liyupi
1ce719ffb3
新增文章： - CBTI 程序员人格测试项目实战（Cursor） - AI 开源项目学习网站项目实战（Codex + GPT-5.5） - AI 提肛助手项目实战（Claude Code + DeepSeek V4） - GitHub Copilot Coding Agent 云端自动开发实战 内容更新： - 概念大全：扩充 RAG 进阶方案和 Harness Engineering 核心模块 - AI 编程技术：补充 16 种 RAG 实现方案分层概览和选型建议 - 命令行工具：新增 CC Switch 切换第三方模型章节 - 工具大全：支线新增 Copilot Coding Agent 引用 - 项目实战导读：新增 3 个原创项目提及 - 五大核心心法：引用 Harness Engineering 概念 - 模型选择指南/成本控制：补充小米 MiMo 选项 - 程序员成长大法、作者页面更新 Made-with: Cursor
620 lines
28 KiB
Markdown
620 lines
28 KiB
Markdown
# GitHub Copilot 云端 AI 自动开发实战
|
||
|
||
本文介绍如何利用 GitHub Copilot Coding Agent 在云端自动完成从需求分析到全栈开发、测试、部署上线、代码审查、Issue 处理、定时任务的全流程。全程不需要打开 IDE，在 GitHub 网页版即可完成。
|
||
|
||
大家好，我是程序员鱼皮。
|
||
|
||
前两天，我受邀参加了微软 AI Tour 大会，还在会上做了一场演讲。
|
||
|
||
主题是「带你看 GitHub Copilot 的另一面：智能体装机，不只在 IDE」。这名字是大会方包装的，说实话我自己看着都一头雾水。。。
|
||
|
||
|
||
|
||
简单来说就是：**手把手教大家如何用 GitHub + Copilot，打造属于自己的 AI 智能体。**
|
||
|
||
真没想到有这么多人来听分享，看来大家对这个选题确实很感兴趣。
|
||
|
||
|
||
|
||
这篇文章就是演讲的完整文字版，希望能给大家一些启发和帮助。
|
||
|
||
⭐️ 视频版：https://bilibili.com/video/BV1aFoyBnE4D
|
||
|
||
|
||
|
||
## 背景和思考
|
||
|
||
最近「一人公司」和「龙虾」的概念特别火，很多人都在玩 AI 智能体，比如 OpenClaw 养虾、Hermes Agent 养马什么的。
|
||
|
||
现在的 AI 智能体不只是聊天，能持续干活、越用越懂你、随处使用。
|
||
|
||
但是，你有没有想过，扒开所有花哨的包装，**一个 AI 智能体的本质到底是什么？**
|
||
|
||
我觉得是四样东西：**角色、记忆、技能、工作空间**。
|
||
|
||
没有工作空间，角色无处定义、记忆无处存储、技能无处挂载。
|
||
|
||
|
||
|
||
除了自己的电脑之外，还有其他的工作空间吗？
|
||
|
||
作为一名开源作者，我本能地想到 GitHub 这个全球最大的代码托管平台，它的仓库天然就是 **持久化的文件空间**；而 GitHub Copilot 又提供了强大的 AI 代理执行能力，还支持网页版使用。
|
||
|
||
那干脆把 GitHub 仓库当成养 AI 智能体的「个人电脑」，不就可以了么？
|
||
|
||
所以下面我要手把手教大家：**怎么用 GitHub 打造一只你自己的 AI 小龙虾。**
|
||
|
||
我把它称为「给虾」：
|
||
|
||
|
||
|
||
接下来我会一步步演示，如何利用 GitHub 搭建一个超级智能体，不需要打开 IDE，也能完成从需求分析到全栈开发、测试、文档生成、部署上线、SEO 优化、代码审查、自动处理 Issues、定时任务的全流程。
|
||
|
||
|
||
|
||
## 1、初始化 Agent
|
||
|
||
