copilot-cli-for-beginners

Chapter 04: Agents and Custom Instructions

如果你能在一個工具裡同時聘請 Python 程式碼審查員、測試專家和安全性審查員，會怎麼樣？

在第三章中，你已經掌握了基本工作流程：程式碼審查、重構、除錯、測試產生，以及 git 整合。這些讓你能高效運用 GitHub Copilot CLI。現在，讓我們再更進一步。

到目前為止，你一直把 Copilot CLI 當作通用型助手來使用。Agent 讓你能賦予它特定角色與內建標準，例如：強制使用型別註記和 PEP 8 的程式碼審查員，或是會撰寫 pytest 測試案例的測試助手。你將看到，同樣的提示詞，交給有明確指示的 agent 處理，結果會明顯更好。

🎯 學習目標

完成本章後，你將能夠：

使用內建 agent：Plan（/plan）、Code-review（/review），並了解自動 agent（Explore、Task）
使用 agent 檔案（.agent.md）建立專業化 agent
讓 agent 處理領域專屬任務
透過 /agent 與 --agent 在 agent 之間切換
撰寫專案專屬標準的自訂指示檔案

⏱️ 預估時間：約 55 分鐘（20 分鐘閱讀 + 35 分鐘實作）

🧩 真實世界類比：聘請專家

當你需要修理房子時，你不會只叫一個「通用幫手」。你會找專家：

問題	專家	原因
水管漏水	水電工	熟悉水管規範，有專業工具
電線重拉	電工	了解安全規定，符合規範
換新屋頂	屋頂師傅	了解材料、在地氣候考量

Agent 的運作方式也是如此。與其用一個通用 AI，不如用專注於特定任務、知道正確流程的 agent。只要設定一次指示，之後需要那個專業時就能重複使用：程式碼審查、測試、安全、文件。

Hiring Specialists Analogy - Just as you call specialized tradespeople for house repairs, AI agents are specialized for specific tasks like code review, testing, security, and documentation

使用 Agent

立即開始使用內建與自訂 agent。

第一次接觸 Agent？從這裡開始！

從沒用過或建立過 agent？這裡有你入門本課程所需的一切。

立刻試用一個內建 agent：
```
copilot
> /plan Add input validation for book year in the book app
```
這會呼叫 Plan agent，產生逐步實作計畫。
看看我們的自訂 agent 範例： 定義 agent 指示很簡單，參考我們提供的 python-reviewer.agent.md 檔案即可了解模式。
理解核心概念： Agent 就像是找專家諮詢，而不是問通才。「前端 agent」會自動專注於無障礙與元件設計，你不用每次都提醒它，因為這些已經寫在 agent 的指示裡了。

內建 Agent

你在第三章開發流程已經用過部分內建 agent！
/plan 和 /review 其實就是內建 agent。現在你知道背後發生了什麼。完整清單如下：

Agent	如何呼叫	功能說明
Plan	`/plan` 或 `Shift+Tab`（切換模式）	在撰寫程式前產生逐步實作計畫
Code-review	`/review`	審查已暫存/未暫存變更，給予具體可執行的回饋
Init	`/init`	產生專案設定檔（指示、agent）
Explore	自動	當你請 Copilot 探索或分析程式碼庫時自動使用
Task	自動	執行測試、建置、檢查、安裝相依套件等指令

內建 agent 實際應用 - 呼叫 Plan、Code-review、Explore 與 Task 的範例

copilot

# 呼叫 Plan agent 產生實作計畫
> /plan Add input validation for book year in the book app

# 呼叫 Code-review agent 審查你的變更
> /review

# Explore 與 Task agent 會在需要時自動呼叫：
> Run the test suite        # 使用 Task agent

> Explore how book data is loaded    # 使用 Explore agent

那 Task Agent 呢？它在幕後負責管理、追蹤執行狀況，並以清楚簡潔的格式回報：

結果	你會看到什麼
✅ 成功	簡短摘要（如「全部 247 項測試通過」、「建置成功」）
❌ 失敗	完整輸出（包含堆疊追蹤、編譯錯誤、詳細日誌）

📚 官方文件：GitHub Copilot CLI Agents

將 Agent 加入 Copilot CLI

你可以輕鬆定義自己的 agent，納入你的工作流程！定義一次，隨時指揮！

Four colorful AI robots standing together, each with different tools representing specialized agent capabilities

🗂️ 新增你的 agent

Agent 檔案是副檔名為 .agent.md 的 markdown 檔案。分為兩部分：YAML frontmatter（中繼資料）與 markdown 指示內容。

💡 第一次接觸 YAML frontmatter？ 它是檔案最上方、被 --- 包圍的一小段設定。YAML 就是 key: value 配對。其餘內容就是一般 markdown。

以下是一個最簡單的 agent 範例：

---
name: my-reviewer
description: Code reviewer focused on bugs and security issues
---

# Code Reviewer

You are a code reviewer focused on finding bugs and security issues.

