Copilot 使用

前言

现在AI在开发圈已经不是新鲜事了，还守着纯手动编码的老路子，很容易在效率上被拉开差距。以前的IDE智能提示、代码补全确实好用，但顶多算是“省点敲击次数”的辅助工具，没法从根本上提升开发效率和代码质量。

而现在像Claude、Gemini这类专注编码的模型，已经能成为真正的工作搭档——尤其是Agent智能体成熟后，它们不再是简单的问答工具，能理解整个项目的上下文，像同事一样分析问题、执行任务，还能在交互中越用越顺手。
在众多AI编码工具里，GitHub Copilot因为能深度集成主流IDE、上手门槛低，还能精准匹配日常开发需求

模型工具

主流模型

模型	类型	性能等级	推荐用途
Claude Opus 4.5	通用 + 编码	⭐⭐⭐⭐⭐	复杂项目、系统设计
Claude Sonnet 4	通用 + 编码	⭐⭐⭐⭐	日常开发、调试
Claude Haiku 4.5	轻量	⭐⭐	快速补全、低延迟
GPT-5.1-Codex	编码专用	⭐⭐⭐⭐	高精度代码生成
Gemini 2.5 Pro	多模态	⭐⭐⭐⭐	图文结合开发、文档处理
GPT-4o	通用	⭐⭐⭐⭐	综合性 AI 助手
Grok Code Fast 1	编码专用	⭐⭐⭐	快速修复、补全
DeepSeek-Coder	编码专用	⭐⭐⭐⭐	开源本地部署、中文支持强
Qwen2.5-Coder	编码专用	⭐⭐⭐⭐	中文环境、企业级应用
Doubao-Seed-Code	编码专用	⭐⭐⭐⭐	字节生态、Agentic 编程
StarCoder2	编码专用	⭐⭐⭐⭐	开源研究、多语言支持

使用建议

• 追求最强能力 → Claude Opus 4.5 / GPT-5.1-Codex
• 日常高效开发 → Claude Sonnet 4 / GPT-4o
• 快速响应补全 → Claude Haiku 4.5 / Grok Code Fast 1
• 中文环境优先 → Qwen2.5-Coder / Doubao-Seed-Code
• 本地可控部署 → DeepSeek-Coder / StarCoder2

工具概览

工具名称	类型	简单说明
Cursor	智能编辑器	本质上是个改版的 VS Code，但 AI 功能很强，可以直接和 Claude、GPT 对话写代码，适合想用最新大模型的人。需要科学联网，国内访问不太稳定。
GitHub Copilot	插件	微软出的，装在各类 IDE 就能用，科学后模型也很多 。
Trae	智能编辑器	字节跳动做的，也是改版 VS Code，主要面向国内用户。用的是自家豆包模型，不能连 Claude。适合不想折腾网络、又想要中文支持的人。
Continue	插件	开源免费，最大的好处是能自己选模型——不管是本地跑的还是云端的都行。适合喜欢自己控制、会点技术的用户。
Aider	智能编辑器	也是vs code 魔改。
CodeWhisperer	插件	亚马逊出的，免费，能自动补全还能提醒安全问题。如果你用 AWS 云服务，集成起来很方便。
Tabnine	插件	老牌代码补全工具，支持离线模式（用本地小模型）。不依赖大厂 API，

部分模型需科学上网才能访问；国内模型更适合合规、离线或企业内部使用。

工具选型小建议：如果日常用 VS Code，优先选 Cursor（想用上 Claude 等海外大模型）或 Trae（国内用户免折腾）；如果用 JetBrains 系列等其他 IDE，直接冲 GitHub Copilot——兼容性拉满，功能也最全面，能覆盖绝大多数日常编码需求。

GitHub Copilot介绍

GitHub Copilot 支持几乎所有主流 IDE，包括 VS Code、Visual Studio、JetBrains 系列，安装步骤都很简单直接在对应 IDE 里搜索安装就可以了。

GitHub Copilot 主要的几个功能:

1. 能够根据你当前的代码上下文，自动补全代码，包括函数、变量、类等的声明和实现。
2. 能根据注释或函数名生成完整的函数体、算法实现，甚至整个类或测试用例。例如，当你写一个注释如 // 冒泡排序，它会自动生成对应的排序函数。
3. 它不仅能理解代码结构，还能结合自然语言注释推断开发者的意图，从而提供更贴合需求的代码建议。
4. 在某些场景下，Copilot 还能帮助解释复杂代码段的作用，或建议更简洁、高效的重构方式，提升代码可读性和性能。
5. 结合 GitHub 的安全数据库，Copilot 能识别可能引入常见安全问题（如 SQL 注入、硬编码凭证等）的代码模式，并建议更安全的替代方案。

GitHub Copilot 主要有四个模式：

Ask

这是最基础的模式，核心是「咨询建议」——基于当前打开的文件、选中的代码上下文，回答你的编程问题，但不会主动修改代码。适合需要理解逻辑、查询用法的场景。

可以直接选中代码然后再聊天窗口输入具体的问题，Copilot 会分析代码的上下文，生成对应的回答或者建议。

高频使用场景：

1. 理解陌生代码：接手新项目时，选中核心业务代码，提问「这段代码实现的业务逻辑是什么？涉及哪些数据表？」
2. 查询 API 用法：忘记某个方法的参数或用法时，提问「C# 中 HttpClient 的 PostAsync 方法怎么用？需要注意哪些问题？」；
3. 寻求修改建议：针对一段代码，提问「这段代码有什么可以优化的地方？如何提升可读性？」。

