正在加载文章内容，请稍候。
正在加载文章内容，请稍候。
这篇 GitHub Blog 介绍 GitHub Copilot CLI 的 custom agents。文章的重点不是“给 Copilot 多写几句提示词”，而是把某类任务所需的角色、专业知识、工具权限、行为边界和团队规范写成仓库里的 agent profile。这样，团队可以把常见工作流沉淀成可复用、可审查、可共享的代理。
Custom agents 是为特定任务定制的 Copilot CLI 代理。它们通过一个 markdown profile 描述自己的身份、专长、可用工具和限制条件。与临时 prompt 相比，agent profile 更像仓库里的工作说明书：它告诉 Copilot 在某类任务中应该扮演什么角色、优先看什么、避免做什么、如何与代码库互动。
文章给出的 Accessibility Expert 示例说明了这一点。这个 agent 不只是被要求“检查无障碍问题”，而是被赋予无障碍审查专家的角色，可以围绕 WCAG、语义结构、键盘导航、aria 属性、颜色对比和交互状态执行更稳定的检查。profile 还可以通过 YAML frontmatter 指定名字、描述和工具。
Custom agents 在 Copilot CLI 中运行时，会把 profile 里的说明作为代理行为的一部分。用户不是每次都重新解释团队规则，而是调用已经定义好的 agent。这样做有三个效果。
代理不再每次从空白上下文开始，而是带着固定角色进入任务。安全审计、文档整理、可访问性检查、性能排查、测试生成等任务，都可以拥有不同的专业姿态。
Profile 可以说明 agent 能使用哪些工具、应该如何读取文件、哪些操作需要谨慎。对于团队协作来说，这比口头约定可靠，因为规则跟代码放在一起，可以被 review。
因为 agent profile 存在仓库中，它可以随代码一起版本化。团队成员获得同一个仓库后，也能调用同一套 agent，不必每个人复制一段私有提示词。这是文章反复强调的工程化价值。
文章给出创建流程。用户可以在 Copilot CLI 中调用 agentslash 相关命令进入 agents 管理流程，创建新的 agent profile。profile 通常放在 .github/agents 目录下，文件名以 .agent.md 结尾。
Profile 需要写清楚 agent 的名称、描述、角色、专业范围、可用工具、输出风格和 guardrails。好的 profile 不只是写“你是专家”，而是说明它在什么文件范围内工作、如何判断问题优先级、什么时候提出风险、什么时候停止并询问。
因为 profile 是仓库文件，团队可以像 review 代码一样 review 它。文章强调这一点：custom agent 的规则不应藏在个人机器里，而应该成为团队可见的协作资产。这样可以避免某个代理默默采用不合适的权限、风格或判断标准。
创建之后，用户可以在 CLI 中选择或调用该 agent 执行任务。随着团队发现新需求，可以继续修改 profile。换句话说，custom agent 是可迭代的工作流配置，而不是一次性 prompt。
文章列举多个适合 custom agents 的场景。它们共同特点是：任务反复出现、有相对固定的判断标准、需要特定专业视角，并且受益于团队共享。
安全审计 agent 可以被配置为查看依赖、权限、输入校验、密钥暴露、认证逻辑和危险 API。它的价值在于稳定执行安全视角，而不是让通用 Copilot 临时猜哪些风险重要。
可访问性 agent 适合前端团队。它可以专注检查语义 HTML、键盘操作、焦点管理、屏幕阅读器标签和颜色对比。由于这些标准容易在日常开发中遗漏，固定 agent 能把检查变成常规流程。
文档 agent 可以被设置为根据代码更新 README、生成迁移说明、解释模块关系或整理新成员上手路径。它适合把团队知识从零散口头经验转成仓库文档。
测试 agent 可以按项目既有测试风格补测试，代码审查 agent 可以按团队约定关注破坏性变更、错误处理、性能和可维护性。这些场景都说明 custom agent 的核心价值是把“我们希望 AI 怎么协作”固化成版本化配置。
文章最重要的工程判断是：agent profile 应该靠近代码。因为代理要执行的任务、可用工具、团队约定和项目结构都属于仓库上下文。如果规则跟仓库分离，代理很容易退回泛化建议；如果规则在仓库里，团队就能让 AI 协作方式随着代码演进。
这种设计也让治理更清楚。谁修改了 agent、为什么修改、是否允许某些工具、是否扩大了作用范围，都可以通过版本历史和 review 追踪。对企业和开源项目来说，这比个人 prompt 更可控。
GitHub Blog 的落点是工程化。Custom agents 不是炫技功能，而是把反复出现的 AI 协作模式写进仓库，让团队以统一方式使用 Copilot CLI。它把 prompt 从个人经验升级为项目资产：可复用、可审查、可分享、可迭代。
文章先定义 custom agents：它们是写在 markdown profile 里的任务型代理，而不是临时提示词。随后文章解释它们在 Copilot CLI 中如何通过角色、工具、guardrails 和仓库共享来稳定行为；接着给出创建流程，包括 agentslash、.github/agents 目录和 .agent.md 文件；再通过安全审计、可访问性、文档、测试和代码审查等场景说明适用边界。最后，文章把重点落到仓库化治理：当 agent profile 跟代码一起版本化，AI 协作就从个人技巧变成团队可维护的项目资产。
费曼输出
