S
SkillNav

从想法到 PR:用 GitHub Copilot CLI 开发的实战指南

教程GitHub2026-02-27T16:00:00+00:0010 分钟阅读
从想法到 PR:用 GitHub Copilot CLI 开发的实战指南

大多数开发者本来就在终端里完成大量实际工作。

我们会在终端里初始化项目、跑测试、排查 CI 失败,也会在代码进入评审前先做一些快速、机械性的修改。GitHub Copilot CLI 正是贴合这种现实:它帮助你在终端里直接把“意图”转成“可评审的 diff”,然后再把这些工作自然衔接到编辑器或 pull request。

这篇博客将带你走一遍使用 Copilot CLI 创建并迭代应用的实战流程,内容基于一套新的 GitHub Skills 练习。Skills 练习提供的是循序渐进的动手教程;而本文重点解释每一步为什么有效,以及在真实项目中该在什么时候使用。

Copilot CLI 是什么(以及不是什么)

Copilot CLI 是一个运行在终端里的、理解 GitHub 上下文的 coding agent。你可以用自然语言描述需求,用 /plan 在动代码前先梳理方案,然后在任何命令执行或变更落地前,先审阅具体命令或 diff。Copilot 可能会在内部推理,但只有在你明确批准后,才会执行命令或应用修改。

在实践中,Copilot CLI 可以帮助你:

  • 基于你的意图探索问题
  • /plan 提出结构化计划(也可以按 Shift + Tab 进入规划模式),或者给出你可审阅的具体命令与 diff
  • 生成或修改文件
  • 在失败发生的位置直接解释问题

不会做的事:

  • 在未经你批准的情况下静默执行命令或应用修改
  • 取代严谨的设计工作
  • 消除代码评审的必要性

对“运行什么、改什么、发布什么”,你始终拥有控制权。

第 1 步:先说清意图,而不是先搭脚手架

与其一上来就选框架或复制模板,不如先明确你要构建什么。

在空目录下运行:

code
copilot
> Create a small web service with a single JSON endpoint and basic tests

如果你不想进入交互模式,也可以用单条 prompt 直接生成提案:

code
copilot -p "Create a small web service with a single JSON endpoint and basic tests"

在 Skills 练习中,这个模式会反复出现:先描述意图,再决定哪些建议命令值得执行。

在这个阶段,Copilot CLI 的作用是探索问题空间。它可能会:

  • 推荐技术栈
  • 梳理文件结构
  • 提出初始化命令

不会有任何内容自动执行。你会先检查,再决定是否执行。这让 CLI 成为在确定设计前进行试验的理想场所。

第 2 步:只脚手架化你愿意负责的部分

当你看到一个自己认可的方向后,再让 Copilot CLI 帮你搭脚手架:

code
> Scaffold this as a minimal Node.js project with a test runner and README

这是 Copilot CLI 最能立刻体现价值的阶段。它可以:

  • 创建目录与配置,
  • 串好基础项目结构,
  • 生成原本需要你手敲或复制的样板代码。

Copilot CLI 并不会“接管”项目结构。它只是按常见约定给出脚手架建议,你应把它当作起点,而不是标准答案。

核心约束是:你始终对结果负责。把输出当成同事提交的代码——审阅、修改,或者直接丢弃。

第 3 步:在失败发生处迭代

直接在 Copilot CLI 里运行测试:

code
Run all my tests and make sure they pass

如果出错,就在同一会话里围绕这个具体失败继续追问:

code
> Why are these tests failing?

如果你想要可落地的方案而不是解释,可以试试:

code
> Fix this test failure and show the diff

这种模式——运行(!command)、检查、提问、审阅 diff——能让 agent 基于真实输出工作,而不是停留在抽象 prompt 上。

💡**实用建议:**在实际使用中,explain 适合你需要“理解原因”时;suggest 更适合你需要“可审阅的具体方案”时。在这篇指南中了解 Copilot CLI 的 slash commands

第 4 步:处理机械性或全仓库变更

Copilot CLI 也非常适合这类“描述简单、执行繁琐”的改动:

code
> Rename all instances of X to Y across the repository and update tests

因为这类改动往往机械且范围明确,所以易于评审,也易于回滚。CLI 会给你具体 diff,而不是一大段生成文本。

第 5 步:当需要“打磨代码”时,切换到编辑器

到某个阶段后,速度的重要性会让位于精度。

这就是自然切换到编辑器或 IDE 的时机,你可以在那里:

