GitHub 教 Copilot 讀懂你的專案：工程師開始要寫「給 AI 看的文件」

GitHub Blog 這週發了一個 Copilot 初學者系列，主題是怎麼讓 Copilot 認識你的程式碼庫。裡面列了四個設定手段：自訂指令（custom instructions）、Agent 技能（skills）、自訂 Agent，還有 MCP 伺服器。這是教學文，不是新產品，但我覺得它比很多發表會更直接地說明了，工程師的日常工作內容正在改變。 四個手段拆開來看：自訂指令是把命名規則、測試寫法、禁用套件這類團隊規範寫成檔案放進 repo；skills 是把重複的工作流程打包起來；自訂 Agent 是替不同任務配不同角色；MCP 則是讓 Agent 接得到你的內部工具和資料。四個加起來，等於把一個資深工程師腦袋裡的「這個專案要這樣寫」全部搬到文字檔裡。 以前這些知識靠 code review 和口耳相傳，新人踩坑三次才學會。現在不寫下來，AI 就每次都踩一遍，而且踩得很有自信。這跟帶新人很像，你不給 onboarding 文件，他再聰明也只能亂猜。差別是 AI 不會不好意思開口問，它會直接交一份看起來很對的 PR。 這件事對職涯的影響很具體。同一週，arXiv 上的 CLEAT 在研究 Agent 何時該停下來問使用者意圖，vLLM 也釋出會直接回傳選項和機率的 27B 模型 d3。Agent 愈來愈能自己動，但它動得準不準，取決於你給它的規範和判斷依據清不清楚。能把模糊的團隊慣例講成明確規則的人，會比單純寫得快的人更吃香。PM 和設計師也一樣：產品規格、設計系統如果寫得夠結構化，就可以直接變成 Agent 的輸入。 如果你想準備，現在就可以做一件小事：挑手上的專案，花一個下午把「新人最常犯的五個錯」寫成指令檔，丟給 Copilot 試一週。 接下來履歷上很可能會出現一個新欄位：你維護過幾份 Agent 規範，而且它真的讓 PR 被退回的次數變少。