提示词首先是“上下文问题”，不是“咒语问题”
GitHub 这篇入门文章最值得保留的观点，是把提示词从“如何写一句完美指令”拉回真实开发流程。Copilot Agent 会话可以先关联 GitHub 仓库或本地文件夹，让智能体拥有完成任务所需的代码与文件上下文；在此基础上，用自然语言描述想完成的修改就足以启动任务。
如果第一次结果不完全符合预期，正确做法不是重新发明一套复杂 Prompt，而是继续补充边界、验收条件和具体反馈。提示本身就是一个迭代过程，目标是尽快进入“执行—检查—纠偏”的闭环。
模型、语音与会话控制是第二层能力
Copilot 应用允许切换不同模型，但 GitHub 建议初学者先从默认模型开始，只有当任务需要更复杂推理或当前方案效果不佳时再调整模型。应用还支持语音输入，适合把较长的想法先说出来，再在发送前检查和编辑文本。
随着任务变长，开发者还可以切换不同 Agent，或启用 Remote Control，让同一会话不局限于当前电脑。也就是说，真正决定体验的已经不只是 Prompt 文本，而是上下文、模型、Agent 和会话执行方式共同组成的工作流。
AI 智库判断
对团队而言，更值得标准化的是“任务上下文 + 目标 + 验收条件 + 迭代反馈”，而不是收集大量孤立的 Prompt 模板。把提示词放回可观察、可复查的开发闭环，才更容易获得稳定结果。
本文为 AI 智库基于 GitHub AI & ML Blog 原文整理的编辑摘要；涉及产品能力、价格或可用性时，请以原始来源的最新说明为准。 GitHub AI & ML Blog