打开 GitHub 网页版，你会发现 GitHub Copilot 的对话入口随处可见，已经融入到 GitHub 的各个角落了。
|
||
|
||
|
||
|
||
我们先新建一个叫 `github-claw` 的仓库，作为 AI 智能体的工作空间。
|
||
|
||
创建仓库时就可以填入初始化的提示词，这其实就是我们给这只 AI 小龙虾注入灵魂的过程。
|
||
|
||
|
||
|
||
在开始之前，建议先从右上角进入 GitHub Copilot 的设置，开启联网搜索功能，这样 AI 能获取更新的信息。
|
||
|
||
|
||
|
||
然后我们填入初始化 Agent 的提示词。这段提示词定义了龙虾的角色、行为规则和记忆机制：
|
||
|
||
```markdown
|
||
你是这个仓库中长期驻留的个人 AI 助手与主要代理，像 OpenClaw 一样，不只是回答问题，还要持续做事、积累记忆、维护角色，并让这个仓库逐渐成为可长期演化的个人 AI 空间。
|
||
|
||
请先参考 OpenClaw 官方文档，理解它作为 "能做事的个人 AI 助手" 的定位，以及角色、记忆、技能和工作空间的思路：https://docs.openclaw.ai
|
||
|
||
然后把这个仓库初始化为适合 GitHub Copilot 网页版长期使用的个人 AI 工作空间，让我以后在新的 Copilot 对话里，也能继续沿用同一个角色、记忆和工作方式。
|
||
|
||
请先创建并提交一个简洁、可长期复用的 AGENTS.md，在里面定义：
|
||
- 你是谁
|
||
- 你如何在这个仓库中工作
|
||
- 你如何管理任务与记忆
|
||
- 你每次完成任务后要做的收尾动作
|
||
|
||
要求：
|
||
- 把仓库当作持久化的文件与记忆空间，可保存任何有用文件
|
||
- 用文件作为记忆的真实来源，不把重要信息只留在当前对话里
|
||
- 将长期记忆与每日/临时记录区分开
|
||
- 规则简洁、实用、可扩展，不要过度设计
|
||
|
||
如果确有必要，可以补充最少量的 MEMORY.md、memory/ 或 SOUL.md，但请保持轻量，并以 AGENTS.md 为核心。
|
||
```
|
||
|
||
可以看到，Copilot 自动初始化了一个工作空间，还自动集成了 GitHub 的 MCP 工具：
|
||
|
||
|
||
|
||
任务完成后，它会自动创建一个 PR。我们人工检查一下，没问题就合并。
|
||
|
||
|
||
|
||
对了，如果你发现有「网络连接失败」的提示，是因为 Copilot coding agent 默认有防火墙限制。需要到仓库设置里关闭防火墙：
|
||
|
||
|
||
|
||
Agent 初始化完成后，你可以跟它打个招呼，它会通过文档获取到记忆：
|
||
|
||
|
||
|
||
|
||
|
||
## 2、开发上线网站
|
||
|
||
Agent 初始化好了，接下来让它干活。
|
||
|
||
让它帮我的开源 AI 知识库项目 `ai-guide` 开发一个高颜值的导航官网，提示词如下：
|
||
|
||
```markdown
|
||
请为我开源的 AI 知识库项目（ai-guide）开发并部署一个高颜值的导航官网，突出项目介绍、精选内容、路线图、更新日志、增长趋势等，吸引更多人关注我的开源仓库。必须使用 UI-UX-PRO-MAX 技能全面优化前端界面，完成后直接给出可上线访问的地址。必须自主完成任务
|
||
```
|
||
|
||
在仓库的 Agents 面板中，可以直接发起新的对话任务。
|
||
|
||
Copilot 会通过 GitHub MCP 获取我的开源项目信息，然后自动开始开发网站：
|
||
|
||
|
||
|
||
生成代码后，它还会自动执行代码检查，发现问题就自主修复：
|
||
|
||
|
||
|
||
接着它会自动创建 GitHub Actions 工作流，利用 GitHub Pages 完成静态网站的部署：
|
||
|
||
|
||
|
||
