Résumé
Dans ce module, vous avez appris à configurer et personnaliser GitHub Copilot dans Visual Studio Code pour mieux adapter vos projets et flux de travail. Vous avez exploré plusieurs couches de personnalisation qui transforment GitHub Copilot d’un assistant universel en un ensemble de collaborateurs d’IA personnalisés.
Vous avez commencé par examiner les avantages de la personnalisation et la façon dont l’incorporation de connaissances spécifiques au projet dans le comportement de GitHub Copilot produit des suggestions plus pertinentes et précises. Vous avez ensuite appris à créer des fichiers d’instructions personnalisés , à la fois des fichiers à l’échelle .github/copilot-instructions.md du référentiel et des fichiers spécifiques .instructions.md au chemin d’accès, pour appliquer des normes de codage, des conventions d’affectation de noms et des modèles architecturaux dans votre projet. Vous avez également appris des conseils pour écrire des instructions efficaces et comment utiliser la /init commande pour générer un fichier d’instructions de démarrage. En outre, vous avez exploré les fichiers d’invite (.prompt.md) : modèles d’invite réutilisables qui normalisent les tâches courantes au sein de votre équipe.
Ensuite, vous avez exploré des agents personnalisés : des personnages IA spécialisés définis dans .agent.md des fichiers que vous pouvez configurer avec des instructions spécifiques, des autorisations d’outil et des instructions comportementales. Vous avez appris à créer des agents pour des rôles tels que la planification, l’implémentation, la révision du code et les tests, chacun avec le niveau approprié d’accès aux outils d’espace de travail. Vous avez également exploré les fonctionnalités avancées de l’agent, notamment les sous-tâches pour déléguer des tâches subordonnées, les agents au niveau de l’organisation pour la cohérence entre les référentiels, les compétences de l’agent pour une expertise structurée et la compatibilité avec les fichiers de l’agent au format Claude.
Enfin, vous avez appris à chaîner des agents ensemble à l'aide de passages, ce qui permet d'avoir des flux de travail à étapes multiples où chaque agent gère une phase spécifique de développement. De la planification à l’implémentation et jusqu'à la révision, les transmissions fournissent des transitions structurées qui permettent au développeur de rester maître de la situation pendant que l’IA gère le travail spécialisé à chaque étape. Vous avez également découvert les environnements d’exécution pour les agents cloud et en arrière-plan, ainsi que les hooks GitHub Copilot pour l’automatisation du cycle de vie.
Le principal point de départ de ce module est que la personnalisation vous permet d’incorporer les connaissances, les normes et les flux de travail de votre équipe directement dans GitHub Copilot. Les instructions personnalisées et les fichiers d’invite alignent les suggestions d’IA avec vos conventions de codage, et les agents personnalisés avec relais permettent aux flux de travail multi-étapes assistés par l’IA de refléter le fonctionnement des équipes de développement expérimentées.
Vous pouvez appliquer ces connaissances en identifiant les normes de codage, les décisions architecturales et les modèles de flux de travail dans vos propres projets. Commencez par un .github/copilot-instructions.md fichier pour capturer vos instructions les plus importantes (ou utilisez la commande pour en générer un), créez des fichiers d’invite pour les tâches que votre équipe effectue à plusieurs reprises, puis créez des agents personnalisés pour les rôles spécialisés que votre équipe utilise le plus souvent, que ce soit la planification, la /init révision du code, le test ou le débogage.