Leader 禁止实习生用 AI 编程，我不听，用 VSCode 修了个线上Bug。他偷偷找我：今天转正！|ai编程|json|代码|插件|编辑器|调用

从安装到实战，手把手教你用 VSCode + GitHub Copilot 进行 AI 编程

搭嘎好，我是程序员鱼皮。

AI 编程工具现在是真的百花齐放，Cursor、Claude Code、OpenCode、…… 每隔一段时间就冒出来一个新选手。

之前我一直沉迷于 Cursor 和 Claude Code，直到最近做新项目时认真体验了一把 GitHub Copilot，才发现这玩意儿真夯啊！

先简单介绍一下主角。VSCode是微软出品的全球最流行的代码编辑器，装机量破亿；GitHub Copilot则是 GitHub 官方出品的 AI 编程助手插件，直接安装在 VSCode 中使用。

个人体验下来，相比其他 AI 编程工具有 4 大优势：

支持最新 AI 大模型，Opus、GPT、Gemini、Claude 随便切，实测编程质量嘎嘎好，全栈项目一把梭
支持本地、后台 CLI、云端、Claude Code 等多种运行模式，兼容性贼强
支持 MCP、Skills、工具调用的可视化管理，既灵活又方便，不用自己手动编写配置了
支持子智能体、和 AI 的每一步交互都清晰可见，Agent 执行体验巨好

啥啥啥，这都是啥？

即使你看不懂我说的这些也没关系，这篇文章就带大家从 0 开始上手 VSCode + GitHub Copilot，从安装到实战、从基础到核心特性，一条龙服务。

干货密集，建议先收藏，然后沐浴更衣、找个安静的地方放空自己，慢慢食用，助眠效果极佳~

安装和配置

1）首先进入 VSCode 官网下载安装包，直接傻瓜式安装。

2）打开 VSCode，点击左侧「扩展市场」图标，搜索 "GitHub Copilot"，安装官方的 AI 编程插件。

你还可以根据需要，选择安装 Chinese 汉化插件，适合国内的宝宝们：

3）安装完后，点击 VSCode 底部状态栏的 Copilot 图标，按照提示登录 GitHub 账号就行了。

如果你还没有 Copilot 订阅，会自动进入Copilot Free 免费计划，每月有一定的 AI 对话和代码补全额度，零门槛上手。想体验完整功能的话，Copilot Pro 支持新用户免费试用 30 天，申请一张国内银行的 Visa 卡就能开通。

我白票了 30 天的高级会员，最近能省一点其他 AI 编程工具的额度了哈哈~

到这里，安装配置就全部搞定了，比折腾 Claude Code 那套网络受限 + 账号受限 + 命令行小黑框的组合拳简单多了。

装好之后，先来感受一下最基本的 AI 编程体验。

AI 对话

点击 VSCode 上方的「聊天按钮」，打开 Chat 对话面板，你就可以和 AI 愉快地聊天了。让它分析需求、写代码、改 Bug，啥都行。

对话框区域有一个智能体选择器，可以在 3 种内置模式之间切换：

Agent 全自主模式：AI 自己分析、写代码、跑命令，一条龙完成任务（用的最多）
Plan 规划模式：AI 先出方案再动手，适合复杂任务
Ask 纯问答模式：只回答问题，不改代码，适合探索和学习（我用的比较少）

除了 Chat 面板，还有两种更轻量的 AI 对话方式。

1）按Ctrl+I（Mac 是Cmd+I）打开行内对话，直接在代码中跟 AI 交互：

2）按Ctrl+Shift+Alt+L（Mac 是Cmd+Shift+Option+L）打开 Quick Chat 弹窗，适合快问快答。

写代码的时候，Copilot 会自动给你浅色的补全建议，按一下Tab就能接受。比如你写了一个计算日期的函数名 plusDate，它能直接帮你把整个函数体补全出来。