合并 PR 后，还需要进入仓库设置里的 GitHub Pages，选择「从工作流部署」（注意仓库必须是公开的）：
|
||
|
||
|
||
|
||
然后手动触发一次工作流，后续每次推送代码都会自动触发部署：
|
||
|
||
> 注意检查 workflow 里的分支名配置，要和你仓库的默认分支一致（比如 `master` 还是 `main`）。
|
||
|
||
|
||
|
||
成功部署后，页面就可以正常访问了：
|
||
|
||
|
||
|
||
|
||
|
||
## 3、使用技能
|
||
|
||
不过你可能注意到了，虽然我在提示词里提到了要用 `UI-UX-PRO-MAX` 技能，但 AI 并没有真正安装它。
|
||
|
||
当我命令它用技能时，它反而自己造了一个，这就不对了。
|
||
|
||
|
||
|
||
所以我们需要新开一个对话，通过提示词教会 AI 如何正确发现、安装和使用技能：
|
||
|
||
```markdown
|
||
请优化当前仓库的工作流与 AGENTS.md，让这个仓库中的主要 AI 代理具备稳定的技能发现、安装和使用机制。
|
||
|
||
明确约定如下：
|
||
- 项目级技能统一保存在 .agents/skills/
|
||
- 每个技能使用独立目录，例如 .agents/skills/<skill-name>/
|
||
- 技能的主入口文件为 SKILL.md
|
||
- 如果技能包含脚本、模板或资源文件，也与 SKILL.md 放在同一技能目录下
|
||
|
||
请在 AGENTS.md 中加入简洁、可执行的规则，使代理在后续工作中遵循以下流程：
|
||
1. 接到任务后，先检查本地 .agents/skills/ 中是否已有可复用技能
|
||
2. 如果本地没有合适技能，再自动到 GitHub 开源仓库和 Skills.sh 搜索相关技能
|
||
3. 优先选择来源清晰、结构规范、说明完整、风险较低的技能
|
||
4. 安装技能时，将其保存到 .agents/skills/<skill-name>/
|
||
5. 安装后更新必要说明，使后续对话能够直接复用这些技能
|
||
6. 如果找不到合适技能，再自行完成任务，但优先沉淀成可复用技能
|
||
7. 避免重复安装相同技能，并尽量保持技能目录整洁、命名清晰、可维护
|
||
```
|
||
|
||
AI 顺利完成了任务，制定了技能标准：
|
||
|
||
|
||
|
||
搞定了技能规范，接下来让 AI 正确安装并使用 `UI-UX-PRO-MAX` 技能来优化网站：
|
||
|
||
```markdown
|
||
帮我废弃掉原来错误的 UI-UX-PRO-MAX 技能，安装正确的 UI-UX-PRO-MAX 技能，并利用这个技能优化之前的 ai-guide 导航网站
|
||
```
|
||
|
||
|
||
|
||
这次成功了！AI 智能体从 GitHub 上正确复制了技能目录，并用技能优化了网站的 UI：
|
||
|
||
|
||
|
||
页面移除了多余的 Emoji，看起来更专业了：
|
||
|
||
|
||
|
||
更重要的是，它还更新了 `AGENTS.md` 工作流、记忆和任务文件，实现了 AI 智能体的进化，之后它就能自己发现和使用技能了：
|
||
|
||
|
||
|
||
|
||
|
||
## 4、文档生成
|
||
|
||
文档是开源项目的牌面，我们让 AI 帮忙生成一份图文并茂的项目介绍文档 README.md。
|
||
|
||
这里有个小技巧，先人工挑选一个靠谱的 AI 生图技能，然后到 [鱼皮 AI 导航](https://ai.codefather.cn/) 上找一个你喜欢的绘图风格提示词模板，一起提供给 AI 参考。
|
||
|
||
|
||
|
||
给 AI 的提示词：
|
||
|
||
```markdown
|
||
请先阅读当前仓库中的 ai-guide 导航网站，并为它生成一份高质量的 README.md 项目介绍文档，同时配套生成几张帮助理解和宣传网站的动漫风格图片，保存并在 README 中引用。
