，Claude Code 搞出了 Agent Teams 讓多個 AI 組隊協作。GitHub Copilot 也不甘示弱，除了 Agent 模式之外，也提供了各家都支持的Plan 模式。先讓 AI 幫你出方案、拆步驟，確認沒問題后再動手，適合稍微復雜一點的項目，減少 AI 一上來就瞎寫導致翻車的概率。

下面我帶大家實戰一把，結合 Plan 模式 + Agent 模式做個「AI 占卜師網站」，用戶輸入一個問題，讓 AI 抽取塔羅牌并生成占卜解讀。

第一步、用 Plan 制定方案

新建一個空的項目文件夾（比如 ai-diviner），在 VSCode 中打開該文件夾，應該會默認打開 Chat 對話面板。

新建項目

在對話區域的智能體選擇器中選擇 Plan 模式、并選擇大模型（比如 Claude Opus），然后輸入需求：

幫我用 HTML + CSS + JavaScript 做一個 AI 塔羅牌占卜網站。


 功能描述：
1. 用戶輸入一個問題（比如「我最近事業運如何」）
2. 點擊「開始占卜」后，展示 3 張塔羅牌的翻牌動畫
3. 翻牌完成后，根據抽到的牌生成 AI 占卜解讀
4. 界面要神秘華麗，深紫色主題配金色紋理，星空背景
5. 有流暢的翻牌動畫效果
6. 響應式布局，手機也能用

選擇 Plan 模式后，AI 不會直接開始寫代碼。

它會先研究你的需求，可能還會問你幾個問題，比如 AI 解讀是 “調用 AI 大模型接口” 還是 “從預設文案庫隨機生成”？

你只要像聊天一樣把自己的想法告訴 AI 就好，比如我希望調用 DeepSeek 大模型的 API：

如果你自己也拿不準，可以讓 AI 幫你分析不同方案的優缺點，或者交給它自主決定。

AI 理解你的需求后，會給出一份結構化的實施方案。

方案里會列出要創建哪些文件、每個文件負責什么、實現步驟的先后順序，以及怎么驗證效果。你可以在這一步跟 AI 反復討論、調整方案，直到滿意為止。

Plan 模式的本質是采用 4 個階段的迭代工作流：需求研究 → 問題對齊 → 方案設計 → 迭代細化。AI 會先用只讀工具深入研究你的代碼庫，再通過交互式問答來消除歧義，最后才給出方案草稿。

其實這也是軟件開發的標準步驟。即使你不用 Copilot 內置的 Plan 模式，也可以通過提示詞引導 AI 先設計方案、人工確認后再開發執行，養成先想清楚再動手的好習慣。

第二步、用 Agent 執行方案

確認方案沒問題后，點擊方案下方的「Start Implementation」按鈕，讓 AI 開始自動執行，直到實現方案。

執行過程中，Agent 會自動管理一個 Todos 任務列表來跟蹤進度。你可以清楚地看到 Agent 在做什么，比如創建index.html、style.css、script.js文件，往里面寫代碼，甚至可能會自動打開終端執行命令。