When reviewing code, always check for:
- SQL injection vulnerabilities
- Missing error handling
- Hardcoded secrets

💡 必填與選填：description 欄位為必填。其他如 name、tools、model 則為選填。

Agent 檔案放哪裡

位置	作用範圍	適用情境
`.github/agents/`	專案專屬	適合團隊共用、專案慣例的 agent
`~/.copilot/agents/`	全域（所有專案）	你個人常用、每個專案都想用的 agent

本專案已在 .github/agents/ 資料夾內附上範例 agent 檔案。你可以自行撰寫，也能直接改用現有的。

📂 查看本課程的範例 agent

| 檔案 | 說明 | |------|-------------| | `hello-world.agent.md` | 最簡範例，從這裡開始 | | `python-reviewer.agent.md` | Python 程式碼品質審查員 | | `pytest-helper.agent.md` | Pytest 測試專家 | ```bash # 或複製一份到你的個人 agent 資料夾（所有專案都能用） cp .github/agents/python-reviewer.agent.md ~/.copilot/agents/ ``` 更多社群 agent，請見 [github/awesome-copilot](https://github.com/github/awesome-copilot)

🚀 使用自訂 agent 的兩種方式

互動模式

在互動模式下，使用 /agent 列出 agent 並選擇要開始合作的 agent。選擇一個 agent 後即可繼續對話。

copilot
> /agent

若要切換其他 agent，或回到預設模式，再次使用 /agent 指令即可。

程式化模式

直接用 agent 啟動新會話。

copilot --agent python-reviewer
> Review @samples/book-app-project/books.py

💡 切換 agent：你隨時都能用 /agent 或 --agent 切換到其他 agent。若要回到標準 Copilot CLI 體驗，使用 /agent 並選擇無 agent。

💡 Agent 模式僅限當前會話：你選擇的 agent 只會套用在目前這個會話。當你用 /new、/clear 或開新終端機時，Copilot 會回到預設模式——agent 選擇不會自動延續。這代表每次會話都是全新開始，有助於保持專注。

更深入運用 Agent

Robot being assembled on a workbench surrounded by components and tools representing custom agent creation

💡 本節為進階選讀。 內建 agent（/plan、/review）已足夠應付多數工作流程。當你需要跨專案一致應用的專業知識時，再來建立自訂 agent。

以下主題各自獨立。挑你有興趣的看，不必一次讀完。

我想要…	跳到
看看 agent 為何比通用提示更強	專家 vs 通用
多 agent 協作	多 agent 協作
組織、命名與分享 agent	組織與分享 agent
設定專案全時情境	設定 Copilot 專案環境
查詢 YAML 屬性與工具	Agent 檔案參考

選擇下方情境展開細節。

專家 vs 通用：看見差異 - 為什麼 agent 產生的結果比通用提示更好

## 專家 vs 通用：看見差異這正是 agent 價值所在。來看看差別： ### 沒有 agent（通用 Copilot） ```bash copilot > Add a function to search books by year range in the book app ``` **通用輸出**： ```python def search_by_year_range(books, start_year, end_year): results = [] for book in books: if book['year'] >= start_year and book['year'] <= end_year: results.append(book) return results ``` 很基本，可以用，但缺少很多細節。 --- ### 使用 Python Reviewer Agent ```bash copilot > /agent # 選擇 "python-reviewer" > Add a function to search books by year range in the book app ``` **專家輸出**： ```python from typing import List, Dict, Any def search_by_year_range( books: List[Dict[str, Any]], start_year: int, end_year: int ) -> List[Dict[str, Any]]: """ Search for books within a specified year range. Args: books: List of book dictionaries start_year: Starting year (inclusive) end_year: Ending year (inclusive) Returns: List of books published within the year range Raises: ValueError: If start_year is greater than end_year TypeError: If year values are not integers """ if not isinstance(start_year, int) or not isinstance(end_year, int): raise TypeError("Year values must be integers") if start_year > end_year: raise ValueError(f"Start year ({start_year}) cannot be greater than end year ({end_year})") return [ book for book in books if isinstance(book.get('year'), int) and start_year <= book['year'] <= end_year ] ``` **python-reviewer agent 自動包含的內容**： - ✅ 所有參數與回傳值皆有型別註記 - ✅ 詳盡 docstring，包含 Args/Returns/Raises - ✅ 輸入驗證與正確的錯誤處理 - ✅ 使用串列生成式提升效能 - ✅ 處理邊界情境（缺少/無效年份） - ✅ PEP 8 格式 - ✅ 防禦式程式設計 **差異**：同一個提示，結果卻大不相同。agent 自帶你可能忘記要求的專業。

