StreamSparkAI

核心摘要

本演示介绍了 Visual Studio Code 1.93 版本中一项名为“自定义 Copilot 指令”的实验性功能。该功能允许用户通过工作区设置，让 Copilot 在处理每个请求时自动引用指定的项目文件（如 Markdown 规范、SQL 数据库定义等），从而赋予其项目上下文感知能力。

演示者通过一个15分钟的实战项目，展示了该功能的强大潜力：
1. 项目结构生成：利用一个定义了代码风格和目录结构的 Markdown 文件，指导 Copilot 成功生成了整个项目的脚手架脚本。
2. 数据模型生成：通过引用一个 SQL 数据库表结构文件，Copilot 能够为指定的 ORM（如 Sequelize 或 Drizzle）精确生成所有数据模型，并正确处理了模型间的复杂关联。
3. 业务与测试代码生成：基于一份购物车服务的功能规范文档，Copilot 自动生成了完整的服务层逻辑及其配套的单元测试代码，并能根据进一步指令优化测试用例。

尽管过程中需要进行少量手动清理，但最终生成的应用程序基础代码成功通过了全部7个测试用例。结论是，自定义指令极大地提升了 Copilot 的智能化水平，使其能遵循项目规范、理解上下文，自动化生成高度定制化的初始代码，从而显著加速开发进程。演示者强调，该功能目前仍处于实验阶段，鼓励用户积极提供反馈。

功能介绍：实验性自定义 Copilot 指令

演示者介绍了 VS Code 2024年8月发布的1.93版本中的“实验性自定义 Copilot 指令”功能。该功能允许用户通过全局或工作区设置，向 Copilot 的聊天会话预置指令或文件引用。这意味着 Copilot 在每次交互时都会首先参考这些预设的上下文，从而使其行为更符合特定项目的需求。该功能目前仍处于实验阶段。

第一步：通过规范生成项目结构

为展示该功能，演示者首先创建了一个 code-style.md 文件，其中定义了项目的推荐目录结构。随后，他在工作区的 settings.json 文件中配置 Copilot 引用此 Markdown 文件。当他向 Copilot 提问如何构建应用结构时，Copilot 准确地根据文件内容给出了建议，并生成了一个 Bash 脚本（init.sh）来一键创建所有必需的目录。

第二步：结合数据库定义生成数据模型

接下来，演示者将一个包含数据库表定义的 SQL 文件（chinook test database）添加到了 Copilot 的自定义指令中。基于此文件，他向 Copilot 发出指令，要求使用 Sequelize ORM 生成数据模型。Copilot 成功地分析了 SQL 结构，生成了精确的 JavaScript 模型代码，甚至正确识别了模型间的关联（associations）、可空性（nullability）、复合主键以及多对多关系。演示者还展示了只需更改提示词，Copilot 就能切换到另一个工具（如 Drizzle）生成相应代码。最后，他让 Copilot 创建了一个自动化脚本（models.sh），用于通过 Sequelize CLI 批量生成所有模型和迁移文件。

第三步：根据服务规范生成业务逻辑与测试

为了生成具体的业务代码，演示者创建了一份新的规范文件 cart.md，详细描述了购物车服务的功能需求，并将其与之前的风格指南一同添加至 Copilot 的指令中。当被要求“生成购物车服务”时，Copilot 同时生成了：
1. 服务逻辑：一个遵循规范的 cart.js 文件，包含添加商品、设置客户等功能，并内置了必要的逻辑校验。
2. 测试代码：一套完整的单元测试用例。

演示者还展示了与 Copilot 的互动优化能力：在指出初始测试用例包含多个断言后，他要求 Copilot 将其重构为“每个测试仅包含一个断言”，Copilot 随即生成了符合要求的优化版本。

最终验证：运行测试与成果

在将生成的代码文件放置到正确的项目目录下、安装了 uuid 等依赖并配置好 Jest 测试环境后，演示者运行了测试。经过对 Copilot 自动生成的额外测试文件进行简单清理后，最终测试套件成功运行，结果显示 7个测试通过 (7 passed)。演示者对 Copilot 生成的代码能够“开箱即用”表示非常惊喜。

核心结论

自定义 Copilot 指令通过赋予 AI “项目感知能力”，使其能够深刻理解项目特有的规范和结构。这种“文档驱动开发”的模式，让开发者可以通过维护规范文档来指导 Copilot 生成高度一致且符合要求的初始代码。在短短15分钟内，一个功能可用的应用基础框架得以构建，证明了该功能在提升开发效率方面的巨大潜力。不过，此功能尚处于实验阶段，其未来发展将依赖于用户的反馈和贡献。