如果 AI 要跑終端命令或者調用某些工具，會彈出確認框讓你審批，安全性有保障。

你也可以在 Agent 工作時繼續發消息，選擇排隊等待、立即打斷、或者引導 AI 調整方向。

建議剛開始 AI 編程的朋友多觀察一下 AI 的工作，發現不對勁的時候趕緊人工插手，可以節約 Tokens 并避免返工。

第三步、查看效果

幾分鐘后，Agent 不僅完成了開發任務，還用 Python 啟動了個 Web 服務器，幫我運行了網站。

好家伙，這是多一步都不想讓我做啊？照這個趨勢，早晚我得退化到 Hello World 水平。

不過我還是喜歡在 Chrome 瀏覽器中測試，復制網址到瀏覽器中打開，然后輸入從 DeepSeek 開放平臺 獲取到的大模型 API Key：

輸入一個問題，測測俺今年的愛情運勢，然后點擊「開始占卜」：

三張塔羅牌依次翻開，下方出現 AI 生成的占卜解讀。深紫色的星空背景，搭配金色邊框，再加上流暢的翻牌動畫，效果還真挺唬人的。

我感覺自己也可以開一個塔羅占卜小攤兒了，應該不是錯覺。。。

如果你對頁面的某些細節不滿意，可以在內置瀏覽器中點擊「元素選擇」按鈕，哪里不爽點哪里，然后在 Chat 框里編寫提示詞就行，比如：

改為魚皮塔羅

Agent 會自動定位到對應的代碼并精準修改，改完你再刷新預覽就好。

整個過程，從寫需求到出成品，也就幾分鐘。擱以前，我要是自己從零寫這么個帶動畫的占卜網站，怎么著也得搞一下午。

你還可以繼續跟 AI 對話來增加功能，整個過程中一定要注意上下文的用量，如果滿了 AI 可能會斷片兒失憶，開始亂改。

因此，在上下文快滿的時候，最好讓 AI 把當前項目的信息沉淀為文檔。這樣之后每次打開新的 AI 對話框時，只要把歷史文檔交給 AI，就能快速找回記憶。

OK，實戰體驗完了，看到這里你就超過了 90% 的同學！

接下來帶大家看看 GitHub Copilot 的核心特性，這些才是它真正拉開差距的地方。

核心特性 Tools - 給 AI 的工具箱

Agent 之所以能自主干活，靠的就是工具調用（Tool Use）。

工具就是 AI 在執行任務時可以調用的各種能力，比如搜索代碼、讀寫文件、跑終端命令、抓取網頁內容等等。沒有工具，AI 就只能動嘴皮子教你做事；有了工具，AI 才能真正動手幫你干活。

VSCode 給 AI 提供了三種類型的工具：

• 內置工具：開箱即用，包括代碼搜索、文件讀寫、終端執行、問題診斷等常用能力

• MCP 工具：通過 MCP 協議接入的外部工具（下面會詳細講）

• 擴展工具：VSCode 插件提供的工具，裝了對應插件就自動可用

所有工具都可以通過 Chat 對話區域的「配置工具」按鈕進行可視化管理，很方便：

你可以自由開啟或關閉工具，不需要寫任何配置文件，比其他 AI 編程工具方便不少。

開啟工具后，大多數情況下 AI 會自動判斷該調用哪些工具。你也可以在對話中用#號手動引用特定工具，比如搜索整個代碼庫、codefather.cn抓取某個網頁的內容、查看當前項目的所有報錯。

Agent 執行終端命令時，還有一套安全審批機制。前面實戰中我們也看到了，默認會彈確認框等待人工確認；你也可以配置自動審批規則，甚至開啟終端沙箱（目前支持 macOS 和 Linux）來限制文件和網絡訪問，安全性拉滿。

還有一個實用功能叫 Tool Sets（工具集），你可以把多個相關工具打包成一組，在對話中用一次性引用。

比如創建一個叫reader的工具集，包含codebase代碼搜索、problems問題診斷、usages引用查找等只讀工具，做代碼審查的時候就很方便。

先在對話面板的設置中打開「工具集」，點擊創建新的工具集文件并輸入名稱：

然后會自動彈出工具集的配置文件，添加下列代碼并保存即可：

{
  "reader": {
    "tools": ["codebase", "problems", "usages", "search"],
    "description": "只讀工具集，適合代碼審查",
    "icon": "book"
  }
}

配置好之后，在對話中輸入就能一次性啟用這組只讀工具了：

MCP - 讓 AI 連接外部能力

MCP（Model Context Protocol）是一種開放標準協議，作用是讓 AI 能夠連接外部工具和服務。你可以把它想象成給 AI 裝了一個萬能接口，通過這個接口，AI 就能操作數據庫、調用 API、控制瀏覽器等等。

MCP 在 AI 圈已經非常火了，各種 AI 編程工具都已支持。但 GitHub Copilot 在管理 MCP 的體驗上真是讓我眼前一亮，微軟竟然直接把 MCP 集成到了 VSCode 的擴展市場里！