|
||
|
||
请先安装并使用这个 AI 生图技能：npx skills add https://github.com/inferen-sh/skills --skill ai-image-generation。我可以提供 Gemini NanoBanana 的 API Key，请安全使用，不要写入仓库。
|
||
|
||
AI 生图的风格参考下面的提示词模板：@已经复制的模板
|
||
```
|
||
|
||
AI 完成任务后会请求一个生图 API Key，我们到 Google AI Studio 上获取后发给 AI。它会注重安全性，仅临时使用这个密钥：
|
||
|
||
|
||
|
||
AI 智能体成功调用技能，生成了图文并茂的文档：
|
||
|
||
|
||
|
||
不过这次它误改了网站首页的文件。没关系，通过 PR 我们发现了这个问题，不合并就行，再让 AI 自主修复。
|
||
|
||
这里也提醒大家：**虽然 AI 写代码能力很强了，但代码审查依然很重要。**
|
||
|
||
|
||
|
||
|
||
|
||
## 5、SEO 优化
|
||
|
||
开源项目上线后，想把它推广出去，需要做好 SEO 搜索引擎优化，让用户能在搜索引擎上搜索到你的网站。
|
||
|
||
我们用一个专业的 SEO 技能来优化网站：
|
||
|
||
```markdown
|
||
请先阅读当前仓库中的 ai-guide 导航网站，并对它进行一轮高质量的 SEO 优化，直接完善站点的标题、描述、结构化信息、页面语义、链接结构和可索引性。
|
||
|
||
做法上，请先安装并使用这个 SEO 技能：npx skills add https://github.com/coreyhaines31/marketingskills --skill seo-audit，然后把优化结果直接落实到项目代码中。
|
||
```
|
||
|
||
GitHub Copilot 整合了 Claude 等多个模型，可以直接在云端启动不同的 AI 来完成任务：
|
||
|
||
|
||
|
||
直接在网页端爽用 Claude 模型：
|
||
|
||
|
||
|
||
很快 AI 就完成了 SEO 优化，网站更容易被搜索引擎收录了：
|
||
|
||
|
||
|
||
效果如图，网页上增加了一堆搜索关键词：
|
||
|
||
|
||
|
||
可以看出，我们的 AI 智能体已经能够熟练运用各种技能了。之后你再新开一个对话，就可以直接使用已经安装好的技能，把 GitHub 当成安全隔离的「电脑空间」来用。
|
||
|
||
|
||
|
||
## 6、开发前后端全栈项目
|
||
|
||
既然 GitHub 提供了完整的工作空间，那也可以用来开发包含后端的全栈项目。
|
||
|
||
比如输入下面的提示词，让 AI 帮我开发个《多媒体处理平台》：
|
||
|
||
```markdown
|
||
在当前仓库内新开发一个完整可运行的《多媒体处理平台》前后端项目：
|
||
- 前端使用 Vue 实现多页面，支持图片、音频和视频的压缩与格式转换
|
||
- 后端使用 Python + SQLite + FFmpeg 等
|
||
|
||
请自主完成项目的前后端开发、联调、依赖配置、示例数据、必要文档和本地运行方式，并主动进行测试验证，确保图片、音频和视频的压缩与格式转换流程都能实际可用。
|
||
|
||
除非确实必要，否则不要中途停下来向我确认，直接持续推进到可运行状态。
|
||
```
|
||
|
||
AI 会自己完成环境安装、前后端开发、自动化测试、文档生成，全流程一条龙：
|
||
|
||
|
||
|
||
注意，这些全部都是在云端执行的。哪怕你把网页、网络甚至电脑都关了，也不影响它继续工作。
|
||
|
||
|
||
|
||
|
||
|
||
## 7、测试验证
|
||
|
||
涉及后端的项目还是得好好测试一下。有 2 种方式可以访问和测试。
|
||
|
||
|
||
|
||