更智能的是 Next Edit Suggestions（NES），也就是「下一步编辑建议」。它不光补全当前位置的代码，还能预测你接下来要改哪里！

编辑器左侧会出现一个小箭头，按 Tab 就能跳过去并应用建议。

比如你把一个类名从Point改成了Point3D，它会自动建议你在下面加个z变量，这个体验像秃噜鱼皮一般丝滑~

这两个功能用 Cursor 的同学应该不陌生，体验上差不多，但 Copilot 的 NES 预测精度个人感觉略胜一筹。

好了，基本功能就是这些，看到这里，你已经超过了 70% 的同学！

接下来进入正题，AI Agent 编程实战。

AI Agent 编程实战

前面的对话和代码补全只是开胃菜，Agent 模式才是 GitHub Copilot 的大杀器。

什么是 Agent？

简单来说，你给它一个需求，它会自己分析项目、制定计划、创建文件、写代码、跑命令、装依赖，遇到报错还会自动修复，全程自主执行。

其实 Manus、OpenClaw、各种 AI 编程工具里的 Agent 模式，本质上都是 Agent，就是 AI 自主规划、调用工具、执行任务的能力。

现在各家 AI 编程工具都在卷 Agent 能力，比如 Cursor 可以在子 Agent 里操作浏览器进行自主验证，Claude Code 搞出了 Agent Teams 让多个 AI 组队协作。GitHub Copilot 也不甘示弱，除了 Agent 模式之外，也提供了各家都支持的Plan 模式。先让 AI 帮你出方案、拆步骤，确认没问题后再动手，适合稍微复杂一点的项目，减少 AI 一上来就瞎写导致翻车的概率。

下面我带大家实战一把，结合 Plan 模式 + Agent 模式做个「AI 占卜师网站」，用户输入一个问题，让 AI 抽取塔罗牌并生成占卜解读。

第一步、用 Plan 制定方案

新建一个空的项目文件夹（比如 ai-diviner），在 VSCode 中打开该文件夹，应该会默认打开 Chat 对话面板。

在对话区域的智能体选择器中选择 Plan 模式、并选择大模型（比如 Claude Opus），然后输入需求：

帮我用 HTML + CSS + JavaScript 做一个 AI 塔罗牌占卜网站。


 功能描述：
1. 用户输入一个问题（比如「我最近事业运如何」）
2. 点击「开始占卜」后，展示 3 张塔罗牌的翻牌动画
3. 翻牌完成后，根据抽到的牌生成 AI 占卜解读
4. 界面要神秘华丽，深紫色主题配金色纹理，星空背景
5. 有流畅的翻牌动画效果
6. 响应式布局，手机也能用

Plan模式执行AI

选择 Plan 模式后，AI 不会直接开始写代码。

它会先研究你的需求，可能还会问你几个问题，比如 AI 解读是 “调用 AI 大模型接口” 还是 “从预设文案库随机生成”？

你只要像聊天一样把自己的想法告诉 AI 就好，比如我希望调用 DeepSeek 大模型的 API：

如果你自己也拿不准，可以让 AI 帮你分析不同方案的优缺点，或者交给它自主决定。

AI 理解你的需求后，会给出一份结构化的实施方案。

方案里会列出要创建哪些文件、每个文件负责什么、实现步骤的先后顺序，以及怎么验证效果。你可以在这一步跟 AI 反复讨论、调整方案，直到满意为止。

Plan 模式的本质是采用 4 个阶段的迭代工作流：需求研究 → 问题对齐 → 方案设计 → 迭代细化。AI 会先用只读工具深入研究你的代码库，再通过交互式问答来消除歧义，最后才给出方案草稿。

其实这也是软件开发的标准步骤。即使你不用 Copilot 内置的 Plan 模式，也可以通过提示词引导 AI 先设计方案、人工确认后再开发执行，养成先想清楚再动手的好习惯。

第二步、用 Agent 执行方案

确认方案没问题后，点击方案下方的「Start Implementation」按钮，让 AI 开始自动执行，直到实现方案。

执行过程中，Agent 会自动管理一个 Todos 任务列表来跟踪进度。你可以清楚地看到 Agent 在做什么，比如创建index.html、style.css、script.js文件，往里面写代码，甚至可能会自动打开终端执行命令。

