Github Copilot使用指南

Github Copilot使用指南

Github Copilot是什么

GitHub Copilot是一个AI编码助手，可帮助你更快地编写代码，且工作量更少。然后，你可以将更多的精力集中在解决问题和协作上

Github Copilot的安装与授权

Github Copilot的安装过程非常简单，核心逻辑就是：安装插件 -> 登录Github账户 -> 授权

VS Code(主流选择)

1. 打开扩展面板：在VS Code左侧活动栏点击"扩展"图标
2. 搜索并安装：在搜索栏输入GitHub Copilot Chat，点击安装
3. 登录GitHub：安装完成后，VS Code工具栏会有登录按钮，点击后选择Sign into GitHub
4. 浏览器授权：浏览器会自动打开，要求你授权VS Code访问你的GitHub账户，点击Authorize github
5. 完成：授权成功后，回到VS Code，右下角会出现Copilot的图标，会显示账户的余量

JetBrains系列

1. 打开插件设置：在IDE顶部菜单栏，选择File -> Settings
2. 搜索并安装：在左侧选择Plugins(插件) -> Marketplace(市场)。搜索Github Copilot，点击install
3. 重启IDE：安装完成后重启IDE才能生效
4. 登录GitHub：重启后，在主界面右侧边栏会出现Copilot图标
5. 授权：点击Copilot图标后会要求登录，选择Login to Github，同样通过浏览器授权，授权完成后即可使用

Github Copilot的核心能力

Github Copilot的核心能力可以概括为五大类：代码补全、对话与解释、重构与修复、测试与文档、项目级Agent与自动化

1.代码补全:最基础、最高频的能力

官方归类：Completions->Code suggestions

根据当前文件、项目、注释、自动补全整行、整块代码。

支持多语言、多框架、常见IDE(VS Code，JetBrains，VisualStudio等)。

典型场景：
写函数签名+注释，按Tab一路顺出实现。
写路由/Controller/Service骨架，让它补全细节。
写SQL/正则/工具函数，让它给出最可能正确的写法。

注：补全不是"死模版"，而是根据你当前上下文推断的实现逻辑。你给的信息越清晰(命名、注释、类型)，它补的越准确。

2.对话与解释：Copilot Chat + /explain

官方归类：Chat->Copilot Chat

在IDE侧边栏或GitHub网站里，像问ChatGPT一样和Copilot对话。

典型场景：
自然语言问问题：语法、概念、库用法、架构思路等。
选中代码 -> /explain：逐段解释这段代码在干什么。
针对当前文件/项目提问，而不是"空对话"。

3.重构与修复：/fix + Inline Chat + 重构建议

官方归类：Chat->/fix、Inline Chat、Code review等

/fix：针对选中的代码或报错，自动给出修复建议。

Inline Chat(内联聊天)：
在代码上方直接对话，修改当前函数/块。
修改以Diff形式展示，你可以逐个Accept/Reject。

代码审查能力：
对PR/文件提出改进建议，包括风格、性能、安全等。

典型场景：
报错信息+相关代码 -> /fix，让它给出修改方案。
选中一段性能差的代码 -> Inline Chat ：重构这段代码，提升可读性和性能。
提PR前，让Copilot做一轮自动代码审查。

4.测试与文档：/tests + /doc + 示例生成

官方归类：Chat->/tests、/doc，以及代码生成能力

/tests：为选中代码生成单元测试，覆盖常见边界情况。

/doc：为函数/类生成JSDoc/Docstring注释。

自然语言生成：
给这个组件写一个使用示例。
写一段调用这个API的代码示例。

典型场景：
写完一个复杂函数 -> 选中代码并/tests，自动生成一堆测试用例，你只做微调。
对外API/工具库 -> 选中代码并/doc，生成标准注释+示例。

5.项目级Agent与自动化：仓库级上下文 + Cloud Agent + CLI + 代码审查

官方归类：Agents、Copilot CLI、Code review、Spaces等

仓库级上下文索引：
Copilot可以索引整个仓库，理解项目结构、依赖关系。
在Chat里问"用户认证逻辑在哪？","帮我找所有使用这个API的地方”，它能够结合仓库结构回答。

Cloud Agent/自主Agent
Agent可以：研究仓库->指定计划->在分支上改代码->提交PR，你来审查Diff
适合：跨多文件的重构、大规模迁移、复杂功能实现。

Copilot CLI
在命令行里用自然语言生成命令、脚本、修复命令等。
例如"帮我写一个Dockerfile，用于构建这个Node服务"

代码审查与PR总结
自动生成PR总结，对变更做总结和风险提示。
在PR里提供Copilot代码审查意见，帮助发现潜在问题。

Copilot Spaces/MCP/自定义Agent
为团队/项目创建共享的Copilot上下文空间。
通过MCP接入企业内部服务，让Copilot能操作你的内部系统。

Github Copilot使用实例

业务场景

当前有一批订单数据(orders.csv)，想要通过Github Copilot生成python代码来对这批数据做数据聚合统计

执行过程

1.新建一个app.py文件，说明需求

新建一个app.py文件后，输入快捷键Ctrl + I 打开内联聊天，选择指定的模型后将当前需求输入后执行

需求如下：
读取csv文件，文件名是orders.csv，其中categroy是订单类别，region是订单地区，quantity是订单数量，unit_price是单价，status是订单状态，统计订单状态是已完成的订单，按照订单类别与订单地区统计对应销售额，销售额=单价*订单数据

2.生成代码后对于生成的问题进行提问并修复

对生成的代码保留后，运行python脚本发现，导入的pandas模块没有安装，如果我是python新手，不知道什么原因可以通过提问来了解其原因。

点击工具上的聊天图标，将终端报错的截图复制到对话框中作为引用，模式选择Agent，并提问分析其原因

这里对话会询问是否允许权限去下载对应的依赖，选择允许一次

之后通过pip list命令可以看到依赖已经下载完毕，并且其发现了一个拼写问题，进行了修复，点击保留即可

修复完毕后再次执行脚本，会把聚合统计的结果输出到终端上

3.对当前生成的代码进行说明与评审

如果我不了解python代码对于模型生成的代码含义不清晰，可以全选代码后右键点击说明，也就是/explain命令的功能

如果想要评审该代码，可以全选代码后右键点击评审，也就是/review命令的功能，大模型会分析代码会对存在问题的代码部分提出改进意见，可以根据意见选择接收修改或放弃

4.自定义AI的规范

从之前生成的代码来看，生成的注释都是英文的，如果想要约定一开始注释就是中文的话，那么就需要建立文档来规范AI的生成。

在项目的根路径下创建.github文件夹，新建copilot-instructions.md文件，在该文件下编写你对AI的要求。

针对刚才说的问题，我提出以下要求：
1. 注释统一使用中文

自定义AI的规范后，再新增一个demo.py文件，构建一个简单的打印功能看一下效果：

要求：打印一个快速排序的过程并补充注释用来说明

后续生成的代码注释均为中文

5.代码补全

除了通过内联聊天或Agent模式聊天生成代码外，也可以通过代码补全的功能来生成代码。

先写一行注释来说明接下来要编写的代码，比如：
# 定义一个立体空间点的类

按Tab快捷键即可保留生成的代码

参考资料

https://docs.github.com/zh/copilot