  • 推敲边界场景
  • 精炼 API
  • 做出设计决策

Copilot 在那里同样可用,但关键在于你为什么切换环境。CLI 帮你快速推进到“真实可运行的东西”;IDE 则让你把代码打磨成你真正想要的样子。

一个实用经验法则:

  • **CLI:**用 /plan,生成 /diff,低仪式成本快速推进
  • **IDE:**当你需要精炼逻辑并做出可在评审中自证的决策时,使用 /IDE
  • **GitHub:**提交代码,用 /delegate 命令创建 pull request,并进行异步协作

第 6 步:在 GitHub 上交付

当变更状态良好后,进行提交并创建 pull request——这些都可以在 Copilot CLI 里用自然语言完成:

code
Add and commit all files with a applicable descriptive messages, push the changes.
code
Create a pull request and add Copilot as a reviewer

到这一步,工作成果就具备了可持续价值:

  • 团队可评审
  • CI 可测试
  • 可进入异步迭代

这也是 Copilot 价值持续累积的地方:它不是只在单一界面给建议,而是融入一条以交付为终点的流程。Skills 练习刻意在这里收束,因为 Copilot 真正的长期价值体现在 commit、pull request 与 review 中(而不只是建议本身)。

一条工作流,三个关键时刻

理解 Copilot 的一个好模型是:

  • CLI:低仪式成本快速验证价值
  • IDE:塑形并精炼代码
  • GitHub:评审、协作与发布

Copilot CLI 的强大之处,恰恰在于它融入这套体系,而不是试图取代它。

带走这条原则

当你把 Copilot CLI 当作“提升推进速度的工具”,而不是“替代判断力的系统”时,它价值最大。

用得好,它能让你更快把意图落成具体变更:探索想法、搭建项目、诊断故障,以及在终端里完成机械性工作。需要精细决策时,转到编辑器;准备共享成果时,落到 GitHub 的 pull request——可评审、可测试、可交付。

相比任何单一命令,这条流转路径更重要。

如果这份指南只带走一句话,那就是:当 Copilot 自然融入开发者本就熟悉的软件构建方式时,它效果最好。先在 CLI 里解卡点或快速推进,再在 IDE 里放慢节奏做可负责的决策,最后依靠 GitHub 让工作成果长期可用。

作者

Ari LiVigni

GitHub 高级服务交付工程师

探索更多 GitHub 内容

Docs

文档(Docs)

掌握 GitHub 所需的一切内容,集中在一个地方。

Go to Docs

GitHub

GitHub

在 GitHub 上构建下一代产品。无论你来自哪里、是谁,都能在这里构建任何东西。

Start building

Customer stories

客户案例(Customer stories)

了解使用 GitHub 构建产品的公司与工程团队。

Learn more

The GitHub Podcast

The GitHub Podcast

关注 GitHub 播客节目,了解 GitHub 开源开发者社区内外的主题、趋势、故事与文化。

Listen now

查看原文 ↗

相关文章

将机器人 AI 带到嵌入式平台:数据集采集、VLA 微调与端侧优化实践
教程Hugging Face·3月5日
将机器人 AI 带到嵌入式平台:数据集采集、VLA 微调与端侧优化实践

NXP 在 Hugging Face 分享了将 VLA 模型部署到嵌入式机器人平台的实战方法,重点覆盖数据采集规范、ACT/SmolVLA 微调策略以及 i.MX95 上的实时优化。文章指出,嵌入式部署的核心并非单纯模型压缩,而是涉及架构拆分、时延感知调度和软硬件协同执行。其经验表明,高一致性数据、合理视角配置与分块优化,对成功率和实时控制表现至关重要。

9 分钟
用这 4 个技巧在 Project Genie 里创造新世界
教程Google·3月3日
用这 4 个技巧在 Project Genie 里创造新世界

Google DeepMind 的 Project Genie 是一个实验性原型,支持通过文本或“文本+图片”创建、探索并混编交互式世界。文章给出实操提示:细化环境设定、定义角色及移动方式、用自有图片起步、使用简短动作导向提示词,并在第一/第三人称视角间切换。该功能目前面向美国 18 岁以上的 Google AI Ultra 订阅用户开放,后续计划扩展。

6 分钟