你只需要打開 VSCode 擴展市場，開啟 MCP 服務市場，就能看到一堆熱門的 MCP 服務，哪還需要到什么 MCP 資源網站上自己安裝啊？！

比如我想使用 Context7 這個獲取最新技術文檔的 MCP，點擊安裝后，會自動彈窗讓我輸入 API Key：

確認之后，就可以正常使用了。AI 在執行任務時會自動調用 MCP 提供的工具，你也可以用#號主動引用。

比如剛才裝好了 Context7，之后讓 AI 寫代碼時它就會自動去拉取最新的技術文檔作為參考，減少 AI 瞎編 API 用法的情況。

整個過程不需要手寫 JSON 配置，全程可視化選擇和安裝，對新手特別友好。以前在 Cursor 里配 MCP 還得自己找 JSON 粘貼，這里點點鼠標就搞定了~

當然，如果你是老手，也可以通過.vscode/mcp.json文件手動配置 MCP 服務。

{
  "servers": {
    "github": {
      "type": "http",
      "url": "https://api.githubcopilot.com/mcp"
    },
    "playwright": {
      "command": "npx",
      "args": ["-y", "@microsoft/mcp-server-playwright"]
    }
  }
}

這個文件不會自動生成，需要你自己創建，或者通過 VSCode 的命令面板執行MCP: Open Workspace Folder Configuration命令來打開：

MCP 服務除了提供工具之外，還支持 Resources（資源）和 MCP Apps（交互式應用）。Resources 可以給 AI 提供數據庫表、API 響應等上下文；MCP Apps 則能在對話中渲染表單、儀表盤等交互式 UI 組件，體驗拉滿。

此外，VSCode 還能自動發現其他應用中已配置的 MCP 服務，省去重復配置的麻煩，在 VSCode 聊天設置中搜索chat.mcp.discovery.enabled即可開啟。

MCP 配置也支持通過 Settings Sync 跨設備同步，在同步設置中勾選「MCP 服務器」選項，換電腦不用重新配一遍。

Agent Skills - 給 AI 的技能包

Agent Skills 是給 AI 準備的能力擴展包。和前面提到的 Tools 不同，Skills 更像是一份詳細的工作手冊，里面包含操作指南、腳本、示例代碼等資源，讓 AI 在特定任務上表現更專業。

比如你給 AI 裝個「Web 應用測試」的 Skill，里面寫好了用 Playwright 寫測試的標準流程、示例模板、最佳實踐。之后你讓 AI 幫你寫測試，它就會自動按照這套標準來，而不是每次都瞎寫一通。

注意，Skills 是一個 開放標準，不僅在 Github Copilot 里能用，Claude Code、Cursor 等 AI 編程工具中也能用，一套 Skill 多處復用，這也是它能火的原因之一。

從哪兒搞到 SKills 呢？

大多數情況下，直接從網上安裝別人開發好的 SKills 就可以了。比如 魚皮 AI 導航的 Skills 大全 里有我給大家精選的技能包，也可以去 GitHub 上的 awesome-copilot 倉庫逛逛，社區貢獻了不少實用的 Skills，拿來就能用。

在 VSCode 中，你可以通過對話框的 Skills 設置按鈕，查看和管理本地已有的 SKills：

當然，你也可以自己創建 Skills，可以通過可視化界面選擇安裝位置，比如安裝在當前項目下（僅本項目能用），還是安裝到用戶目錄下（整個電腦的所有項目都能用）：

創建技能的核心是編寫SKILL.md技能描述文件，比如創建一個「Web 應用測試」技能，文檔內容示例如下：

---
name: webapp-testing
description: 使用 Playwright 測試 Web 應用的指南，當需要創建或運行瀏覽器測試時使用
---

 # Web 應用測試指南

 ## 創建測試
1. 參考 [測試模板](./test-template.js)
2. 確定要測試的用戶流程
3. 在 tests/ 目錄創建新的測試文件
4. 使用 Playwright 的定位器來查找元素

 ## 運行測試
運行命令：npx playwright test

 ## 最佳實踐
- 為動態內容使用 data-testid 屬性
- 保持測試獨立和原子化
- 使用 Page Object Model 組織復雜頁面的測試

Skill 創建好之后，你可以在對話區域里用/webapp-testing斜杠命令手動調用它，也可以讓 AI 根據任務自動匹配加載。

Skills 采用漸進式披露的設計，AI 只在需要時才加載相關 Skill 的內容，不會一次性把所有信息都塞進上下文，既節省 Token 又保持靈活。即使裝了幾十個 Skill 也不用擔心上下文爆炸。

