第一步：挑一个入口，新手从命令行版开始

光是 GitHub Copilot 家族里就有一堆入口：命令行版（CLI）、新出的 GitHub Copilot 桌面应用、VS Code、Visual Studio、JetBrains，这还只是举几个例子。

好消息是这些入口正在收拢到同一个外壳上。细节各有不同，核心流程是一样的：学一次，到处能用。

他给新手的建议是从命令行版开始。理由是想学会这个外壳，最好离它越近越好。终端里就是纯文字，没有一堆界面要学，你打一句话，Agent 干活，交互更直接、更即时，用他的话说，「说实话挺爽的」。

他这次演示用的是新出的 GitHub Copilot 桌面应用。这个桌面应用建在 Copilot 命令行版之上，macOS、Linux、Windows 都能装。它主打的是同时开好几个 Agent 会话，每个跑在自己独立的 git 工作树和分支上，互不干扰。会话模式有三种，正好对应下面几步要讲的东西：

第二步：把审批按钮关掉，但别在自己电脑上关

YOLO 模式（you only live once，「人生只活一次」，程序员用它自嘲「豁出去了」），官方名字叫 Allow All（全部允许），具体开法各家工具不太一样，多数就是在聊天里打一句 /allow-all，/yolo 是同一个命令的别名。开了之后 Agent 想跑什么命令就跑什么，不再一步一问。

他坚持要开的理由是：Agent 得有自主权，你才看得到效率提升。如果它干什么都要你点一下「批准」，那你不如自己干。而且一天到晚坐那儿点批准是很难受的体验。更糟的是，点多了你就被训练成不看内容直接点，那这个批准环节就白设了。

他紧接着甩了个链接，指向 7 月 10 日的一条推文。Matt Shumer 是 AI 圈的活跃投资人，也做过 AI 写作产品 HyperWrite 的 CEO。他把 GPT-5.6 Sol 放在自己 Mac 上跑。Agent 在执行一个文件清理任务时，拼出了一条递归删除命令（rm -rf），把他 Mac 主目录里的东西几乎删光了。

我很生气……OpenAI 团队正在查这件事，但这种事感觉应该发生在 GPT-3.5 身上，而不是 2026 年年中、跑在最高推理档上的前沿模型。

Matt Shumer，2026-07-10

所以作者的结论是：开 YOLO 可以，但别在本机开。在公司里更是如此，数据在组织的系统上，出事代价很大。要开就找个沙箱一个跟你本机隔离的一次性环境，里面被删光了也不影响你自己的文件。，最容易上手的是 GitHub Codespaces（云端开发环境）或者 dev container（在本机上用容器隔出来的开发环境）。

权限一共四档，从只读放行到全自动

这一层决定了你能不能既省心又安全。Copilot 命令行版默认并不是每件事都拦你：只读操作，搜索、读文件、跑只读命令，本来就自动放行。要你点头的是那些能改动系统的动作：跑破坏性命令、写文件、访问网址。

从「每步都问」到「全自动」，中间还有几个档位：

还能更细。--allow-tool='shell(git:*)' --deny-tool='shell(git push)' 的意思是「所有 git 命令都行，就是不许推代码」。有一条规矩要记住：拒绝规则永远压过允许规则，哪怕你开了 --allow-all 也一样。

第三步：先做原型，你看到了才知道自己想要什么

AI 最神奇的地方之一，是前期原型现在便宜到白菜价。以前做原型是项目里一个完整的阶段，很多时候算奢侈品；现在一句话就能出。

拿一个日期选择器（date picker）组件当例子。听起来简单，实际上一堆问题等着回答：组件里怎么导航？选中的日期长什么样？选一段区间又长什么样？用户怎么在日、月、年之间切？

他的做法是一句话要 20 个。

Give me 20 mocks for a date picker web component. Put them all in an HTML file so I can compare.

20 个方案摆在一页里，顶上还自动分了类：全部 20 个 / 极简 / 表现力 / 区间 / 移动端 / 情境化。右边那个是把每天忙闲程度画成绿色深浅的热力图。图来自 GitHub 博客原文。

出来的 20 个方案里，有一个是从年视图开始的（图里左边那个「Year at a glance」，一眼看全年）。他看到才想到：我想要的是让用户能从年缩放到月、再缩放到日。

这些东西你不看到就不会去想。

These are the kinds of things you don't consider until you see them.