如果 AI 要跑终端命令或者调用某些工具，会弹出确认框让你审批，安全性有保障。

你也可以在 Agent 工作时继续发消息，选择排队等待、立即打断、或者引导 AI 调整方向。

建议刚开始 AI 编程的朋友多观察一下 AI 的工作，发现不对劲的时候赶紧人工插手，可以节约 Tokens 并避免返工。

第三步、查看效果

几分钟后，Agent 不仅完成了开发任务，还用 Python 启动了个 Web 服务器，帮我运行了网站。

好家伙，这是多一步都不想让我做啊？照这个趋势，早晚我得退化到 Hello World 水平。

不过我还是喜欢在 Chrome 浏览器中测试，复制网址到浏览器中打开，然后输入从 DeepSeek 开放平台获取到的大模型 API Key：

输入一个问题，测测俺今年的爱情运势，然后点击「开始占卜」：

三张塔罗牌依次翻开，下方出现 AI 生成的占卜解读。深紫色的星空背景，搭配金色边框，再加上流畅的翻牌动画，效果还真挺唬人的。

我感觉自己也可以开一个塔罗占卜小摊儿了，应该不是错觉。。。

如果你对页面的某些细节不满意，可以在内置浏览器中点击「元素选择」按钮，哪里不爽点哪里，然后在 Chat 框里编写提示词就行，比如：

改为鱼皮塔罗

Agent 会自动定位到对应的代码并精准修改，改完你再刷新预览就好。

整个过程，从写需求到出成品，也就几分钟。搁以前，我要是自己从零写这么个带动画的占卜网站，怎么着也得搞一下午。

你还可以继续跟 AI 对话来增加功能，整个过程中一定要注意上下文的用量，如果满了 AI 可能会断片儿失忆，开始乱改。

因此，在上下文快满的时候，最好让 AI 把当前项目的信息沉淀为文档。这样之后每次打开新的 AI 对话框时，只要把历史文档交给 AI，就能快速找回记忆。

OK，实战体验完了，看到这里你就超过了 90% 的同学！

接下来带大家看看 GitHub Copilot 的核心特性，这些才是它真正拉开差距的地方。

核心特性 Tools - 给 AI 的工具箱

Agent 之所以能自主干活，靠的就是工具调用（Tool Use）。

工具就是 AI 在执行任务时可以调用的各种能力，比如搜索代码、读写文件、跑终端命令、抓取网页内容等等。没有工具，AI 就只能动嘴皮子教你做事；有了工具，AI 才能真正动手帮你干活。

VSCode 给 AI 提供了三种类型的工具：

内置工具：开箱即用，包括代码搜索、文件读写、终端执行、问题诊断等常用能力
MCP 工具：通过 MCP 协议接入的外部工具（下面会详细讲）
扩展工具：VSCode 插件提供的工具，装了对应插件就自动可用

所有工具都可以通过 Chat 对话区域的「配置工具」按钮进行可视化管理，很方便：

你可以自由开启或关闭工具，不需要写任何配置文件，比其他 AI 编程工具方便不少。

开启工具后，大多数情况下 AI 会自动判断该调用哪些工具。你也可以在对话中用#号手动引用特定工具，比如搜索整个代码库、codefather.cn抓取某个网页的内容、查看当前项目的所有报错。

Agent 执行终端命令时，还有一套安全审批机制。前面实战中我们也看到了，默认会弹确认框等待人工确认；你也可以配置自动审批规则，甚至开启终端沙箱（目前支持 macOS 和 Linux）来限制文件和网络访问，安全性拉满。

还有一个实用功能叫 Tool Sets（工具集），你可以把多个相关工具打包成一组，在对话中用一次性引用。

比如创建一个叫reader的工具集，包含codebase代码搜索、problems问题诊断、usages引用查找等只读工具，做代码审查的时候就很方便。

先在对话面板的设置中打开「工具集」，点击创建新的工具集文件并输入名称：

然后会自动弹出工具集的配置文件，添加下列代码并保存即可：

{
  "reader": {
    "tools": ["codebase", "problems", "usages", "search"],
    "description": "只读工具集，适合代码审查",
    "icon": "book"
  }
}

配置好之后，在对话中输入就能一次性启用这组只读工具了：

MCP（Model Context Protocol）是一种开放标准协议，作用是让 AI 能够连接外部工具和服务。你可以把它想象成给 AI 装了一个万能接口，通过这个接口，AI 就能操作数据库、调用 API、控制浏览器等等。

MCP 在 AI 圈已经非常火了，各种 AI 编程工具都已支持。但 GitHub Copilot 在管理 MCP 的体验上真是让我眼前一亮，微软竟然直接把 MCP 集成到了 VSCode 的扩展市场里！