Edit

这个模式的核心是「主动修改」——你明确告诉 Copilot 要做什么修改，它会直接在代码中执行，同时保留你的最终控制权（修改后可以手动调整）。适合有明确修改意图、不想手动敲代码的场景。

高频使用场景：

1. 代码格式调整：选中一段混乱的代码，输入「按某某编码规范格式化这段代码」；
2. 功能改造：把同步方法改成异步方法、把 for 循环改成 LINQ 查询、给方法加缓存逻辑等；
3. Bug 修复：发现代码中的小问题（比如空指针异常），输入「修复这段代码的空指针问题」，Copilot 会帮你加上空值判断。

Agent

这是最强大的模式，核心是「自主规划+执行」——你只需要给出模糊的需求，Copilot 会自己分析需求、规划步骤，跨文件执行多任务（比如生成代码、跑测试、配置依赖），全程几乎不用你插手。适合快速搭建原型、实现标准化功能的场景。

主要使用场景:

1. 快速搭建原型：譬如「用 .NET 8 Web API 实现用户注册接口，包含用户名密码验证、密码加密（BCrypt）、邮箱验证提示」，Copilot 会自动生成控制器、服务、DTO、配置类等全套代码；
2. 生成标准化 CRUD：譬如「为 Product 实体实现完整的增删改查接口，用 EF Core 操作数据库，包含分页查询」，Copilot 会把 Controller、Service、Repository 层代码全搞定，还会配置好数据库上下文；
3. 修复批量问题：譬如「检查当前项目中所有控制器的接口，统一加上权限验证注解 [Authorize]」，Copilot 会跨文件遍历所有控制器，自动添加注解；
4. 补全测试代码：譬如「为当前项目中所有 Service 类编写单元测试，覆盖正常和异常场景」，Copilot 会自动生成测试类和测试方法。

Plan

当前模式下，Copilot 可以实现和 Agent 模式一样的操作，但是 Plan 会先分析的上下文，并且生成详细的执行计划，确认需求覆盖了再开始写代码。在你审阅并确认之前，Plan 模式不会动你的代码。直到你点击”Start Implementation”，它才会开始动手。 Plan 先规划后动手，Agent = 边想边干。它的执行流程是 规划→审批→执行，对比于 Agent 把控制权还给了开发者。

主要使用场景

1. 开发核心业务功能：比如要加“订单超时自动取消”逻辑，涉及状态机、定时任务、消息通知等多个模块。用 Plan 模式，它会先列出：改哪些服务、是否需要 Hangfire、要不要发事件、怎么测边界情况……你确认方案没问题，再让它生成代码，避免返工。
2. 团队协作前的技术对齐：要和同事一起做新模块，但大家对实现方式有分歧。让 Copilot 先出个 Plan，把技术选型、文件结构、关键接口都列出来，直接当讨论提纲用，省去写设计文档的时间
3. 重构大型模块：比如把一个巨无霸控制器拆成多个微服务风格的 API。Plan 会先画出“拆分路线图”：哪些方法归到哪个新类、DTO 怎么复用、路由怎么调整、测试怎么迁移……你按计划一步步推进，心里有底。

如何高效提问

利用AI提交效率，不在于选对工具，更在于“会提问”。模糊、笼统的提问往往会得到冗余、不符合需求的结果，反而降低效率；而精准、具象的提问能让AI直接命中需求，生成可复用的代码或方案。

四个高效提问原则:

1. 明确需求场景与范围：说明是在什么项目、什么技术栈下的需求，避免 Copilot 给出通用化的解决方案；
2. 清晰描述需求边界：说明要实现什么、不要实现什么，比如“不需要真实数据库”“最多重试 3 次”；
3. 提供上下文信息：比如已有的代码、依赖的包、使用的框架，让 Copilot 贴合项目实际；
4. 指定输出格式与目标：说明需要生成什么类型的文件、代码片段，或者需要得到什么结果（比如“xUnit 测试方法”“完整的消费者实现”

低效的提问：

我想为我的EF Core的方法写一个单元测试，你帮我实现

高效的提问：

我有一个 OrderRepository 依赖 ApplicationDbContext（继承 DbContext）。

现在要为 GetOrdersByCustomerAsync(CustomerId id) 方法写单元测试，该方法内部使用 _context.Orders.Where(o => o.CustomerId == id.Value)

要求：
不使用真实数据库或 in-memory provider
使用 Moq 模拟 DbSet 和 IQueryable
验证返回结果是否正确过滤
请提供 xUnit 测试方法和模拟辅助代码。

低效的提问

怎么用RabbitMQ消费xxxx中的数据

高效的提问

我在当前项目中中消费 RabbitMQ 队列 "order.process"。

要求：
使用 IHostedService 实现消费者
消息体是 JSON，反序列化为 OrderProcessingMessage
处理失败时，最多重试 3 次，间隔 5 秒（指数退避）
成功后 ACK，失败后 NACK 并 requeue（直到达到重试上限后丢弃）
使用 DI 注入 ILogger 和 IOrderService
请提供完整消费者实现。

总结

GitHub Copilot 这类 AI 工具不是要替代开发者，而是帮我们从重复、繁琐的编码工作中解放出来，把精力放在核心业务逻辑、架构设计上。 其次最重要的是 我们需要对AI输出的内容可控，也就是我们能理解它输出的内容，而不是一把靠它梭哈。