GitHub Copilot
探索 Copilot CLI、Coding Agent、Custom Agents 和 GitHub 社区技能生态。
查看官方/上游仓库技能必须能够追溯到原始仓库，并展示作者、许可证和参考日期。工具兼容性以当前上游说明为准。
相关技能
当前收录 69 个，后续按上游更新持续补充。
把复习资料整理成可考试的知识包
从讲义和考纲中提取定义、重点、答题句式与练习题。
用反向审查发现 AI 答案里的漏洞
通过逐条核查、反例挑战和证据分级，检查重要答案。
让 AI 写出真正可维护的项目文档
从读者任务出发，生成能验证、能更新的使用文档。
把模糊需求变成可执行的开发计划
在写代码前明确范围、文件改动、依赖关系和验证方式。
给代码仓库写一份有效的 AGENTS.md
把构建命令、代码约定和安全边界写成智能体可执行的仓库说明。
快速看懂一个陌生代码仓库
识别技术栈、入口、数据流和关键边界，形成仓库地图。
让 AI 辅助做代码安全审查
从输入到危险操作追踪数据流，并验证每个安全发现。
防止密钥被提交到 GitHub
建立提交前扫描、推送保护和泄漏后的处置流程。
把静态网站发布到 GitHub Pages
从构建产物到自定义域名，完成可重复的自动发布。
从 Git 历史生成可信的更新日志
把提交记录整理成面向用户的版本变化，而不是机械罗列。
为新成员生成代码仓库上手指南
把环境搭建、项目地图和第一个任务整理成可验证的入门路径。
基于源码回答项目问题
用文件证据解释系统行为，明确区分事实和推断。
设计清晰高效的 Power BI 数据模型
围绕业务指标建立星型模型、关系和可维护度量值。
设计可落地的 AI Agent 架构
从任务边界、工具、状态和失败恢复出发设计智能体系统。
建立 AI Agent 治理清单
为智能体定义所有者、权限、风险分级和上线门槛。
给 Agent 建立可靠的评测集
用真实任务、轨迹和失败类型衡量智能体是否真的变好。
审查提示词的安全与偏见风险
系统检查提示词注入、越权、隐私、偏见和不可靠输出。
发现前后端 API 契约漂移
在合并前找出字段、参数、状态码和客户端使用方式的不兼容变化。
生成项目架构蓝图
从真实代码识别技术栈、模块边界、数据流和扩展模式。
把模糊 Bug 变成最小复现
先固定环境、证据和触发条件，再进入修复。
为陌生代码库制作导览
沿一次真实业务流程解释入口、调用链、状态与扩展点。
配置 CodeQL 代码安全扫描
根据仓库语言与构建方式建立可维护的代码扫描流程。
写清晰的 Conventional Commit
从真实 diff 提炼类型、范围、意图和破坏性变更。
记录关键架构决策 ADR
保存背景、备选方案、权衡和后果，避免团队反复争论。
为 GitHub Actions 编写工作流规格
把现有 CI 的触发、权限、作业和失败行为记录清楚。
从真实项目生成 README
用已验证的命令和项目事实帮助用户快速运行与贡献。
编写适合编码 Agent 执行的规格
把需求转换为边界明确、可验收、少歧义的实现规格。
用 AI 建立每日专注看板
把脑中杂事变成有优先级、有进度、不过度施压的今日计划。
配置可控的依赖自动更新
让依赖更新保持及时，同时控制噪声、兼容风险和供应链安全。
审计代码与文档是否脱节
以只读方式比较实现和文档，找出过期、缺失或互相矛盾的说明。
起草符合个人语气的专业邮件
根据关系、目的和既有表达习惯写出自然、可行动的邮件。
用评测驱动 AI 功能开发
先定义行为样例和评分方式，再迭代提示词、模型与工具。
加固 GitHub Actions 工作流
排查注入、危险触发器、过度权限、可变依赖和密钥泄露。
编写无责事故复盘
重建时间线、量化影响并把系统性因素转成可追踪行动。
