企业官网建设流程全解析

从想法到合并PR：用GitHub Copilot CLI打造完整功能开发终极工作流

【免费下载链接】copilot-cli-for-beginnersLearn how to get started using the GitHub Copilot CLI!项目地址: https://gitcode.com/gh_mirrors/co/copilot-cli-for-beginners

GitHub Copilot CLI 是一个运行在终端里的 AI 编程助手，它能把"写代码、跑测试、审查代码、发 PR"整条链路压缩到一个会话中完成。本文将带你走一遍面向新手的功能开发工作流：安装 GitHub Copilot CLI → 用/plan生成实现计划 → 用@语法引入代码上下文 → 自动生成测试 →/review代码评审 → 生成提交信息并创建 Pull Request。全程不需要切换浏览器，也不需要大量代码基础。

GitHub Copilot CLI 安装步骤：3步准备就绪

在开始之前，先花 5 分钟把环境准备好。

第 1 步：获取课程示例项目

git clone https://gitcode.com/gh_mirrors/co/copilot-cli-for-beginners cd copilot-cli-for-beginners

第 2 步：安装 Copilot CLI（三选一，看你用哪个系统）

# macOS / Linux（Homebrew） brew install copilot-cli # Windows（WinGet） winget install GitHub.Copilot # 已装 Node.js 的用户（全平台通用） npm install -g @github/copilot

第 3 步：登录并验证

copilot > /login

浏览器会自动弹出授权页面，点击授权即完成登录（登录一次，长期有效）。然后在会话里输入"Say hello"，如果 AI 正常回应，就说明安装成功了：

💡 详细安装说明见 00-quick-start/README.md。

第一步：用 /plan 生成实现计划

假设你想给示例图书应用加一个"列出未读书籍"的功能。不要急着写代码，先用内置的 Plan Agent 让 AI 把方案想清楚：

copilot > /plan 给图书应用加一个"list unread"命令，只显示 read 为 False 的书，需要改哪些文件？

Plan Agent 会输出一份分步实现计划：要改哪些文件、方法签名怎么写、有哪些边界情况。计划经过你确认后再动手，能避免大部分返工。

第二步：用 @ 语法引入项目代码上下文

AI 不了解你的项目就只是"泛泛而谈"。@是 GitHub Copilot CLI 的核心语法：@文件让 AI 读取单个文件，@目录/让 AI 扫描整个目录。

> @samples/book-app-project/books.py 设计一个 get_unread_books 方法，最好的实现方式是什么？

引用多个文件时，AI 还能做跨文件分析——发现重复代码、数据流走向、不一致的错误处理等只看单文件发现不了的问题：

更多上下文用法见 02-context-conversations/README.md。

第三步：用 GitHub Copilot CLI 自动生成功能测试

实现完功能后，下一步是补测试。手动写测试往往只有 2~3 个用例，而 AI 一次能生成 15+ 个覆盖边界情况的测试：

> @samples/book-app-project/books.py 为新功能生成 pytest 测试，包括： > - 正常过滤场景 > - 空集合 > - 全部已读 / 全部未读 > - 大小写与特殊字符边界

第四步：用 /review 做提交前代码评审

/review命令会调用内置的 code-review Agent，专门审查你已暂存/未暂存的改动，输出高信噪比的问题清单。这是合并 PR 前的最后一道质量关卡：

git add . # 先暂存改动 copilot > /review > /diff # 再整体看一遍本次会话的所有改动

第五步：生成提交信息并创建 PR

最后两步，AI 也能代劳：

# 一条命令生成符合规范的提交信息（Conventional Commit） copilot -p "Generate a conventional commit message for: $(git diff --staged)" # 输出类似：feat(books): add list unread books command # 在交互模式中直接用 /pr 操作 Pull Request > /pr create

至此，从想法到 PR 的核心链路就走完了。下面是五个日常开发工作流的全景图：代码评审、重构、调试、测试生成、Git 集成：

进阶：用自定义 Agent 和 Skills 强化工作流

如果团队有固定标准（比如"Python 必须加类型提示""提交信息必须走 Conventional 格式"），可以把这些标准固化下来，不用每次重复叮嘱：

• 自定义 Agent（.agent.md文件）：像聘请专家一样定义角色。仓库里就有现成示例 samples/agents/python-reviewer.agent.md，定义了一位严格检查类型提示、异常处理、PEP 8 的 Python 评审专家，用/agent切换即可启用：

• Skills（SKILL.md文件）：按任务自动加载的操作手册，比如 samples/skills/code-checklist/SKILL.md。当你问"检查这个文件的质量问题"时，AI 会自动匹配并应用对应技能，无需手动触发。

两者对比可以阅读 04-agents-custom-instructions/README.md 和 05-skills/README.md。

连接 GitHub：用 MCP 读取 Issue 和 PR

装好内置的 GitHub MCP Server 后，Copilot 可以主动读取仓库的 Issue 和 PR，而不需要你复制粘贴：

> 列出本仓库最近的提交 > 获取 issue #42 的详情 > 创建一个关联 issue #42 的 Pull Request

这让"从 Issue 到 PR"变成了纯终端操作：AI 读需求 → 改代码 → 建 PR 关联 Issue，一气呵成。详见 06-mcp-servers/README.md。

工作流清单：从想法到合并 PR

把上面的步骤串起来，就是你日常可以复用的终极工作流：

学习资源：在仓库中继续深入

• 完整第 07 章（本篇工作流的详细版）：07-putting-it-together/README.md
• 五大开发工作流详解：03-development-workflows/README.md
• 课程示例项目（Python 图书应用）：samples/book-app-project/
• CI/CD 集成（让 AI 在每个 PR 上自动评审）：appendices/ci-cd-integration.md

🎯记住一句话：先/plan，再@给上下文，最后才动手实现——顺序对了，效率翻倍。现在打开终端，输入copilot，开始你的第一个功能吧！

【免费下载链接】copilot-cli-for-beginnersLearn how to get started using the GitHub Copilot CLI!项目地址: https://gitcode.com/gh_mirrors/co/copilot-cli-for-beginners