多 agent 協作 - 專家組合、會話中切換、agent 當工具

## 多 agent 協作真正的威力來自多位專家協作同一功能。 ### 範例：打造一個簡單功能 ```bash copilot > I want to add a "search by year range" feature to the book app # 用 python-reviewer 設計 > /agent # 選擇 "python-reviewer" > @samples/book-app-project/books.py Design a find_by_year_range method. What's the best approach? # 換 pytest-helper 設計測試 > /agent # 選擇 "pytest-helper" > @samples/book-app-project/tests/test_books.py Design test cases for a find_by_year_range method. > What edge cases should we cover? # 綜合兩者設計 > Create an implementation plan that includes the method implementation and comprehensive tests. ``` **關鍵觀念**：你是總設計師，指揮專家。他們處理細節，你掌握全局。

🎬 實際操作影片！

![Python Reviewer Demo](assets/python-reviewer-demo.gif) *實際輸出會依模型、工具、回應而異，與此處展示內容不同屬正常現象。*

### Agent 當工具當 agent 設定妥當，Copilot 也能在複雜任務中自動呼叫它們作為工具。如果你要求一個全端功能，Copilot 可能會自動分派部分工作給合適的專家 agent。

組織與分享 agent - 命名、檔案放置、指示檔案與團隊共用

## 組織與分享 agent ### 命名你的 agent 建立 agent 檔案時，命名很重要。這會是你在 `/agent` 或 `--agent` 後輸入的名稱，也是團隊成員在 agent 清單中看到的。 | ✅ 好名稱 | ❌ 避免 | |--------------|----------| | `frontend` | `my-agent` | | `backend-api` | `agent1` | | `security-reviewer` | `helper` | | `react-specialist` | `code` | | `python-backend` | `assistant` | **命名慣例：** - 使用小寫加連字號：`my-agent-name.agent.md` - 包含領域：`frontend`、`backend`、`devops`、`security` - 需要時具體：`react-typescript` 比單純 `frontend` 更明確 --- ### 與團隊分享將 agent 檔案放在 `.github/agents/`，就會納入版本控制。推送到你的 repo，所有團隊成員都能自動取得。但 agent 只是 Copilot 會讀取的其中一種檔案。它也支援**指示檔案**，這類檔案會自動套用到每個會話，無需手動執行 `/agent`。換個角度想：agent 是你隨選的專家，指示檔案則是團隊規則，永遠生效。 ### 檔案放哪裡你已經知道兩個主要位置（見上方 [Agent 檔案放哪裡](#where-to-put-agent-files)）。用這個決策樹判斷： Decision tree for where to put agent files: experimenting → current folder, team use → .github/agents/, everywhere → ~/.copilot/agents/

Decision tree for where to put agent files: experimenting → current folder, team use → .github/agents/, everywhere → ~/.copilot/agents/

**從簡單開始：** 先在專案資料夾建立一個 `*.agent.md` 檔案。滿意後再移到正式位置。除了 agent 檔案，Copilot 也會自動讀取**專案層級指示檔案**，無需 `/agent`。詳見下方 [設定 Copilot 專案環境](#configuring-your-project-for-copilot) 章節，介紹 `AGENTS.md`、`.instructions.md` 與 `/init`。