### 本地接管测试
|
||
|
||
开发完成后，你可以在 AI 工作的对话框中点击「Open in VS Code」，或者用 Copilot CLI 在本地接管项目：
|
||
|
||
|
||
|
||
VS Code 接管项目后，会自动克隆仓库到本地并打开。
|
||
|
||
然后你可以让 AI 帮你运行项目：
|
||
|
||
```markdown
|
||
帮我运行这个项目的前后端
|
||
```
|
||
|
||
它会自动创建 Python 虚拟环境，关键步骤会找你确认（比如安装依赖和执行命令），非常安全：
|
||
|
||
|
||
|
||
然后人工打开浏览器测试，有问题再让 AI 修复就好：
|
||
|
||
|
||
|
||
|
||
|
||
### 在线运行测试
|
||
|
||
如果不想开本地 IDE，还可以用 GitHub Codespaces。
|
||
|
||
Codespaces 是 GitHub 提供的云端开发环境，可以在浏览器里直接编辑代码、运行项目，体验和本地 VS Code 几乎一样。
|
||
|
||
|
||
|
||
需要先让 AI 帮忙创建 Codespaces 所需的配置，这样创建环境后就会自动完成初始化并运行项目：
|
||
|
||
```markdown
|
||
请继续为这个项目补全 GitHub Codespaces 开发环境配置，创建 .devcontainer/ 相关文件，使其适配这个前后端项目，并确保在创建 Codespace 后能够自动安装前后端依赖、安装 FFmpeg、初始化必要环境、自动启动 Vue 前端与 Python 后端，并正确转发访问端口。
|
||
```
|
||
|
||
|
||
|
||
AI 创建了所需的配置文件：
|
||
|
||
|
||
|
||
然后在 GitHub 上创建 Codespace：
|
||
|
||
|
||
|
||
创建完成后，正常情况下可以直接访问前端和后端（注意前端请求后端的地址可能需要调整）：
|
||
|
||
|
||
|
||
如果访问不了，也可以进入 Codespace 的终端手动执行启动脚本（注意脚本的执行路径要正确）：
|
||
|
||
|
||
|
||
你看，这个操作界面是不是和本地的 VS Code 一样？而且还能直接在网页版里使用 Copilot。
|
||
|
||
|
||
|
||
## 8、代码审查
|
||
|
||
代码审查是保障代码质量的关键环节。GitHub Copilot 提供了自动和手动两种审查方式。
|
||
|
||
|
||
|
||
### 自动代码审查
|
||
|
||
Copilot coding agent 开发的代码，本身就会自动执行一轮代码审查：
|
||
|
||
|
||
|
||
同时还会自动执行安全检测：
|
||
|
||
|
||
|
||
此外，你还可以在仓库设置中开启对所有 PR 的自动审查。
|
||
|
||
|
||
|
||
把 Copilot 当成你的「同事」就好，只要把它加为 Reviewer，就会自动触发审查：
|
||
|
||
|
||
|
||
审查结果还支持快捷修复，你可以根据它的建议直接采纳修改，一键提交。也可以通过自定义指令来调整审查的侧重点：
|
||
|
||
|
||
|
||
|
||
|
||
### 手动代码审查
|
||
|
||
把 GitHub Copilot 当成你的同事，只要在 PR 中把它设置为 Reviewers，就会触发代码审查：
|
||
|
||
|
||
|
||
你也可以在 PR 的评论里直接 `@copilot`，比如让它把端口号恢复成原样。
|
||
|
||
这种方式更适合让 Copilot 根据审查意见直接改代码、修复 Bug：
|
||
|
||
|
||
|
||
|
||
|
||
## 9、处理 Issues
|
||
|
||
维护开源项目的过程中，肯定少不了处理用户提的 Issues（问题），这也是很花时间的事情，可以让 AI 智能体自动完成。
|
||
|
||
|
||
|
||