你只需要打开 VSCode 扩展市场，开启 MCP 服务市场，就能看到一堆热门的 MCP 服务，哪还需要到什么 MCP 资源网站上自己安装啊？！

比如我想使用 Context7 这个获取最新技术文档的 MCP，点击安装后，会自动弹窗让我输入 API Key：

确认之后，就可以正常使用了。AI 在执行任务时会自动调用 MCP 提供的工具，你也可以用#号主动引用。

比如刚才装好了 Context7，之后让 AI 写代码时它就会自动去拉取最新的技术文档作为参考，减少 AI 瞎编 API 用法的情况。

整个过程不需要手写 JSON 配置，全程可视化选择和安装，对新手特别友好。以前在 Cursor 里配 MCP 还得自己找 JSON 粘贴，这里点点鼠标就搞定了~

当然，如果你是老手，也可以通过.vscode/mcp.json文件手动配置 MCP 服务。

{
  "servers": {
    "github": {
      "type": "http",
      "url": "https://api.githubcopilot.com/mcp"
    },
    "playwright": {
      "command": "npx",
      "args": ["-y", "@microsoft/mcp-server-playwright"]
    }
  }
}

这个文件不会自动生成，需要你自己创建，或者通过 VSCode 的命令面板执行MCP: Open Workspace Folder Configuration命令来打开：

MCP 服务除了提供工具之外，还支持 Resources（资源）和 MCP Apps（交互式应用）。Resources 可以给 AI 提供数据库表、API 响应等上下文；MCP Apps 则能在对话中渲染表单、仪表盘等交互式 UI 组件，体验拉满。

此外，VSCode 还能自动发现其他应用中已配置的 MCP 服务，省去重复配置的麻烦，在 VSCode 聊天设置中搜索chat.mcp.discovery.enabled即可开启。

MCP 配置也支持通过 Settings Sync 跨设备同步，在同步设置中勾选「MCP 服务器」选项，换电脑不用重新配一遍。

Agent Skills 是给 AI 准备的能力扩展包。和前面提到的 Tools 不同，Skills 更像是一份详细的工作手册，里面包含操作指南、脚本、示例代码等资源，让 AI 在特定任务上表现更专业。

比如你给 AI 装个「Web 应用测试」的 Skill，里面写好了用 Playwright 写测试的标准流程、示例模板、最佳实践。之后你让 AI 帮你写测试，它就会自动按照这套标准来，而不是每次都瞎写一通。

注意，Skills 是一个开放标准，不仅在 Github Copilot 里能用，Claude Code、Cursor 等 AI 编程工具中也能用，一套 Skill 多处复用，这也是它能火的原因之一。

从哪儿搞到 SKills 呢？

大多数情况下，直接从网上安装别人开发好的 SKills 就可以了。比如鱼皮 AI 导航的 Skills 大全里有我给大家精选的技能包，也可以去 GitHub 上的 awesome-copilot 仓库逛逛，社区贡献了不少实用的 Skills，拿来就能用。

在 VSCode 中，你可以通过对话框的 Skills 设置按钮，查看和管理本地已有的 SKills：

当然，你也可以自己创建 Skills，可以通过可视化界面选择安装位置，比如安装在当前项目下（仅本项目能用），还是安装到用户目录下（整个电脑的所有项目都能用）：

创建技能的核心是编写SKILL.md技能描述文件，比如创建一个「Web 应用测试」技能，文档内容示例如下：

---
name: webapp-testing
description: 使用 Playwright 测试 Web 应用的指南，当需要创建或运行浏览器测试时使用
---

 # Web 应用测试指南

 ## 创建测试
1. 参考 [测试模板](./test-template.js)
2. 确定要测试的用户流程
3. 在 tests/ 目录创建新的测试文件
4. 使用 Playwright 的定位器来查找元素

 ## 运行测试
运行命令：npx playwright test

 ## 最佳实践
- 为动态内容使用 data-testid 属性
- 保持测试独立和原子化
- 使用 Page Object Model 组织复杂页面的测试

Skill 创建好之后，你可以在对话区域里用/webapp-testing斜杠命令手动调用它，也可以让 AI 根据任务自动匹配加载。

Skills 采用渐进式披露的设计，AI 只在需要时才加载相关 Skill 的内容，不会一次性把所有信息都塞进上下文，既节省 Token 又保持灵活。即使装了几十个 Skill 也不用担心上下文爆炸。