設定 Copilot 專案環境 - AGENTS.md、指示檔案與 /init 設定

## 設定 Copilot 專案環境 Agent 是你隨選的專家。**專案設定檔**則不同：Copilot 每次會話都會自動讀取，了解你的專案慣例、技術棧與規則。沒有人需要執行 `/agent`，情境對所有協作者都自動生效。 ### 用 /init 快速設定最快的方式是讓 Copilot 幫你產生設定檔： ```bash copilot > /init ``` Copilot 會掃描你的專案，自動建立合適的指示檔。你可以事後編輯。 ### 指示檔案格式 | 檔案 | 作用範圍 | 備註 | |------|-------|-------| | `AGENTS.md` | 專案根目錄或子資料夾 | **跨平台標準**——Copilot 與其他 AI 助手皆支援 | | `.github/copilot-instructions.md` | 專案 | GitHub Copilot 專用 | | `.github/instructions/*.instructions.md` | 專案 | 更細分、主題專屬指示 | | `~/.copilot/instructions/**/*.instructions.md` | 使用者（所有專案） | 你的個人指示，所有 repo 都適用 | | `CLAUDE.md`, `GEMINI.md` | 專案根目錄 | 為相容性而支援 | > 🎯 **剛開始？** 用 `AGENTS.md` 寫專案指示即可。其他格式可視需求再探索。 ### AGENTS.md `AGENTS.md` 是推薦格式。它是[開放標準](https://agents.md/)，Copilot 與其他 AI 程式工具都支援。放在 repo 根目錄，Copilot 會自動讀取。本專案的 [AGENTS.md](/AGENTS.html) 就是範例。一般的 `AGENTS.md` 會描述你的專案情境、程式風格、安全需求與測試標準。可依我們的範例檔案自行撰寫。 ### 自訂指示檔案（.instructions.md）想更細緻控管時，可將指示拆成主題專屬檔案。每個檔案只涵蓋一個重點，且自動生效： ``` .github/ └── instructions/ ├── python-standards.instructions.md ├── security-checklist.instructions.md └── api-design.instructions.md ``` > 💡 **注意**：指示檔案支援任何語言。此例用 Python 配合課程專案，你也能為 TypeScript、Go、Rust 或任何技術建立類似檔案。 #### 用 `applyTo` 限定指示範圍預設情況下，指示檔案會套用到每個會話。若只想限定特定檔案型別，可在 YAML frontmatter（最上方 `---` 區塊）加上 `applyTo` 欄位： ```markdown --- applyTo: "**/*.py" --- # Python Standards Always follow PEP 8 style conventions. Use type hints in all function signatures. ``` 有了 `applyTo: "**/*.py"`，Copilot 只會在你處理 Python 檔案時載入這份指示。Python 風格指示不會干擾 Dockerfile 或 SQL 查詢的討論。常見模式如下： | `applyTo` 值 | 何時生效 | |---|---| | `"**/*.py"` | 任何 Python 檔案 | | `"**/*.{ts,tsx}"` | TypeScript 與 TSX 檔案 | | `"tests/**"` | `tests/` 資料夾內所有檔案 | | （無 frontmatter） | 每個會話——預設 | > 💡 **小技巧**：用引號包住萬用字元模式（如 `"**/*.py"`），可確保在所有作業系統與 shell 下正確解析。 **尋找社群指示檔案**：瀏覽 [github/awesome-copilot](https://github.com/github/awesome-copilot) 可找到 .NET、Angular、Azure、Python、Docker 等多種技術的現成指示檔。 ### 關閉自訂指示若需讓 Copilot 忽略所有專案設定（例如除錯或比較行為時）： ```bash copilot --no-custom-instructions ```