### 手动处理 Issues
|
||
|
||
GitHub Copilot 官方支持让 Copilot coding agent 接手 Issue、自动创建 PR 并修复。
|
||
|
||
操作很简单，进入一个 Issue，把它分配给 Copilot 就行：
|
||
|
||
|
||
|
||
Copilot 会自动创建一个 PR：
|
||
|
||
|
||
|
||
同时创建一个工作会话来分析和修复这个 Issue：
|
||
|
||
|
||
|
||
|
||
|
||
### 自动回复 Issues + 自动修复 Bug
|
||
|
||
还可以让 AI 全自动帮我们回复 Issues 并修复 Bug。
|
||
|
||
利用 GitHub Actions 的自动化能力，我们只需要补一个「自动派单」的工作流就行。
|
||
|
||
给 AI 一段提示词：
|
||
|
||
```markdown
|
||
为当前仓库创建一套 Issue 自动化处理工作流：当有新的 Issue 创建时，先自动回复一条简洁的确认与补充信息提示；如果该 Issue 被识别为 bug（比如带有 bug 标签或满足明确的 bug 条件），则自动将该 Issue 分配给 GitHub Copilot coding agent 处理，并让 Copilot 后续自动开 PR 修复。
|
||
|
||
请直接完成所需的 GitHub Actions 工作流、必要配置和说明，优先采用简洁、稳定的实现方式。
|
||
```
|
||
|
||
|
||
|
||
不过需要注意的是，自动生成的脚本可能会有问题，比如只回复了却没有真正分配给 Copilot 去修复：
|
||
|
||
|
||
|
||
这时候可以再让 AI 根据官方文档修复。核心要注意几点：
|
||
|
||
```markdown
|
||
请修复当前仓库中 Issue 自动化工作流的 Copilot 分配逻辑。现在工作流虽然会自动评论"已分配给 Copilot"，但实际上并没有真正成功分配。
|
||
|
||
请参考 GitHub 官方对 Copilot coding agent 的 Issue API 分配方式，改成正确可用的实现：使用正确的 Copilot assignee copilot-swe-agent[bot]、必要的 agent_assignment 参数，并且只有在真实确认分配成功后才发表评论；如果分配失败，也要给出明确、真实的失败提示，不要误报成功。
|
||
|
||
另外，请顺手优化这个工作流的结构：opened 事件只负责自动回复，labeled + bug 事件只负责分配给 Copilot，保证整体逻辑更清晰稳定。
|
||
```
|
||
|
||
|
||
|
||
而且这里需要用户级别的 Personal Access Token（PAT），不能用默认的 GITHUB_TOKEN。
|
||
|
||
先到 GitHub 申请 PAT，开通相应的仓库权限：
|
||
|
||
|
||
|
||
然后把密钥存放到仓库的 Secrets 中，在工作流脚本中通过 `secrets.COPILOT_ASSIGN_TOKEN` 引用：
|
||
|
||
|
||
|
||
引用 token 的示例代码如下：
|
||
|
||
```yaml
|
||
- name: Assign issue to Copilot coding agent
|
||
uses: actions/github-script@v7
|
||
with:
|
||
github-token: ${{ secrets.COPILOT_ASSIGN_TOKEN }}
|
||
script: |
|
||
```
|
||
|
||
然后我只要提一个打了 `bug` 标签的 Issue，就会触发 GitHub Actions，自动把 Bug 分配给 AI 处理：
|
||
|
||
|
||
|
||
|
||
|
||
## 10、定时任务
|
||
|
||
OpenClaw 的一大亮点是可以执行定时任务，那咱们的 “给虾” 也要有！
