前言
当 GitHub Copilot 从单纯的代码补全进化为 Agent（AI 代理）时，开发者面临的新需求很明确：不仅希望 AI 能写代码，更希望它能理解团队的特殊规范、掌握内部工具的使用方法，甚至在不同项目中复用这些经验。
Agent Skills（代理技能）正是解决这一痛点的核心机制。本文将深入解析 Copilot Skills 的工作原理，并分享如何通过软链接与自动化工作流，构建一套高效的个人及团队知识库。
一、什么是 Agent Skills？
如果把 Copilot 比作一个通用的 AI 程序员，那 Skill 就是给它配好的专用工具箱。它不仅仅是一段简单的提示词，而是一个包含元数据、指令和执行资源的标准化文件夹结构。当 Copilot 在对话中识别到用户需求匹配某个 Skill 时，它会动态加载这个工具箱来解决问题。
标准 Skill 结构
Copilot 通过识别文件夹中的 SKILL.md 文件来加载技能，典型结构如下：
my-toolbox/
├── SKILL.md (核心：包含 YAML 定义和 Markdown 指令)
├── script.py (可选：供 Copilot 调用的 Python 脚本)
└── template.json (可选：代码模版)
SKILL.md 示例：
---
name: code-reviewer
description: 当用户要求进行代码审查 (Code Review) 时使用此技能
---
# Code Review 标准
请按照以下步骤审查代码：
1. 检查变量命名是否符合驼峰式命名法。
2. 检查是否包含必要的错误捕获 (try-catch)。
...
二、技能的'作用域'：项目级 vs. 全局级
Copilot 的灵活性体现在它支持不同层级的技能加载，理解这一点是配置环境的关键。
1. 项目级技能 (Project Skills)
- 路径：
当前项目根目录/.github/skills - 场景：只对当前这一个代码仓库生效。例如：该项目特有的部署脚本、特定模块的测试规范。
2. 个人/全局技能 (Personal Skills)
- 路径：
~/.copilot/skills(用户家目录) - 场景：跨项目生效。无论你在 VS Code 中打开哪个项目，Copilot 都能读取这里的技能。例如：你个人的编码偏好、通用的 Debug 流程、效率工具脚本。