人处理图像、形状、看得见的布局，比处理密密麻麻的文字快得多。前期用很低的成本做几个原型，能让复杂概念一下子变直观。

看不见的活也照样先画图

他要加一个 API 接口（就是让程序之间互相调用的一个入口），这件事没有界面可看，他一样先要可视化原型。

Create a visual mockup of the API for this project. Add five options for how we could handle a new API endpoint that allows the user to download their analytics data.

「下载分析数据」这一件事，五种做法摊在一张树状图上：账号级同步下载、按列表同步下载、异步导出任务、内容协商、自定义报表提交。图下面还接着展开了第一种方案的完整请求样例，并标注它是推荐的最小可用版本。图来自 GitHub 博客原文。

GitHub Copilot 桌面应用支持 Mermaid 图一种用文字描述来画流程图的写法，写几行文字就能渲染成方框和箭头，所以 AI 能直接「写」出图来。，所以它把这五种做法直接渲染成了一棵树。

模型怎么选：中间那档，而且从头到尾别换

他推荐日常大部分活用中档模型，GPT-5.6 Terra 或者 Claude Sonnet，推理档位选中等。GPT-5.6 这一代 7 月 9 日进的 Copilot，一共三个型号：Sol 推理最强，Terra 均衡，Luna 最轻最便宜。他推荐的 Terra 就是中间那一档。

另一条建议更值钱：同一个功能、同一个 bug，从头到尾别换模型，也别换推理档。原因是提示词缓存（prompt caching）模型那边把你之前的对话存着，下次接着聊不用重新算一遍，费用打折。换模型或换推理档，缓存就作废了。：只要你不换，之前的对话在模型那边还是缓存状态，后面的请求能打折。换了就等于从头再来一遍。

第四步：进计划模式，让它把你想不到的问题一个个问出来

现在你知道自己真正想要什么了，而不是一开始以为自己想要的。该出实现计划了。

不用新开会话，直接切到计划模式。

/plan Build a date picker web component. I want the user to be able to zoom in and out of years, months, and days.

他自己说这个提示词挺含糊的，但没关系，计划这一步就是干这个用的。

理论上，只要你能把完美的提示词、完美的上下文、按完美的顺序组织好，模型可以一次成功。理论上。但我们没人做得到。计划模式帮你逼近这个理想，方式是把你如果亲手做这件事、迟早也得回答的那些问题，提前一个个问出来。

计划模式会问的问题长这样，每一个都在决定一件具体的事：

这样的问题还有一长串。这些边界情况你不可能全想到，但模型能帮你揪出来不少。

你也能反过来问模型

模型问「第一版要支持哪几种选择模式」，给了四个选项：只选单个日期（推荐）、单个日期加区间、单个日期加区间加多个不连续日期，以及第四个，「等等，这里说的不连续日期区间到底长什么样？」。反问是内置的一个选项，不用你另起一句话。顶上第一行「Loaded skill grill-me」是它加载了那个追问技能。图来自 GitHub 博客原文。

他大概知道模型指的是什么，但还是问了一句，好让双方在同一个频道上。你插进去问问题也不会打断计划流程，它接着往下走。

想让它问得更狠：装一个专门追问的技能

装上 Matt Pocock 做的 grill-me 技能（「来烤我」），他是 TypeScript 圈很有名的教学作者，把两个命令连起来打，它会问得多得多、狠得多。这个技能干的事是一次只问一个问题、揪着一个计划刨到底，直到你和 Agent 对每个分支都达成共识。（这是他这篇文章里用到的第一个技能。）

/plan /grill-me Build a date picker web component. I want the user to be able to zoom in and out of years, months, and days.

