GitHub Copilot CLI for Beginners
微软 GitHub 官方出品的终端 AI 编程助手教程，围绕一个 Python 图书管理应用，用 8 章递进式教学覆盖从安装到生产级工作流的完整路径。
Ch00 Quick Start — 10 分钟上手
四种安装方式（npm/Homebrew/WinGet/curl），推荐 Codespaces 零配置启动。Device Flow 一次认证，长期有效。三步验证环境就绪。除 Python 外另备 JS 和 C# 示例。
Ch01 First Steps — 三种模式，一个核心
· Interactive：对话式，上下文累积，适合探索和迭代。推荐起步模式。
· Plan：/plan 先出方案再动手，适合复杂任务。
· Programmatic：copilot -p "prompt" 单次调用，适合脚本和自动化。
四个高频命令覆盖九成场景：/help、/clear、/plan、 /exit。还有 /delegate 委派后台 agent、/fleet 并行子任务等进阶命令。
Ch02 Context — @ 语法是核心生产力
@ file 引单文件，@ folder/ 引整个目录，多文件并引实现跨文件分析。这是 Copilot CLI 区别于简单问答的关键——跨文件才能发现重复代码、不一致的错误处理、架构耦合等单文件审查不可见的问题。
会话自动保存，--continue 恢复最近会话，--resume 选择历史会话，/rename 命名便于检索。支持跨天断点续作，上下文完整保留。
/context 看 token 用量，/clear 切话题，/compact 压缩历史释放空间。粗算：每行代码约 15 token。宽引用用于初探项目，精引用用于定位问题。
Ch03 Workflows — 五大日常场景全覆盖
1. 代码审查：从自由 prompt 到 /review 调用专用 agent，支持按严重程度分级输出检查清单
2. 重构：if/elif 转字典分派、分离关注点、统一异常处理。核心原则：先写测试再改代码
3. 调试：描述症状 + 提供代码，Copilot 定位根因。跨文件分析还能捕获用户未报告的关联 bug
4. 测试生成：手写 2-3 个测试 vs Copilot 一次生成 15+，覆盖正常路径、边界、持久化、Unicode 等
5. Git 集成：copilot -p + shell 替换自动生成 commit 消息和 PR 描述；/delegate 委托后台 agent 执行
课程明确标注：前三章已覆盖日常所需全部核心技能，04-06 是可选进阶。
Ch04 Agents — 从通用助手到专业顾问
· 内置五个 agent：Plan、Code-review（显式调用），Explore、Task（自动触发），Init（项目初始化）。
· 自定义 agent 极简：一个 .agent.md 文件，YAML frontmatter + markdown 指令。放 .github/agents/（团队共享）或 ~/.copilot/agents/（个人全局）。
· 核心价值用对比说明：同一 prompt，普通 Copilot 产出基础实现，python-reviewer agent 自动附加类型注解、文档字符串、输入验证、异常处理。同一问题，专家视角产出质量显著更高。
· 多 agent 协作模式：python-reviewer 设计 -> pytest-helper 出测试方案 -> 综合实施。开发者充当架构师，agent 处理细节。
· 项目配置层推荐 AGENTS.md，/init 一键生成。
Ch05 Skills — 自动触发的流程指令
与 Agent 的关键区别：Agent 需显式激活，Skill 按 prompt 关键词自动匹配加载。
结构同样简单： SKILL.md 文件放在 .github/skills/skill-name/ 或 ~/.copilot/skills/skill-name/。description 字段决定匹配精度，是 Skill 能否被正确触发的关键。
三层扩展模型的定位：
· Agent = 改变思考方式（专家视角）
· Skill = 改变执行步骤（流程指令）
· MCP = 连接外部数据（实时信息）
典型场景：团队 10 条 PR 审查标准编码为一个 pr-review skill，所有人的审查自动一致，新人无需记忆清单。
Ch06 MCP Servers — 打通外部服务
MCP 让 Copilot 从"被动接收文件"变为"主动查询外部系统"。
· GitHub MCP（内置）：Issue、PR、commit、分支、代码搜索、Actions 状态
· Filesystem MCP：主动浏览文件系统，无需逐一 @ 引用
· Context7 MCP：实时拉取最新框架/库文档，解决训练数据过时问题
多 server 协作是亮点：一个会话内 Filesystem 探索代码 + GitHub 查 commit 历史 + Context7 获取最佳实践，综合产出改进方案。"Issue-to-PR"工作流——读 Issue、改代码、跑测试、建 PR，全程不离终端。
Ch07 Putting It All Together — 全链路整合
完整演示"idea -> plan -> agent 设计 -> 实现 -> 测试 -> /review -> 创建 PR"的端到端流程。
三个进阶工作流：Bug 调查修复（MCP + Agent + 测试生成）、pre-commit hook 自动安全审查、新项目快速上手（上下文 + Agent + MCP 找 good first issue）。
四条最佳实践提炼：
· 先上下文，后分析——先引用文件、先读 Issue，再调 agent
· 分清三层——Agent 是专家、Skill 是流程、Instructions 是常驻规范
· 一 feature 一 session——保持聚焦，用 /rename 管理
· 工作流编码入仓库——agents/skills/instructions 跟代码一起版本管理，新人自动继承