多种 Agent 运行方式

前面实战中，我们用的是本地 Agent，但其实 GitHub Copilot 支持 4 种 Agent 运行方式，适合不同的使用场景：

运行方式

特点

适用场景

Local 本地

在 VSCode 中交互式运行，实时反馈

探索性任务、需要即时反馈的开发

Background 后台

在本地后台自主运行，使用 Git worktree 隔离

需求明确的任务，你想边干别的边让 AI 干活

Cloud 云端

在远程服务器运行，完成后自动提 PR

团队协作、不想占用本地资源的任务

Third-party 第三方

接入 Anthropic Claude、OpenAI 等第三方 Agent

想用特定 AI 厂商的能力

你可以在 Chat 对话区域底部的下拉菜单中随时切换不同的运行方式：

有个骚操作是，你可以在不同的 Agent 之间移交任务。比如先用本地 Agent 做个 Plan，觉得方案没问题了，一键移交给 Cloud Agent 去执行，它会自动创建分支、写代码、跑测试、最后提一个 Pull Request 给你的团队审查。

你还可以同时开多个 Agent Session，每个 Session 处理不同的任务，在 Chat 面板的 Sessions 列表中统一管理、查看状态、切换任务。

就像 Claude Code 可以同时开多个终端 Tab 一样，Copilot 的 Sessions 列表让你在一个面板里统一管理所有 AI 任务的状态，这是 GitHub 官方文档中重点推荐的工作流。

Hooks 允许你在 Agent 执行的关键节点自动运行自定义脚本。简单来说，就是在 Agent 工作流程的特定时机，自动执行你预设好的命令。

你可以在 VSCode 设置中查看和管理已配置的 Hooks：

目前支持的生命周期事件包括：

PreToolUse：Agent 调用工具前触发，比如拦截rm -rf等危险命令
PostToolUse：Agent 调用工具后触发，比如自动跑 Prettier 格式化代码
SessionStart / Stop：Agent 会话开始和结束时触发（官方事件名分别是 SessionStart 和 Stop），比如在会话开始时自动注入项目上下文，会话结束时生成工作报告
UserPromptSubmit：用户提交提示词时触发，比如审计用户请求、注入系统上下文
SubagentStart / SubagentStop：子智能体启动和完成时触发，比如跟踪子任务的执行情况和资源消耗

举个例子，在项目的.github/hooks/目录下创建 JSON 配置文件，填入下列代码：

{
  "hooks": {
    "PostToolUse": [
      {
        "type": "command",
        "command": "npx prettier --write \"$TOOL_INPUT_FILE_PATH\""
      }
    ]
  }
}

这样每次 Agent 调用工具修改了代码文件，都会自动跑一遍 Prettier 代码美化工具，保证代码风格统一。

Hooks 的应用场景很多，比如自动格式化代码、拦截危险命令（rm -rf和DROP TABLE，防止删库跑路）、记录每一次工具调用便于排查问题。而且 Hooks 的配置格式和 Claude Code 是兼容的，如果你之前在 Claude Code 里配过 Hooks，可以直接复用。

Custom Instructions - 让 AI 遵循你的规范

自定义指令就是给 AI 定规矩。

你把编码规范、技术偏好、项目约定写到一个 Markdown 文件里，AI 在每次对话时都会自动遵循这些规则，不需要每次都重复说 “用 TypeScript 写”、“变量名不要用 a b c” 之类的。

其实这个概念和 AGENTS.md 类似，都是通过文件来告诉 AI 项目的规范和约定。区别在于 Copilot 的指令文件路径是.github/copilot-instructions.md，而且支持更细粒度的文件模式匹配（类似 Cursor 的 Rules）。

创建指令的方式很简单，在对话区域的设置中打开「聊天指令」，然后选择创建位置：

或者手动在项目根目录下新建.github/copilot-instructions.md文件，填入内容即可，比如：

# 项目编码规范

 ## 代码风格
- 使用语义化 HTML5 元素
- 优先使用 ES6+ 语法（const/let、箭头函数、模板字符串）
- 变量命名使用 camelCase，组件命名使用 PascalCase

 ## 技术偏好
- 前端框架优先用 React + TypeScript
- CSS 使用 Tailwind CSS
- 测试使用 Vitest

 ## 代码质量
- 函数和变量名要有意义，能自解释
- 复杂逻辑要加注释
- 用户输入和 API 调用要加错误处理

VSCode 支持两种指令类型。一种是全局生效的指令（Always-on），所有对话都会自动应用；另一种是基于文件模式匹配的指令（File-based），比如.tsx文件用 React 组件规范，.test.ts文件用测试规范，只有匹配到对应文件时才生效。

像下面这种带 YAML 头部的结构，就是 File-based 指令的标准写法，通过description字段描述何时生效、applyTo字段指定匹配的文件模式：

