GitHub Copilot 初學者指南：如何讓 Copilot 了解你的程式碼庫

讓 AI 掌握專案規範的四種設定

開發團隊的每個程式碼庫都有自己的「家規」，包括元件結構、執行腳本，以及不同框架與檔案類型的慣例。GitHub 近期發布 GitHub Copilot 初學者系列教程，介紹四種設定方法，讓 AI 自動掌握專案規範與工作流程，Copilot 在了解這些規則時運作得最好。這四種設定是自訂指令、Agent 技能、自訂 Agent 和 MCP 伺服器。重點是把知識存放在儲存庫內，讓 Copilot 自動取得背景資訊，開發者不必在每次開始新任務時重複解釋標準。

自訂指令：建立專案基準

自訂指令（Custom instructions）用來告訴 Copilot 該遵循哪些慣例。在儲存庫中加入 `.github/copilot-instructions.md` 檔案，就能定義適用整個專案的指導原則，例如偏好的架構、命名慣例，或對測試與驗證的期望。開發者也可以在 `.github/instructions` 目錄內建立路徑特定的指令檔案，用 `applyTo` 欄位指定 Copilot 在哪些情況下套用這些指導。Copilot 處理符合條件的檔案時，會同時參考全域性指令與更具體的指引。開發者可以在單一位置管理廣泛規則，不必要求所有檔案類型都遵循同一模式。

Agent 技能：封裝重複性程序

自訂指令適合訂出多數任務的標準，但有些指導只在執行特定程序時才用得上，例如執行品質檢查、準備發布或除錯失敗的工作流程。這類情況可以使用 Agent 技能（Agent skills）。技能是一個資料夾，內含指令、可選的腳本及其他資源，Copilot 會在相關時載入。專案層級的技能可存放於 `.github/skills`，每個技能各有獨立的子資料夾。

例如，`.github/skills/quality-checks` 資料夾中的 `SKILL.md` 檔案，可以說明 Copilot 應在何時使用該技能、執行測試與 linting 的腳本、各腳本檢查的內容，以及常見失敗的除錯方法。更新介面後，Copilot 能載入該技能，依專案既定的測試與 linting 流程操作，不必猜該執行哪些命令。

自訂 Agent：處理複雜任務

有些任務範圍較大、跨越多個檔案，例如無障礙性審查，可能需要 Copilot 檢查元件、範本、樣式及互動。自訂 Agent（Custom agents）可以建立專門版本的 Copilot 來處理這類工作。儲存庫層級的 Agent 設定檔位於 `.github/agents`，可定義 Agent 的目的、指令、工具及相關專案背景。如果重複性工作適合交給專屬角色或觀點處理，而且任務可能跨越多個檔案、結合多種工具或背景來源，就適合使用自訂 Agent。

MCP 伺服器：連結外部工具

指令、技能與 Agent 幫助 Copilot 理解如何在專案內工作，MCP 伺服器（Model Context Protocol servers）則擴大它能存取與執行的範圍。MCP 伺服器把 Copilot 連到外部工具、資料來源與服務。例如，文件伺服器可提供框架指導，Playwright 伺服器則讓 Copilot 在瀏覽器中開啟應用程式並與之互動。

開發者可在 Copilot 應用程式中瀏覽可用的 MCP 伺服器，也可以新增自訂伺服器。設定好 Playwright 後，開發者可以要求：「使用 Playwright MCP 伺服器手動測試功能」。Copilot 接著會用 Playwright 在瀏覽器中開啟應用程式並操作，確認程式碼不只通過自動化檢查，更新後的介面行為也符合預期。

組合使用與起步建議

這些客製化設定各自解決不同問題，結合使用時價值更高。自訂指令定義全域或特定檔案的慣例；Agent 技能封裝可載入的重複程序；自訂 Agent 提供處理廣泛任務所需的專業知識；MCP 伺服器則連結外部工具，擴充功能。

GitHub 建議開發者從四個問題開始：哪些專案慣例需要重複解釋？哪些多步驟程序需要重複執行？哪些複雜任務適合交給專屬的自訂 Agent？Copilot 需要哪些外部工具或來源？若不知從何下手，可以透過 Awesome Copilot 社群資源尋找現成的指令、技能或 Agent，再依自己的工具與標準調整。建議起步時，先選一個需要重複解釋的慣例，加入 `.github/copilot-instructions.md`，再觀察 Copilot 在下次任務中的表現。