概要
このモジュールでは、プロジェクトとワークフローに合わせて Visual Studio Code で GitHub Copilot を構成およびカスタマイズする方法について説明しました。 GitHub Copilot を汎用アシスタントから一連のカスタマイズ済み AI コラボレーターに変換するカスタマイズの複数のレイヤーについて説明しました。
まず、カスタマイズの利点と、プロジェクト固有の知識を GitHub Copilot の動作に埋め込むことで、より関連性の高い正確な提案がどのように生成されるかを調べることから始めました。 次に、リポジトリ全体の .github/copilot-instructions.md ファイルとパス固有の .instructions.md ファイルの両方のカスタム命令ファイルを作成して、コーディング標準、名前付け規則、アーキテクチャ パターンをプロジェクト全体に適用する方法について説明しました。 また、効果的な命令を記述するためのヒントと、 /init コマンドを使用してスターター命令ファイルを生成する方法についても説明しました。 さらに、プロンプト ファイル (.prompt.md) について説明しました。これは、チーム全体の一般的なタスクを標準化する再利用可能なプロンプト テンプレートです。
次に、特定の手順、ツールのアクセス許可、および動作ガイドラインを使用して構成できる、 .agent.md ファイルで定義された特殊な AI ペルソナというカスタム エージェントについて説明しました。 それぞれワークスペース ツールへの適切なレベルのアクセス権を持つ、計画、実装、コード レビュー、テストなどのロールのエージェントを作成する方法について学習しました。 また、サブタスクを委任するためのサブエージェント、リポジトリ間の整合性のための組織レベルのエージェント、構造化された専門知識のためのエージェント スキル、Claude 形式のエージェント ファイルとの互換性など、高度なエージェント機能についても説明しました。
最後に、ハンドオフを使用してエージェントを連結し、各エージェントが特定の開発フェーズを処理するマルチステップ ワークフローを有効にする方法について学習しました。 計画から実装、レビューまで、ハンドオフは構造化された移行を提供し、AI が各ステップで特殊な作業を処理しながら、開発者を制御し続けます。 また、クラウドおよびバックグラウンド エージェントの実行環境と、ライフサイクルの自動化のための GitHub Copilot フックについても学習しました。
このモジュールの主なポイントは、カスタマイズによってチームの知識、標準、ワークフローを GitHub Copilot に直接埋め込むことができる点です。 カスタム命令とプロンプト ファイルは AI の提案をコーディング規則に合わせ、カスタム エージェントはハンドオフを使用して、経験豊富な開発チームの動作を反映する複数ステップの AI 支援ワークフローを可能にします。
この知識を適用するには、独自のプロジェクトでコーディング標準、アーキテクチャの決定、およびワークフロー パターンを識別します。
.github/copilot-instructions.md ファイルから始めて、最も重要なガイドラインを取り込む (または、/init コマンドを使用して生成する)、チームが繰り返し実行するタスクのプロンプト ファイルを作成してから、チームが最も頻繁に使用する特殊なロール (計画、コード レビュー、テスト、デバッグなど) のカスタム エージェントを作成します。