|
||
|
||
但是 GitHub 仓库不是一台常驻运行的电脑，怎么做定时任务呢？
|
||
|
||
我有个主意，利用 GitHub Actions 的 `schedule` 触发器，就能给 AI 智能体补上「定时触发」的能力。
|
||
|
||
比如让它每天自动推送最新的 AI 科技热点：
|
||
|
||
```markdown
|
||
为当前仓库创建一个可长期使用的定时任务工作流，利用 GitHub Actions 模拟 OpenClaw 风格的定时触发能力。
|
||
|
||
目标：每天北京时间中午 13 点，自动收集并总结本周最新的 AI 科技热点，并以 "推送日报" 的形式发送给我。
|
||
|
||
优先采用简单稳定的实现方式：默认先推送到 GitHub Issue；如果仓库中已有邮箱等其他 webhook 配置，也可以优先复用。
|
||
```
|
||
|
||
当然，你还可以选择对接更多第三方渠道，比如邮件、Telegram 等：
|
||
|
||
|
||
|
||
任务完成，创建了定时触发的 GitHub 工作流：
|
||
|
||
|
||
|
||
之后，每天会自动生成一份 AI 科技日报：
|
||
|
||
|
||
|
||
注意，GitHub Actions 的 schedule 定时触发会有延迟，官方文档也说明了在高负载时段（尤其是每小时开头）可能延迟甚至丢弃任务，所以不适合对执行时间要求精准的场景。
|
||
|
||
|
||
|
||
## 11、封装 AI 智能体
|
||
|
||
到这里，我们的 AI 小龙虾已经养得很肥了。它有了角色、记忆、技能、自动化流水线。不妨把它封装起来，分享给别人用。
|
||
|
||
于是，我给 Copilot 这段提示词，让它帮我封装成一个 Agent Skill：
|
||
|
||
```markdown
|
||
请把当前仓库里已经实现的所有 "把 GitHub Copilot 变成小龙虾" 的能力，系统化封装成一个可复用的 agent skill，名称为 github-claw，并放到仓库的 skills/github-claw/ 目录下。
|
||
|
||
在开始之前，请先参考 anthropics/skills 仓库中的 skill-creator 结构与规范，按规范创建完整技能文件，而不是只写一个简单的 SKILL.md：
|
||
https://github.com/anthropics/skills/tree/main/skills/skill-creator
|
||
|
||
这个 github-claw skill 的目标是：让其他用户只要安装这个技能，就能尽可能快速地把 GitHub Copilot 仓库工作流变成一个 OpenClaw 风格的小龙虾系统，具备并串联以下能力：
|
||
- 角色与人格
|
||
- 文件化记忆与长期上下文
|
||
- 技能发现、安装与管理
|
||
- 定时任务 / GitHub Actions 自动化
|
||
- Issue 自动回复与自动分配给 Copilot
|
||
- PR 审查与自动化工作流
|
||
- 编码开发、部署、网站生成与项目推进
|
||
```
|
||
|
||
|
||
|
||
封装好的 `github-claw` 技能被单独放到了一个干净的分支：
|
||
|
||
|
||
|
||
这样一来，以后任何人只要新建一个 GitHub 仓库，安装上这个技能，就能立刻拥有一只自己的 AI 小龙虾了。
|
||
|
||
> GitHub Claw 项目开源：https://github.com/liyupi/github-claw
|
||
|
||
|
||
|
||
|
||
|
||
## 总结
|
||
|
||
至此，我们全程没有打开 IDE，利用 GitHub 网页版就打造了自己的 AI 智能体。
|
||
|
||
你可以让它帮你完成从需求分析到全栈开发、测试、文档、部署上线、SEO 优化、代码审查、Issue 自动处理、定时任务的全流程。
|
||
|
