一个面向资深工程师的高性能工作流，将 GitHub Copilot CLI 编排为一个专门的 AI 代理团队。
安装与下载
1. ClawHub CLI
从源直接安装技能的最快方式。
npx clawhub@latest install github-copilot-cli
2. 手动安装
将技能文件夹复制到以下位置之一
~/.openclaw/skills/ <project>/skills/ 优先级：工作区 > 本地 > 内置
3. 提示词安装
将此提示词复制到 OpenClaw 即可自动安装。
请帮我使用 Clawhub 安装 github-copilot-cli。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
更倾向于下载？
获取包含原生技能文件的ZIP压缩包。
什么是 GitHub Copilot CLI 工作流？
GitHub Copilot CLI 技能将标准的命令行界面转变为强大的多代理编排工具。这种方法不再将 AI 视为简单的自动补全，而是将开发人员定位为 CTO 或指挥官，管理一个由精英专家组成的虚拟团队。通过利用特定的 Openclaw Skills 模式，开发人员可以将任务委托给虚拟的前端、后端和 QA 专家，以探索代码库、起草有针对性的更改，并根据架构意图调试复杂问题。
该工作流强调角色意识和严格的作用域，以确保 AI 生成的代码符合现有项目架构。它允许资深工程师保持高层监督，同时由 CLI 处理探索和实现草拟的繁重工作，使其成为 Openclaw Skills 库的重要补充。
GitHub Copilot CLI 工作流 应用场景
- 使用 explain 命令通过自然语言查询，在陌生或大型代码库中快速定位。
- 通过特定的目录限制生成聚焦的代码增量和功能实现，以维护架构完整性。
- 调试复杂的逻辑错误，并在高负载场景下识别潜在的边缘情况。
- 在编写功能代码之前生成失败的测试，实施测试驱动开发，以确保稳健的质量保证。
- 编排多个 AI 角色，以评估架构权衡，并从不同的工程角度交叉检查解决方案。
GitHub Copilot CLI 工作流 工作原理
- 将高层目标分解为特定的工程关注点，如前端、后端、QA 或基础设施专家。
- 使用角色感知提示，通过针对特定文件路径的 suggest 命令，向不同的 Copilot 专家角色索取建议。
- 交叉检查生成的建议，以识别不同技术层之间的冲突假设、技术风险或逻辑漏洞。
- 将关键的架构决策、安全影响或产品权衡升级给人类指挥官进行最终评估。
- 通过应用验证后的更改、清理命名规范并有意识地合并到代码库中来完成实现。
GitHub Copilot CLI 工作流 配置指南
要开始使用此技能，请确保已安装 GitHub CLI 并且 Copilot 扩展已通过身份验证。您可以使用以下脚本验证本地技能配置和 YAML frontmatter 的完整性：
python - <<'PY'
import yaml,sys
with open('SKILL.md') as f:
yaml.safe_load(f.read())
print('Frontmatter OK')
PY
日常使用的基本命令包括：
gh copilot explain "解释服务逻辑" --path src/
gh copilot suggest "起草 X 的最小修复" --path services/api
GitHub Copilot CLI 工作流 数据架构与分类体系
该技能通过目录定位和基于角色的提示工程来管理上下文。数据按功能范围组织，而不是集中式数据库。
| 组件 | 实现细节 |
|---|---|
| 上下文范围 | 使用 --path 标志定义，将 AI 焦点限制在特定目录 |
| 角色元数据 | 通过自然语言指令注入（例如，'作为一名后端工程师'） |
| 工作流逻辑 | 结构化为专注于增量的请求，而非完整的功能实现 |
| 验证 | 严格的 YAML frontmatter 要求，以确保 Openclaw Skills 兼容性 |
GitHub Copilot CLI 工作流 高级特性
- 针对复杂、多层功能开发和架构审查的多 Copilot 编排循环。
- 基于角色的提示策略，强制 AI 扮演特定的工程角色，如测试人员或基础设施专家。
- 专注于增量的代码生成，以减少样板代码并确保精确、高影响力的更改。
- 自动化的 Lint 协议，以在 Openclaw Skills 生态系统中维持严格的技能定义标准。
SKILL.md
加载中
Openclaw 相关技能
精选*