Agent 檔案參考 - YAML 屬性、工具別名與完整範例

## Agent 檔案參考 ### 更完整的範例你已看過[最小 agent 格式](#-add-your-agents)。以下是一個更完整、使用 `tools` 屬性的 agent。建立 `~/.copilot/agents/python-reviewer.agent.md`： ```markdown --- name: python-reviewer description: Python code quality specialist for reviewing Python projects tools: ["read", "edit", "search", "execute"] --- # Python Code Reviewer You are a Python specialist focused on code quality and best practices. **Your focus areas:** - Code quality (PEP 8, type hints, docstrings) - Performance optimization (list comprehensions, generators) - Error handling (proper exception handling) - Maintainability (DRY principles, clear naming) **Code style requirements:** - Use Python 3.10+ features (dataclasses, type hints, pattern matching) - Follow PEP 8 naming conventions - Use context managers for file I/O - All functions must have type hints and docstrings **When reviewing code, always check:** - Missing type hints on function signatures - Mutable default arguments - Proper error handling (no bare except) - Input validation completeness ``` ### YAML 屬性 | 屬性 | 必填 | 說明 | |----------|----------|-------------| | `name` | 否 | 顯示名稱（預設為檔名） | | `description` | **是** | agent 功能說明——協助 Copilot 判斷何時建議使用 | | `tools` | 否 | 可用工具清單（省略＝全部可用）。見下方工具別名。 | | `target` | 否 | 僅限 `vscode` 或 `github-copilot` | ### 工具別名在 `tools` 清單中可用這些名稱： - `read` - 讀取檔案內容 - `edit` - 編輯檔案 - `search` - 搜尋檔案（grep/glob） - `execute` - 執行 shell 指令（亦可用：`shell`、`Bash`） - `agent` - 呼叫其他自訂 agent > 📖 **官方文件**：[自訂 agent 設定](https://docs.github.com/copilot/reference/custom-agents-configuration) > > ⚠️ **僅 VS Code 支援**：`model` 屬性（選擇 AI 模型）僅於 VS Code 有效，GitHub Copilot CLI 不支援。為跨平台 agent 檔案可放心加上，Copilot CLI 會自動忽略。 ### 更多 agent 範本 > 💡 **新手注意**：下方範例為模板。**請依你專案實際技術調整內容。** 重要的是 agent 的*結構*，不是範例中的技術。本專案於 [.github/agents/](../.github/agents/) 目錄內有實用範例： - [hello-world.agent.md](../.github/agents/hello-world.agent.md) - 最簡範例，建議先看 - [python-reviewer.agent.md](../.github/agents/python-reviewer.agent.md) - Python 程式碼品質審查員 - [pytest-helper.agent.md](../.github/agents/pytest-helper.agent.md) - Pytest 測試專家更多社群 agent，請見 [github/awesome-copilot](https://github.com/github/awesome-copilot)。

練習

Warm desk setup with monitor showing code, lamp, coffee cup, and headphones ready for hands-on practice

建立你自己的 agent，實際體驗它們的威力。

▶️ 自己動手試試

# 建立 agents 目錄（若尚未存在）
mkdir -p .github/agents

# 建立一個程式碼審查 agent
cat > .github/agents/reviewer.agent.md << 'EOF'
---
name: reviewer
description: Senior code reviewer focused on security and best practices
---

# Code Reviewer Agent

You are a senior code reviewer focused on code quality.

**Review priorities:**
1. Security vulnerabilities
2. Performance issues
3. Maintainability concerns
4. Best practice violations

**Output format:**
Provide issues as a numbered list with severity tags:
[CRITICAL], [HIGH], [MEDIUM], [LOW]
EOF

# 建立一個文件撰寫 agent
cat > .github/agents/documentor.agent.md << 'EOF'
---
name: documentor
description: Technical writer for clear and complete documentation
---

# Documentation Agent

You are a technical writer who creates clear documentation.

**Documentation standards:**
- Start with a one-sentence summary
- Include usage examples
- Document parameters and return values
- Note any gotchas or limitations
EOF

# 現在來使用它們
copilot --agent reviewer
> Review @samples/book-app-project/books.py

# 或切換 agent
copilot
> /agent
# 選擇 "documentor"
> Document @samples/book-app-project/books.py

📝 作業

主要挑戰：打造專業 agent 團隊

實作範例中建立了 reviewer 和 documentor 代理人。現在請練習為不同任務建立並使用代理人——提升書籍應用程式的資料驗證：

建立 3 個專為書籍應用程式設計的代理人檔案（.agent.md），每個代理人一個檔案，放在 .github/agents/ 目錄下
你的代理人：
- data-validator：檢查 data.json 是否有遺漏或格式錯誤的資料（作者為空、年份=0、欄位遺漏）
- error-handler：檢查 Python 程式碼的錯誤處理是否一致，並建議統一的做法
- doc-writer：產生或更新 docstring 與 README 內容
在書籍應用程式中使用每個代理人：
- data-validator → 稽核 @samples/book-app-project/data.json
- error-handler → 檢查 @samples/book-app-project/books.py 和 @samples/book-app-project/utils.py
- doc-writer → 為 @samples/book-app-project/books.py 新增 docstring
協作：先用 error-handler 找出錯誤處理的缺口，再用 doc-writer 記錄改進後的做法