多種 Agent 運行方式

前面實戰中，我們用的是本地 Agent，但其實 GitHub Copilot 支持 4 種 Agent 運行方式，適合不同的使用場景：

運行方式

特點

適用場景

Local 本地

在 VSCode 中交互式運行，實時反饋

探索性任務、需要即時反饋的開發

Background 后臺

在本地后臺自主運行，使用 Git worktree 隔離

需求明確的任務，你想邊干別的邊讓 AI 干活

Cloud 云端

在遠程服務器運行，完成后自動提 PR

團隊協作、不想占用本地資源的任務

Third-party 第三方

接入 Anthropic Claude、OpenAI 等第三方 Agent

想用特定 AI 廠商的能力

你可以在 Chat 對話區域底部的下拉菜單中隨時切換不同的運行方式：

有個騷操作是，你可以在不同的 Agent 之間移交任務。比如先用本地 Agent 做個 Plan，覺得方案沒問題了，一鍵移交給 Cloud Agent 去執行，它會自動創建分支、寫代碼、跑測試、最后提一個 Pull Request 給你的團隊審查。

你還可以同時開多個 Agent Session，每個 Session 處理不同的任務，在 Chat 面板的 Sessions 列表中統一管理、查看狀態、切換任務。

就像 Claude Code 可以同時開多個終端 Tab 一樣，Copilot 的 Sessions 列表讓你在一個面板里統一管理所有 AI 任務的狀態，這是 GitHub 官方文檔中重點推薦的工作流。

Hooks - 自動觸發的腳本

Hooks 允許你在 Agent 執行的關鍵節點自動運行自定義腳本。簡單來說，就是在 Agent 工作流程的特定時機，自動執行你預設好的命令。

你可以在 VSCode 設置中查看和管理已配置的 Hooks：

目前支持的生命周期事件包括：

• PreToolUse：Agent 調用工具前觸發，比如攔截rm -rf等危險命令

• PostToolUse：Agent 調用工具后觸發，比如自動跑 Prettier 格式化代碼

• SessionStart / Stop：Agent 會話開始和結束時觸發（官方事件名分別是 SessionStart 和 Stop），比如在會話開始時自動注入項目上下文，會話結束時生成工作報告

• UserPromptSubmit：用戶提交提示詞時觸發，比如審計用戶請求、注入系統上下文

• SubagentStart / SubagentStop：子智能體啟動和完成時觸發，比如跟蹤子任務的執行情況和資源消耗

舉個例子，在項目的.github/hooks/目錄下創建 JSON 配置文件，填入下列代碼：

{
  "hooks": {
    "PostToolUse": [
      {
        "type": "command",
        "command": "npx prettier --write \"$TOOL_INPUT_FILE_PATH\""
      }
    ]
  }
}

這樣每次 Agent 調用工具修改了代碼文件，都會自動跑一遍 Prettier 代碼美化工具，保證代碼風格統一。

Hooks 的應用場景很多，比如自動格式化代碼、攔截危險命令（rm -rf和DROP TABLE，防止刪庫跑路）、記錄每一次工具調用便于排查問題。而且 Hooks 的配置格式和 Claude Code 是兼容的，如果你之前在 Claude Code 里配過 Hooks，可以直接復用。

Custom Instructions - 讓 AI 遵循你的規范

自定義指令就是給 AI 定規矩。

你把編碼規范、技術偏好、項目約定寫到一個 Markdown 文件里，AI 在每次對話時都會自動遵循這些規則，不需要每次都重復說 “用 TypeScript 寫”、“變量名不要用 a b c” 之類的。

其實這個概念和 AGENTS.md 類似，都是通過文件來告訴 AI 項目的規范和約定。區別在于 Copilot 的指令文件路徑是.github/copilot-instructions.md，而且支持更細粒度的文件模式匹配（類似 Cursor 的 Rules）。

創建指令的方式很簡單，在對話區域的設置中打開「聊天指令」，然后選擇創建位置：

或者手動在項目根目錄下新建.github/copilot-instructions.md文件，填入內容即可，比如：

# 項目編碼規范

 ## 代碼風格
- 使用語義化 HTML5 元素
- 優先使用 ES6+ 語法（const/let、箭頭函數、模板字符串）
- 變量命名使用 camelCase，組件命名使用 PascalCase

 ## 技術偏好
- 前端框架優先用 React + TypeScript
- CSS 使用 Tailwind CSS
- 測試使用 Vitest

 ## 代碼質量
- 函數和變量名要有意義，能自解釋
- 復雜邏輯要加注釋
- 用戶輸入和 API 調用要加錯誤處理

VSCode 支持兩種指令類型。一種是全局生效的指令（Always-on），所有對話都會自動應用；另一種是基于文件模式匹配的指令（File-based），比如.tsx文件用 React 組件規范，.test.ts文件用測試規范，只有匹配到對應文件時才生效。