||
而且因为 GitHub Copilot 深度融合在网页端，以上所有任务都可以通过手机打开 GitHub 网页或 GitHub Mobile App 完成，随时随地使用。
|
||
|
||
|
||
|
||
Copilot 的优势在于：
|
||
|
||
1）全程云端执行：Copilot coding agent 在 GitHub Actions 支持的临时环境中独立工作，非常安全。你可以关掉网页甚至关机，AI 会继续干活。
|
||
|
||
2）端到端交付能力：GitHub Copilot 能够贯穿整个开发生命周期，从写代码到 PR 审查到部署，全部在 GitHub 生态内闭环完成。
|
||
|
||
3）多模型灵活选择：GitHub 提供了多个模型供选择，可以根据不同任务类型适配最合适的模型，节省成本。
|
||
|
||
|
||
|
||
|
||
|
||
## GitHub Copilot 更多能力
|
||
|
||
除了今天演示的核心流程，GitHub Copilot 还有很多值得探索的能力：
|
||
|
||
1）Coding Agent MCP 配置：在仓库设置中可以配置 Copilot 的权限、工具和 MCP Server（比如接入 Context7、Firecrawl 等 MCP），扩展 Copilot 的外部数据获取和操作能力。
|
||
|
||
2）GitHub 内置 Memory：Copilot 可以自动存储它在仓库工作中推断出的有用信息，形成持久化的仓库级记忆。后续它在这个仓库里工作时会自动调用这些记忆，效果越用越好。目前处于 Public Preview 阶段。
|
||
|
||
3）Copilot Spaces：一种上下文共享空间，你可以把代码、文档、设计稿等多种资源聚合到一个 Space 里，让 Copilot 在回答和工作时始终基于正确的上下文，适合团队协作场景。
|
||
|
||
4）GitHub Spark：通过自然语言描述你的想法，Spark 可以秒出全栈 Web 应用原型，支持实时预览和一键部署到 Azure，不需要写代码。还可以从 Spark 创建 GitHub 仓库，双向同步。
|
||
|
||
5）GitHub Copilot CLI：这是一个独立的命令行 AI 工具，可以阅读代码、编辑文件、执行命令、创建 PR，还能把任务委派给专门的 Agent。支持远程会话恢复，在任何终端上都能接着干。
|
||
|
||
除了前面主要展示的 Copilot 网页端，桌面端的 GitHub Copilot（VS Code 等 IDE 插件版本）也非常好用，能灵活切换多个大模型，还集成了网络搜索等各种主流工具，支持 MCP 和 Skills，平时我也经常用它带大家开发完整项目。
|
||
|
||
比如我的 AI 热点监控工具项目，就是完全利用 GitHub Copilot 在 IDE 中开发出来的。
|
||
|
||
|
||
|
||
如果你想系统学习 GitHub Copilot 的使用方法，可以阅读本教程编程工具板块中的《AI IDE 插件》和同板块「工具实战」中的《VSCode + GitHub Copilot：微软全家桶的 AI 编程实战》。
|
||
|
||
|
||
|
||
## 推荐资源
|
||
|
||
1）鱼皮 AI 导航网站：[AI 资源大全、最新 AI 资讯、免费 AI 教程](https://ai.codefather.cn)
|
||
|
||
2）编程导航学习圈：[学习路线、编程教程、实战项目、求职宝典、交流答疑](https://www.codefather.cn)
|
||
|
||
3）程序员面试八股文：[实习/校招/社招高频考点、企业真题解析](https://www.mianshiya.com)
|
||
|
||
4）程序员写简历神器：[专业模板、丰富例句、直通面试](https://www.laoyujianli.com)
|
||
|
||
5）1 对 1 模拟面试：[实习/校招/社招面试拿 Offer 必备](https://ai.mianshiya.com)
|
||
|