成功標準：你擁有 3 個可運作的代理人，能產生一致且高品質的輸出，並能透過 /agent 在它們之間切換。

💡 提示（點擊展開）

**起始範本**：在 `.github/agents/` 目錄下，每個代理人建立一個檔案： `data-validator.agent.md`: ```markdown --- description: Analyzes JSON data files for missing or malformed entries --- You analyze JSON data files for missing or malformed entries. **Focus areas:** - Empty or missing author fields - Invalid years (year=0, future years, negative years) - Missing required fields (title, author, year, read) - Duplicate entries ``` `error-handler.agent.md`: ```markdown --- description: Reviews Python code for error handling consistency --- You review Python code for error handling consistency. **Standards:** - No bare except clauses - Use custom exceptions where appropriate - All file operations use context managers - Consistent return types for success/failure ``` `doc-writer.agent.md`: ```markdown --- description: Technical writer for clear Python documentation --- You are a technical writer who creates clear Python documentation. **Standards:** - Google-style docstrings - Include parameter types and return values - Add usage examples for public methods - Note any exceptions raised ``` **測試你的代理人：** > 💡 **注意：** 你應該已經在本地複本的這個儲存庫中有 `samples/book-app-project/data.json`。如果缺少，請從原始儲存庫下載原始版本： > [data.json](https://github.com/github/copilot-cli-for-beginners/blob/main/samples/book-app-project/data.json) ```bash copilot > /agent # 從清單中選擇 "data-validator" > @samples/book-app-project/data.json 檢查作者欄位為空或年份無效的書籍 ``` **提示：** YAML frontmatter 中的 `description` 欄位是代理人運作所必需的。

加分挑戰：指令庫

你已經建立了可隨選啟用的代理人。現在來試試另一種方式：指令檔案，讓 Copilot 在每次會話中自動讀取，無需 /agent。

建立 .github/instructions/ 資料夾，並新增至少 3 個指令檔案：

python-style.instructions.md：強制執行 PEP 8 與型別提示慣例
test-standards.instructions.md：強制測試檔案遵循 pytest 慣例
data-quality.instructions.md：驗證 JSON 資料項目的品質

在書籍應用程式程式碼上測試每個指令檔案。

🔧 常見錯誤與疑難排解（點擊展開）

### 常見錯誤 | 錯誤 | 發生情況 | 修正方式 | |------|----------|----------| | 代理人 frontmatter 缺少 `description` | 代理人無法載入或無法被發現 | 一定要在 YAML frontmatter 中加入 `description:` | | 代理人檔案位置錯誤 | 嘗試使用時找不到代理人 | 放在 `~/.copilot/agents/`（個人）或 `.github/agents/`（專案） | | 使用 `.md` 而非 `.agent.md` | 檔案可能不會被辨識為代理人 | 檔名應為 `python-reviewer.agent.md` 這類格式 | | 代理人提示過長 | 可能超過 30,000 字元限制 | 讓代理人定義聚焦，詳細指令可用 skill 實現 | ### 疑難排解 **找不到代理人** - 請確認代理人檔案存在於下列其中一個位置： - `~/.copilot/agents/` - `.github/agents/` 列出所有可用代理人： ```bash copilot > /agent # 顯示所有可用代理人 ``` **代理人未遵循指令** - 在提示中明確說明需求，並在代理人定義中加入更多細節： - 指定框架／函式庫及版本 - 團隊慣例 - 範例程式碼模式 **自訂指令未載入** - 在專案中執行 `/init` 以設定專案專屬指令： ```bash copilot > /init ``` 或檢查是否被停用： ```bash # 若要載入自訂指令，請勿使用 --no-custom-instructions copilot # 預設會載入自訂指令 ```

摘要

🔑 重點整理

內建代理人：/plan 和 /review 可直接呼叫；Explore 與 Task 會自動運作
自訂代理人：以 .agent.md 檔案定義專家角色
優秀代理人：具備明確專業、標準與輸出格式
多代理人協作：結合專業解決複雜問題
指令檔案（.instructions.md）：將團隊標準自動化
一致輸出：來自明確定義的代理人指令

📋 快速參考：完整指令與捷徑請見 GitHub Copilot CLI 指令參考。

➡️ 下一步

代理人會改變 Copilot 處理與執行目標動作 的方式。接下來你將學習技能——它們則改變 Copilot 採取哪些步驟。想知道代理人與技能有何不同？第五章會直接說明。

在 第五章：技能系統，你將學到：

技能如何根據你的提示自動觸發（不需斜線指令）
安裝社群技能
用 SKILL.md 檔案建立自訂技能
代理人、技能與 MCP 的差異
何時該用哪一種

← 回到第三章

繼續前往第五章 →

This site is open source. Improve this page.