像下面這種帶 YAML 頭部的結構，就是 File-based 指令的標準寫法，通過description字段描述何時生效、applyTo字段指定匹配的文件模式：

還有個小技巧，在對話區域里輸入/init，AI 會自動分析你的項目結構和代碼風格，幫你生成一份自定義指令文件，省得自己從零寫起。這個命令特別適合接手老項目、或者在已有項目上擴展功能的場景，AI 能幫你快速梳理出項目已有的編碼習慣。

Custom Agents - 給 AI 分配角色

自定義智能體就是給 AI 分配不同的角色。比如你可以創建一個安全審查員、測試工程師、架構師等角色，每個角色有自己的指令、工具權限和行為規則。

跟 Custom Instructions 自定義指令不一樣的是，Instructions 是全局規則，不管你跟 AI 聊什么它都會遵循；而 Custom Agents 是角色切換，你選了某個角色后，AI 就只按那個角色的設定來工作，包括能用哪些工具、不能做哪些操作，都由角色定義。

創建自定義智能體的方式有兩種。

一種是在對話區域的設置中打開「自定義智能體」，選擇創建位置（當前項目或用戶目錄），VSCode 會自動創建對應的文件：

另一種方法是手動寫一個.agent.md文件放在.github/agents/目錄下。比如創建一個寫作助手article.agent.md：

---
name: 寫作助手
description: 幫助撰寫和優化技術文章、項目文檔
tools: ['search', 'codebase', 'fetch', 'editFiles']
---

 # 寫作助手

 你是一位經驗豐富的技術寫作者，擅長把復雜的技術概念講得通俗易懂。

 ## 寫作風格
- 用口語化的表達，像跟朋友聊天一樣
- 段落要短，避免大段文字堆砌
- 適當加入類比和例子幫助理解

 ## 重要規則
- 先列大綱，確認后再寫正文
- 每段都要有明確的主題
- 技術術語第一次出現時要解釋

保存后，在對話區域的智能體下拉菜單中就能看到這個寫作助手了，選中它 AI 就會按照你定義的角色來工作。

自定義智能體還有一個更強大的玩法，叫 Handoffs（移交）。你可以在 Agent 文件中定義「下一步動作」按鈕，實現智能體之間的任務接力。

比如 Plan 智能體出完方案后，底部出現一個「開始實現」按鈕，點一下就自動切換到 Agent 模式開始編碼，把方案的上下文完整傳遞過去：

handoffs:
  - label: 開始實現        # 按鈕上顯示的文字
    agent: agent           # 移交給哪個智能體
    prompt: 按照上面的方案開始編碼  # 自動填入的提示詞
    send: false            # false 表示不自動發送，等你確認后再發

除了 Handoffs，你還可以編排多個專業智能體的協作流程。

假設你在做一個新功能，需要先調研項目里已有的代碼模式，再動手寫代碼。你可以創建一個「功能開發」主智能體，讓它先調用一個只讀的「調研員」子智能體來分析代碼庫中的相關模塊和設計模式，拿到分析結果后，再調用「編碼員」子智能體按照分析出的模式來寫新代碼。這種多智能體編排在做復雜功能時特別實用，每個角色各司其職，比單個 AI 亂寫一氣靠譜得多。

VSCode 還支持 Claude 格式的 Agent 文件（放在.claude/agents目錄），如果你之前用 Claude Code 創建過自定義 Agent，可以直接拿過來用，無縫兼容。

