Resumen
En este módulo, ha aprendido a configurar y personalizar GitHub Copilot en Visual Studio Code para adaptarse mejor a los proyectos y flujos de trabajo. Ha explorado varias capas de personalización que transforman GitHub Copilot de un asistente de uso general en un conjunto de colaboradores de inteligencia artificial adaptados.
Para empezar, examine las ventajas de la personalización y cómo insertar conocimientos específicos del proyecto en el comportamiento de GitHub Copilot genera sugerencias más relevantes y precisas. Luego aprendiste a crear archivos de instrucciones personalizados—tanto archivos en todo el .github/copilot-instructions.md repositorio como archivos específicos de .instructions.md ruta—para aplicar estándares de codificación, convenciones de nomenclatura y patrones arquitectónicos en todo el proyecto. También ha aprendido sugerencias para escribir instrucciones eficaces y cómo usar el /init comando para generar un archivo de instrucciones de inicio. Además, ha explorado los archivos de solicitud (.prompt.md): plantillas de solicitud reutilizables que estandarizan tareas comunes en todo el equipo.
A continuación, ha explorado agentes personalizados: agentes de IA especializados definidos en archivos .agent.md que puede configurar con instrucciones específicas, permisos de herramientas y directrices de comportamiento. Ha aprendido a crear agentes para roles como planeación, implementación, revisión de código y pruebas, cada uno con el nivel adecuado de acceso a las herramientas del área de trabajo. También exploraste características avanzadas del agente, incluidos los subagentes para delegar subtareas, agentes de nivel de organización para la coherencia entre repositorios, habilidades del agente para una experiencia estructurada y compatibilidad con archivos de agentes en formato Claude.
Por último, has aprendido a encadenar agentes mediante transferencias, lo que permite procesos de varios pasos en los que cada agente gestiona una fase específica del desarrollo. Desde la planeación a través de la implementación hasta la revisión, las entregas proporcionan transiciones estructuradas que mantienen al desarrollador en el control mientras la inteligencia artificial controla el trabajo especializado en cada paso. También ha aprendido sobre los entornos de ejecución en la nube y de agentes en segundo plano, así como sobre los enlaces de GitHub Copilot para la automatización del ciclo de vida.
La conclusión principal de este módulo es que la personalización le permite insertar los conocimientos, estándares y flujos de trabajo del equipo directamente en GitHub Copilot. Las instrucciones personalizadas y los archivos de solicitud alinean las sugerencias de IA con las convenciones de codificación, y los agentes personalizados con transferencias permiten los flujos de trabajo asistidos por IA de varios pasos que reflejan el funcionamiento de los equipos de desarrollo experimentados.
Puede aplicar este conocimiento mediante la identificación de los estándares de codificación, las decisiones arquitectónicas y los patrones de flujo de trabajo en sus propios proyectos. Comience con un .github/copilot-instructions.md archivo para capturar las instrucciones más importantes (o use el /init comando para generar uno), cree archivos de solicitud para las tareas que realiza el equipo repetidamente y, a continuación, cree agentes personalizados para los roles especializados que usa el equipo con más frecuencia, ya sea planeación, revisión de código, pruebas o depuración.