避免千篇一律的 AI 风格界面
用产品语境、设计约束和完整状态提升界面的辨识度与完成度。
让编码 Agent 生成可编辑 Draw.io 图
从需求选择图型、规划布局并生成可继续编辑的图表文件。
准备一次可靠的 GitHub Release
从版本、变更和制品出发生成可验证、可回滚的发布。
为复杂任务组装最小技能栈
查找、评估并组合能覆盖端到端目标的最小 Agent Skills 集合。
审查 Agent 技能供应链
检查技能、MCP、脚本和依赖进入智能体环境后的供应链风险。
组织轻量 AI 开发团队
用不同角色协作完成规划、实现、审查与上下文交接。
运行可度量的自动实验循环
让编码 Agent 持续尝试、测量并只保留真正改善指标的改动。
从架构与 IaC 中发现 AWS 成本优化点
结合资源配置和使用方式查找闲置、过配与计费结构问题。
为分布式系统选择云设计模式
从可靠性、性能、消息、安全和部署需求选择合适模式。
用代码记忆图谱探索大型仓库
通过符号、调用、依赖和数据流关系快速建立代码库认知。
快速上手 GitHub Copilot CLI
完成安装、认证、仓库上下文和第一条安全工作流。
创建限时技术调研 Spike
在实现前用有限时间消除关键技术不确定性。
系统诊断 AI 工作流
从提示词、上下文、工具、架构和安全五个维度定位质量问题。
从版本差异生成迁移指令
比较新旧实现，为后续代码修改提炼一致、可执行的迁移规则。
降低 GitHub Actions 构建耗时与费用
找出重复工作、缓存失效、矩阵膨胀和资源浪费。
让 Agent 规范管理 GitHub Issues
创建、更新、分类并维护任务依赖和阻塞关系。
用 Go 构建 MCP Server
基于官方 Go SDK 生成结构清晰、可测试的 MCP 服务。
可靠接入第三方 API
先核实 SDK 与端点能力，再实现认证、错误处理和可观察性。
编写高质量 JUnit 5 测试
用参数化测试、清晰边界和稳定断言覆盖 Java 业务逻辑。
用 Playwright 稳定填写网页表单
识别字段、验证规则和提交结果，构建可恢复的表单自动化。
用 Playwright 探索网站测试路径
先理解页面结构和关键流程，再生成有依据的自动化测试。
从真实场景生成 Playwright 测试
依据探索结果生成定位稳定、断言明确的端到端测试。
对代码库进行安全审查
沿真实数据流检查注入、认证授权、密钥、依赖和业务逻辑风险。
配置密钥扫描与推送保护
在提交前和 GitHub 端阻止凭证进入仓库并规范告警处置。
系统审查网站视觉与响应式问题
通过真实页面检查布局、层级、一致性、移动端和无障碍。
用 Playwright 测试本地 Web 应用
验证关键交互、排查前端错误并保存截图和浏览器日志。
分析广告投放该停、该加还是该测试
根据真实效果数据识别浪费、扩量机会和下一轮实验。
拆解竞品付费广告策略
从公开广告素材识别受众、卖点、创意模式和漏斗假设。
持续整理个人工作成果清单
把零散工作记录转成可用于绩效、晋升和简历的成果证据。
提前准备明天的会议与任务
综合日程、待办和上下文识别冲突并安排准备与深度工作。
把 PDF 转成适合 AI 分析的 Markdown
先保留文档结构与页码线索，再进行搜索、总结或信息提取。
把 Excel 转成可审阅的 Markdown
保留工作表、字段和关键数据范围，方便 AI 准确阅读与比较。
把 Word 文档转成结构化 Markdown
保留标题、列表、表格和批注线索，为后续审阅与改写提供干净文本。
用 ImageMagick 批量处理图片
完成尺寸、格式、压缩、裁剪和元数据查看等可重复操作。
撰写有证据的绩效总结
把周期内的成果、影响、协作与成长整理成可信的自评。