还有个小技巧，在对话区域里输入/init，AI 会自动分析你的项目结构和代码风格，帮你生成一份自定义指令文件，省得自己从零写起。这个命令特别适合接手老项目、或者在已有项目上扩展功能的场景，AI 能帮你快速梳理出项目已有的编码习惯。

自定义智能体就是给 AI 分配不同的角色。比如你可以创建一个安全审查员、测试工程师、架构师等角色，每个角色有自己的指令、工具权限和行为规则。

跟 Custom Instructions 自定义指令不一样的是，Instructions 是全局规则，不管你跟 AI 聊什么它都会遵循；而 Custom Agents 是角色切换，你选了某个角色后，AI 就只按那个角色的设定来工作，包括能用哪些工具、不能做哪些操作，都由角色定义。

创建自定义智能体的方式有两种。

一种是在对话区域的设置中打开「自定义智能体」，选择创建位置（当前项目或用户目录），VSCode 会自动创建对应的文件：

另一种方法是手动写一个.agent.md文件放在.github/agents/目录下。比如创建一个写作助手article.agent.md：

---
name: 写作助手
description: 帮助撰写和优化技术文章、项目文档
tools: ['search', 'codebase', 'fetch', 'editFiles']
---

 # 写作助手

 你是一位经验丰富的技术写作者，擅长把复杂的技术概念讲得通俗易懂。

 ## 写作风格
- 用口语化的表达，像跟朋友聊天一样
- 段落要短，避免大段文字堆砌
- 适当加入类比和例子帮助理解

 ## 重要规则
- 先列大纲，确认后再写正文
- 每段都要有明确的主题
- 技术术语第一次出现时要解释

保存后，在对话区域的智能体下拉菜单中就能看到这个写作助手了，选中它 AI 就会按照你定义的角色来工作。

自定义智能体还有一个更强大的玩法，叫 Handoffs（移交）。你可以在 Agent 文件中定义「下一步动作」按钮，实现智能体之间的任务接力。

比如 Plan 智能体出完方案后，底部出现一个「开始实现」按钮，点一下就自动切换到 Agent 模式开始编码，把方案的上下文完整传递过去：

handoffs:
  - label: 开始实现        # 按钮上显示的文字
    agent: agent           # 移交给哪个智能体
    prompt: 按照上面的方案开始编码  # 自动填入的提示词
    send: false            # false 表示不自动发送，等你确认后再发

除了 Handoffs，你还可以编排多个专业智能体的协作流程。

假设你在做一个新功能，需要先调研项目里已有的代码模式，再动手写代码。你可以创建一个「功能开发」主智能体，让它先调用一个只读的「调研员」子智能体来分析代码库中的相关模块和设计模式，拿到分析结果后，再调用「编码员」子智能体按照分析出的模式来写新代码。这种多智能体编排在做复杂功能时特别实用，每个角色各司其职，比单个 AI 乱写一气靠谱得多。

VSCode 还支持 Claude 格式的 Agent 文件（放在.claude/agents目录），如果你之前用 Claude Code 创建过自定义 Agent，可以直接拿过来用，无缝兼容。

Prompt Files - 可复用的提示词模板

Prompt Files（提示词文件）可以把你常用的任务封装成斜杠命令，在对话中随时复用。

比如你经常需要生成 React 组件、执行安全审查、编写单元测试，每次都得重复输入类似的提示词，而有了 Prompt Files 之后就不用了。

跟自定义指令的区别是，自定义指令会自动应用到所有对话，而 Prompt Files 需要你手动在对话中输入/命令名来触发，更适合特定任务场景。

创建方式跟自定义指令完全类似，在对话区域的设置中打开「提示文件」，在弹出的对话框中选择「新建提示文件」：

然后选择创建位置（当前项目或用户目录），VSCode 会自动创建对应的文件：

你也可以直接在.github/prompts/目录下创建.prompt.md文件。举个例子，创建一个/gen-test命令来自动生成单元测试：

---
description: 为当前文件生成单元测试
agent: agent
tools: ['search', 'search/codebase', 'edit/editFiles']
---
为 [${fileBasename}](${file}) 生成单元测试。


 - 测试文件放在同目录下：${fileDirname}
- 命名为：${fileBasenameNoExtension}.test.ts
- 测试框架：${input:framework:jest or vitest}
- 参考项目的测试规范：[testing.md](../docs/testing.md)

这里面用到了一些变量，比如${file}会自动替换为当前打开的文件路径，${input:framework}是指要从用户在对话框中输入的内容来获取值。