微软 GitHub 官方出品的终端 AI 编程助手教程，围绕一个 Python 图书管理应用，用 8 章递进式教学覆盖从安装到生产级工作流的完整路径。
Ch00 Quick Start — 10 分钟上手
四种安装方式（npm/Homebrew/WinGet/curl），推荐 Codespaces 零配置启动。Device Flow 一次认证，长期有效。三步验证环境就绪。除 Python 外另备 JS 和 C# 示例。
Ch01 First Steps — 三种模式，一个核心
· Interactive：对话式，上下文累积，适合探索和迭代。推荐起步模式。
· Plan：/plan 先出方案再动手，适合复杂任务。
· Programmatic：copilot -p "prompt" 单次调用，适合脚本和自动化。
四个高频命令覆盖九成场景：/help、/clear、/plan、 /exit。还有 /delegate 委派后台 agent、/fleet 并行子任务等进阶命令。
Ch02 Context — @ 语法是核心生产力
@ file 引单文件，@ folder/ 引整个目录，多文件并引实现跨文件分析。这是 Copilot CLI 区别于简单问答的关键——跨文件才能发现重复代码、不一致的错误处理、架构耦合等单文件审查不可见的问题。
会话自动保存，--continue 恢复最近会话，--resume 选择历史会话，/rename 命名便于检索。支持跨天断点续作，上下文完整保留。
/context 看 token 用量，/clear 切话题，/compact 压缩历史释放空间。粗算：每行代码约 15 token。宽引用用于初探项目，精引用用于定位问题。
Ch03 Workflows — 五大日常场景全覆盖
1. 代码审查：从自由 prompt 到 /review 调用专用 agent，支持按严重程度分级输出检查清单
2. 重构：if/elif 转字典分派、分离关注点、统一异常处理。核心原则：先写测试再改代码
3. 调试：描述症状 + 提供代码，Copilot 定位根因。跨文件分析还能捕获用户未报告的关联 bug
4. 测试生成：手写 2-3 个测试 vs Copilot 一次生成 15+，覆盖正常路径、边界、持久化、Unicode 等
5. Git 集成：copilot -p + shell 替换自动生成 commit 消息和 PR 描述；/delegate 委托后台 agent 执行
课程明确标注：前三章已覆盖日常所需全部核心技能，04-06 是可选进阶。
Ch04 Agents — 从通用助手到专业顾问
· 内置五个 agent：Plan、Code-review（显式调用），Explore、Task（自动触发），Init（项目初始化）。
· 自定义 agent 极简：一个 .agent.md 文件，YAML frontmatter + markdown 指令。放 .github/agents/（团队共享）或 ~/.copilot/agents/（个人全局）。
· 核心价值用对比说明：同一 prompt，普通 Copilot 产出基础实现，python-reviewer agent 自动附加类型注解、文档字符串、输入验证、异常处理。同一问题，专家视角产出质量显著更高。
· 多 agent 协作模式：python-reviewer 设计 -> pytest-helper 出测试方案 -> 综合实施。开发者充当架构师，agent 处理细节。
· 项目配置层推荐 AGENTS.md，/init 一键生成。
Ch05 Skills — 自动触发的流程指令
与 Agent 的关键区别：Agent 需显式激活，Skill 按 prompt 关键词自动匹配加载。
结构同样简单： SKILL.md 文件放在 .github/skills/skill-name/ 或 ~/.copilot/skills/skill-name/。description 字段决定匹配精度，是 Skill 能否被正确触发的关键。
三层扩展模型的定位：
· Agent = 改变思考方式（专家视角）
· Skill = 改变执行步骤（流程指令）
· MCP = 连接外部数据（实时信息）
典型场景：团队 10 条 PR 审查标准编码为一个 pr-review skill，所有人的审查自动一致，新人无需记忆清单。
Ch06 MCP Servers — 打通外部服务
MCP 让 Copilot 从"被动接收文件"变为"主动查询外部系统"。
· GitHub MCP（内置）：Issue、PR、commit、分支、代码搜索、Actions 状态
· Filesystem MCP：主动浏览文件系统，无需逐一 @ 引用
· Context7 MCP：实时拉取最新框架/库文档，解决训练数据过时问题
多 server 协作是亮点：一个会话内 Filesystem 探索代码 + GitHub 查 commit 历史 + Context7 获取最佳实践，综合产出改进方案。"Issue-to-PR"工作流——读 Issue、改代码、跑测试、建 PR，全程不离终端。
Ch07 Putting It All Together — 全链路整合
完整演示"idea -> plan -> agent 设计 -> 实现 -> 测试 -> /review -> 创建 PR"的端到端流程。
三个进阶工作流：Bug 调查修复（MCP + Agent + 测试生成）、pre-commit hook 自动安全审查、新项目快速上手（上下文 + Agent + MCP 找 good first issue）。
四条最佳实践提炼：
· 先上下文，后分析——先引用文件、先读 Issue，再调 agent
· 分清三层——Agent 是专家、Skill 是流程、Instructions 是常驻规范
· 一 feature 一 session——保持聚焦，用 /rename 管理
· 工作流编码入仓库——agents/skills/instructions 跟代码一起版本管理，新人自动继承
