## 閒聊 我真的是老 Copilot 寶了，從 2023 年就開始訂閱了 XD，其實那時候 GPT 才剛開始出來，Copilot 我也只會自動上下文補齊，然後 tab...連按，開始改，訂閱之後就一直用下去了，說來慚愧我只用 copilot 只會 tab 居然用了1年半，直到某天，忽然看到別人用，發出讚嘆，我開始主動學習，看看別人是如何使用的 但我必須說之前有試過他古老的 ask、edit 模式 XD，是真的不好用，他還會寫到一半當機，例如我的檔案有 10 萬行，他每次都從第一行開始讀下去，很久讀到一半還會當掉，那時候暫時放棄，現在都 Plan、Agent 模式了，沒有人在用那些功能了 haha 在開始學習、研究別人是如何使用的時候，我每天都是 wow 這是什麼...wtf!!，當然寫這篇文章當下已經是推遲很久才寫了，自從我開始熟練 Copilot 工具應該怎麼用以後，幾乎沒再寫 Code 了，當我學會的第一天，我就在公司內部分享，讓 RD Team 夥伴，開始發現 Copilot 的美好 XD，完全放大自己的能力，且品質變得更好，這是真的 當然！目前 CLI 工具真是越來越強，我看 Copilot CLI 真是一天更新兩版，也會感到壓力，但 CLI 我覺得不是每個人都喜歡用，會用到 CLI 應該是不用看 Code 了，直接完成任務！  ## 必須申明 我到現在，還是把 Copilot 當成副駕駛，我是知道我要寫什麼，才使用的，大腦沒有外包給 AI，而是清楚知道要什麼，讓 AI 幫我完成，我產出速度變快、品質變好 並且產出的 Code 我都有確認過沒問題，才提交 PR，就算我要自己做一個小專案，也會確認好任何意外，有 API KEY、API TOKEN，是不可能寫在 Code 裡面直接推到 github ，讓這種事情發生的，也許哪天真的不用把 Copilot 當成副駕駛了...，但那以後再說吧！ 還有，我曾經讀到一篇關於用 AI 學習寫 Code 的文章，我直接講我理解到的，透過 AI 我們可以快速學習到不知道的技術，所以當我和 AI 一起討論需求，AI 提出了一個新的技術的時候，我是會直接問到底的，甚至問他這是從哪來的，或是有官方文件讓我參考一下之類的，有時候還會不信 AI XD，但通常我後來都發現恩...對就是這樣，儘管 AI 想用的技術我們公司無法用，我還是會另尋他處，透過 AI 可以幫助你學習，有任何他說的你沒懂，我跟你保證，你要問到你懂為止，那才是真的透過 AI 放大自己學習速度的方式，只是單純外包大腦而不理解如何解決問題，不是一個好的方式，我會確保自己真的清楚在幹嘛，做出來的也是我要的 ## 付費的計算方式 | 方案 | 月費/年費 | 每月進階請求數 | | -------- | -------- | -------- | | Copilot Pro | 10美元/100美元 | 300次 | | Copilot Pro+ | 39美元/390美元 |1500次 我們不談企業版，我想關注在那個請求次數 XD 一個月 10 美金，你可以發送 300 Request !! 超級佛 怎麼說? 你的上下文、你的 token ，多長都沒關係，只要發一次就是算一次 request ！根本賠錢，只要你先把要執行的內容，可能放在某個 md 檔案，寫滿滿本次任務顆粒要完成的事情，再讓他執行，你真的賺到了，而且簡單的需求，你也可以切換到免費的模型，他肯定做得到  如果你是免費還在適用階段，那麼你只能用某些模型，而且這些模型也都要計算次數的，例如有訂閱的話 GPT-5 mini 是不限次數的，而免費會計算次數 雖然我偶爾也會短短問一個簡單的問題，但這樣會被扣一次，XD，所以我也不是真的客家到每次都給他超大碗的 Prompt ，但我最近發現 Antigravity IDE 可以用 Opus 模型用到爽，每 5 小時會重製，所以我會切來切去用，這邊稍微說明一下這是 Google 最近推出的 IDE ，會換來換去只是要省著用每個月的花費 XD 因為一個月我肯定會把 300次 request 用滿，而且用太快，就只能用 Antigravity 或是別的工具了 你可以注意到 Opus 模型在 Copilot 有個 x3 的數字，這代表著你用 Opus 發一次 request 是算 3 次，Opus 非常聰明 簡單來說，你可以放超多東西，和 Opus 好好大談，然後用 codex5.3 或是 sonnet4.6 實作任務，算是心得用法 XD ## Copilot Instructions 更新!!! 