Prompt Files - 可復用的提示詞模板

Prompt Files（提示詞文件）可以把你常用的任務封裝成斜杠命令，在對話中隨時復用。

比如你經常需要生成 React 組件、執行安全審查、編寫單元測試，每次都得重復輸入類似的提示詞，而有了 Prompt Files 之后就不用了。

跟自定義指令的區別是，自定義指令會自動應用到所有對話，而 Prompt Files 需要你手動在對話中輸入/命令名來觸發，更適合特定任務場景。

創建方式跟自定義指令完全類似，在對話區域的設置中打開「提示文件」，在彈出的對話框中選擇「新建提示文件」：

然后選擇創建位置（當前項目或用戶目錄），VSCode 會自動創建對應的文件：

你也可以直接在.github/prompts/目錄下創建.prompt.md文件。舉個例子，創建一個/gen-test命令來自動生成單元測試：

---
description: 為當前文件生成單元測試
agent: agent
tools: ['search', 'search/codebase', 'edit/editFiles']
---
為 [${fileBasename}](${file}) 生成單元測試。


 - 測試文件放在同目錄下：${fileDirname}
- 命名為：${fileBasenameNoExtension}.test.ts
- 測試框架：${input:framework:jest or vitest}
- 參考項目的測試規范：[testing.md](../docs/testing.md)

這里面用到了一些變量，比如${file}會自動替換為當前打開的文件路徑，${input:framework}是指要從用戶在對話框中輸入的內容來獲取值。

保存后，在對話框中輸入/gen-test就能觸發。你還可以在后面追加額外信息，比如/gen-test 只測試登錄相關的函數。

Smart Actions - AI 快捷操作

除了上面這些核心特性，Copilot 還在 VSCode 的各個角落埋了不少 AI 快捷操作，叫 Smart Actions。你不需要寫提示詞，右鍵菜單就能觸發。

常用的有以下這些，可以先跳過，等需要的時候再回來看：

• 自動生成 Commit Message：在 Source Control 面板點一下小星星圖標，AI 就根據你的代碼改動自動生成提交信息

• 代碼解釋：選中一段代碼，右鍵「Explain」，AI 幫你解釋這段代碼在干啥

• 生成測試：選中代碼，右鍵「Generate Tests」，AI 幫你寫單元測試

• 生成文檔：選中代碼，右鍵「Generate Docs」，AI 幫你寫注釋文檔

• 修復錯誤：代碼有報錯時，AI 會自動彈出修復建議

• 代碼審查：選中代碼，右鍵「Review」，AI 給你做 Code Review

• 語義搜索：在搜索面板中啟用 AI 搜索，按語義而非文本精確匹配來搜索代碼

• AI 輔助重命名：重命名變量時，AI 會根據上下文給出建議的新名字

我自己平時用的最多的就是自動生成 Commit Message，再也不用絞盡腦汁想提交信息怎么寫了。

這些小功能單個看起來不起眼，但用起來真的能省不少事。

恭喜，看到這里你就超過了 99% 的同學！

總結一下，VSCode + GitHub Copilot 給我最大的感覺就是全面。

實話說，論 Agent 編程的極致體驗，Claude Code 還是更強一些；論新功能推出的速度和迭代節奏，Cursor 也一直走在前面。

但 Copilot 勝在它是 “六邊形戰士”，從代碼補全到 AI 對話、從 Agent 編程到 MCP 生態、從自定義指令到智能體編排，AI 編程該有的能力它基本都有了，而且每個方面的體驗都很絲滑。

此外，我估計很多同學在 AI 流行之前就一直在用 VSCode，現在裝個插件就能無縫升級到 AI 編程，不用換編輯器、不用重新學操作、不用遷移配置，使用門檻是最低的。

感興趣的同學可以去試試，記得先白票 30 天的 Pro 試用~ 而且如果你是在校學生，還可以通過 GitHub Education 申請學生認證，認證通過后 Copilot Pro 直接免費用，不限時！我在學校的時候咋沒有這種好事？

對了，如果你想用 GitHub Copilot 做更復雜的全棧項目實戰，可以跟著魚皮最新的 練手，我幫大家測過了，企業級大項目 Copilot 也完全能 hold 住。

就寫到這，吃飯去了，覺得有用的話記得收藏這篇文章，也歡迎在評論區聊聊你喜歡用哪款 AI 編程工具，幫到更多同學做選擇。

一些對大家有用的資源：
100+ 編程學習路線 / 實戰項目 / 求職指導
100+ 簡歷模板
300+ 企業面試題庫 mianshiya.com
500+ AI 資源大全
1 對 1 模擬面試
動畫學算法教程