今天 我更新玩 vs code 之後 copilot 已經可以輸入 /create-instructions prompt 了 XD 所以可以先輸入 /create-instructions 看他產生的如何，在接著繼續修改自己要的 理論上這個指令會做這些事情 分析你目前開啟的 workspace 與程式碼結構 自動產生或更新 .github/copilot-instructions.md 檔案 內容包含 Copilot 應遵循的專案規範、程式碼風格、框架慣例等 這份檔案，可以放在你專案路徑下 ``` SPIDER (專案根目錄) └── .github/ ├── prompts/ ├── skills/ └── copilot-instructions.md <-- 目標檔案在此 ``` 這是這份架構的「大腦」與「憲法」。它主要用來定義： 技術棧規範： 指定專案使用的框架版本（例如：Python 3.12+, FastAPI, React 19）。 命名慣例： 強制 AI 使用特定風格（如：變數用 snake_case，類別用 PascalCase）。 禁止事項： 比如「禁止使用 jQuery」或「禁止手寫 SQL，必須使用 ORM」。 架構決策： 定義專案是採用微服務、Clean Architecture 還是 Layered Architecture。 你也可以說妳要 TDD ，也能說明一下你的專案的資料夾架構是怎麼放的 例如你要 Clean Architecture，且你的專案有你的放法，可以在這裡解釋一下怎麼放的 通常可以先請 AI 讀過你的整個專案，再依據專案去寫一份，之後你在修改 當然我也建議在這份憲法中，加上，請 AI 依據執行的任務看需求自行修改這份憲法，讓這份憲法被 AI 持續性的維護 看你的需求 當你有了這份 copilot-instructions，每次你在工作區，下 Prompt 發 Reqeust 的時候，他都會先載入此檔案，再接著執行你的 Prompt，可以算是 System Prompt 了， 剛剛不是說 Copilot 是算次數的，不算上下文的，痾我講得不夠好，其實 Context Window (一個聊天 session) 還是有上限的，你可以透過右下角那個圓餅看到，但老實說，加上這些 instructions ，基本上不消耗你太多，一個 Context Window 有 128k ，128K Token 對應的中文字數是128,000 字。 你可以透過這個小按鈕來看一下目前使用多少，我在一個任務顆粒的大小是還剩很多的，當然你可以透過外部 md 檔案來管理任務進行到哪裡，就不怕開新 session 要要全部從下 prompt 了，可透過剛剛寫好的任務規劃，請他接著處理，也許以後有無限上下文吧 ? 未知 XD   ## 引用文檔 你可以打 #codebase ，代表把整個工作區當作參考，也可以 # 打你想參考的文件，也可以直接從檔案總管拖拉你想參考的檔案， 有時候我想叫他透過參考某個功能寫法，來寫本次任務，就會拉他可以參考的內容請他依據這個風格撰寫  ## .github/prompts/ 等於是可重複使用的 prompt 模板，比如你可以做一個 refactor.prompt.md 專門處理重構任務，每次用 # 指令就能叫出來 像這是我裝 openSpec 之後，他幫我寫的，那是啥先不管，當你 #opsx-apply.prompt.md，你就可以把這份 prompt 叫出來，就像 slash commands 例如： #file:openspec-apply-change [input - Prompt] 你可以先叫出你想重複用的　prompt，加上本次想加入的 prompt ，來執行本次命令， 就像是 codeReview 專用之類的，當然我覺得這可以用 skills 完成，其實感覺是看個人 ``` SPIDER (專案根目錄) ├── .agent/ # AI Agent 運行狀態與上下文 ├── .claude/ # Claude 特定規則與設定 ├── .codex/ # 程式碼索引或相關元數據 └── .github/ # GitHub 配置資料夾 ├── prompts/ # 核心提示詞庫 (指令集) │ ├── opsx-apply.prompt.md # 執行與應用邏輯 │ ├── opsx-archive.prompt.md # 歸檔與整理規範 │ ├── opsx-explore.prompt.md # 探索與分析需求 │ └── opsx-propose.prompt.md # 提案與架構設計 ├── skills/ # AI 技能定義或工具擴展 └── copilot-instructions.md # 全域專案憲法 (System Prompt) ``` ## .github/Skills/ Skills ，其實要講的東西不少，你可理解 Skills 其實和 prompt 都是重複的 prompt，但 Skills ，模型可能透過你的自然語言與 Skills 的 Description 是否吻合，來決定要不要觸發，而這 Skills 其實還能有更多東西，裡面也是 prompt，而且可能是一個工作的流程，且能漸進式載入更多工具，在這裡你能有很多步驟，且依據做到哪個步驟，請 AI 再去參考其他檔案，甚至將某個 Script (例如處理資料的，假設這份 json 內容真的太多，你希望透過本 Script 整理出真的要給 AI 使用的資料)，那他就會直接執行 Script 藉此減低Context Window 的內容，畢竟用 AI 做資料處理不如寫個腳本跑完，在請 AI 拿來使用，總之 Github Copilot 也有支援 Agent Skills，而如果你想知道更多內容，我可以在分享一下，但現在就直接去讀 https://github.com/anthropics/skills anthropics 列出來的官方 Skills吧，這概念畢竟是 anthropics 提出來的，可以參考裡面的 skill-creator，來了解一下建立一個 Skills 的內容，這裡不介紹了 ``` SPIDER (專案根目錄) ├── .github/ │ ├── prompts/ # 指令層 (Command Layer) │ │ ├── opsx-apply.prompt.md │ │ └── ... │ └── skills/ # 實作層 (Implementation Layer) │ ├── openspec-apply-change/ # 執行變更的具體邏輯 │ ├── openspec-archive-change/ # 執行歸檔的具體邏輯 │ ├── openspec-explore/ # 執行探索的具體邏輯 │ └── openspec-propose/ # 執行提案的具體邏輯 └── copilot-instructions.md # 核心憲法 ``` 你可以透過自然語言來觸發 Skills ，也可以叫他直接使用，但是在 copilot 要使用，必須開設定，你可以查詢工作區 Setting 找 agent skills 可以把一些日常繁瑣的流程做成 Skills XD，我是有寫一個請他 發 PR、請他版本更新切版的 Skills，其實能做的很多，需要一直思考自己的工作有哪些繁瑣、簡單的事情，能直接寫一個 Skills 包出去減輕負擔  ## mode 模式，我現在才認真看，只剩下 ask、plan、agent 了 XD，我其實也只用 Plan 和 Agent  事實上如果你在終端機有任何問錯誤，其實也能請 AI 協助看一下是哪邊出了問題，如果你確認這次 Session 真的?很安全，那你也能選 Allow this session，不想一直被問的話 那你可以透過 Plan 來和他一起討論某個新需求，思考邊界、怎麼設計，然後按照設計產出任務，但通常都是寫好 prompt 直接用 Agent 模式，畢竟 AI 其實不知道現實中遇到什麼問題要解決，通常是先準備好方案後和夥伴討論 XD ## 雜談與補充 我認為我分享的內容，可能還不夠，我自己講下來感受到，不夠有一種，WOW 這麼好用的東西，讓我也想馬上來試試看，但這也讓我發現，MM，我只設定了這些，就滿足了平常工作需求，其實會不會有更好的用法或是更好的功能，可以大幅度減少工作的內容，我得說，因為 AI 難免會焦慮，是不是會被取代，但是我發現 AI 終究是放大會用 AI 工具的人的工作產出，同時提升品質（事實上 AI 單字從來不會拼錯，只有用那些很少看到的單字，我會叫他改 XD)，也就是說，可以繼續學習繼續分享，我打一打感覺打出熱情了？果然還是要下定決心讓自己好好打XD，同時能發現自己的不足，可以繼續學習以及找到其中的樂趣，我感覺還是一樣，儘管是 AI 盛行的當下，很多東西還是要親自嘗試才知道，會遇到什麼問題 順便談談一下，訂閱制度這個東西，我有看到一個我很認同的講法，事實上每個訂閱者把訂閱的額度用光，其實 Copilot 是賠錢的，但是不是每個人都會把訂閱額度花完，這時候他是賺的，只要用滿 300 次，基本上你賺到了 XD 如果我之後想到有更多應該分享的、沒分享太可惜了的應用，我會再來的 你看完的話，感謝你的觀看 !!這是一篇心路歷程