第五步：批准计划，交给 Autopilot 自己跑完

计划出完，GitHub Copilot 通常会直接问你要不要切到 Autopilot 去实现。

计划摘要六条，从「做一个不依赖任何框架的组件」到「所有导航、选择、表单、键盘、响应式、动效状态都要在演示页里验一遍」。底下两个选项：批准并用 autopilot 实现（推荐）、退出计划模式我自己来提示。图来自 GitHub 博客原文。

Autopilot 是一个内置的循环。它逼着模型接着干，办法是确认它有没有真的把说过要做的事做完，在这里就是计划里的每一项。

Copilot 在这个阶段会自动当派活的（这个角色英文叫 orchestrator，编排者）：需要读代码库里的文件，它派「Explore」子代理（subagent），配一个小模型；判断某个动作比较复杂，它多半会派「General Purpose」子代理，配一个大模型。你想精细控制也可以，用自定义 Agent 和自定义指令。但什么都不做，你照样吃得到多个子代理、多个模型协同的好处，哪怕你根本不知道有这些东西存在。

Autopilot 什么时候会停

autopilot 会在四种情况下停：它认为任务完成了、遇到问题走不下去了、你按 Ctrl+C 停了它、或者达到了你设的最大续跑次数。最后这个是用 --max-autopilot-continues 设的，防止它陷进无限循环，写进脚本自动跑的时候尤其该设，因为出事时你不在旁边。

还有一条安全设计，正好解释了上一步和这一步为什么是配套的：在 autopilot 模式下，除非你明确给了全部权限，否则它做不了任何需要审批的动作。权限不给够，它就只能一路自动拒绝，活干不完。

第六步：人来审，别接受「差不多能用」

这一步最爽：你终于看到 AI 做出了什么。

但多半不会正好是你想要的，这很正常。模型读不了你的心，而且它会出错。你得跟它反复磨，磨到你真正想要的样子。不管是代码还是界面，这一步你的品味决定成品的质量。

初版的年视图：顶上写着「12 YEARS」，每个年份都装在方框里、下面还带着 1 到 12 的小编号，这两处正是他下面要删掉的。图来自 GitHub 博客原文。

他一眼看出的四个问题：

他用的是自己做的 CSS 框架 Postrboard（一套设计系统，40 多个组件），装成技能挂给 Agent，技能里就是指一下 CSS 在哪、怎么用。不一定要用他这个，随便挑一个喜欢的 CSS 框架都行，给模型一点设计上的指引很有用，很多时候一个 CSS 框架就够了。（这是他这篇文章里用到的第二个技能。）

然后他甩过去一串话，一字未改是这样的：

ok - we don't need a landing page here - just the component, output and settings panel in a minimal setting. Use the /postboard skill for the design and colors.

For the date picker, when I click on the day, it tries to zoom in, but can't because there is nothing to zoom to. There should be no zoom there.

It doesn't need to say "Zoom Out" at the top

When I mouse over a month or year that contains the selected day, I cannot read the hover text.

When I click "Today" it should take me to that day view, even if I'm on the month or the year.

The months don't need numbers under them and they don't need to be in boxes

Same goes for years. And it doesn't need to say "12 years" at the top."

（他原话里把框架名写成了 /postboard，少了一个 r，实际叫 Postrboard。）

别想太多。修一堆小毛病的时候，直接说给模型听就行。你有上下文，你就有提示词。

Notice how conversational this is. Don't overthink it.

改完之后：左边只剩组件本身，右边是实时生效的设置面板，视图层级、可选范围、禁用哪几天都能当场调。方框和编号都没了。图来自 GitHub 博客原文。

第七步：叫另一家公司的模型来挑毛病

改到满意之后，再请一次 Rubber Duck review（橡皮鸭审查）。不需要什么特殊格式，一句大白话就能叫。

Perform a rubber duck review on this date picker component implementation

机制是这样的：GitHub Copilot 会去找一个跟你当前会话模型不同家族的模型来审，实际操作里就是换一家公司的模型。作者用的是 GPT-5.6 Terra，它就找了 Claude Sonnet 来审。道理很朴素，不同模型是拿不同数据训出来的，盲点不一样。一个模型自己审自己，多半会漏掉同一批东西。

橡皮鸭只看不改，挑毛病也有边界

橡皮鸭是内置的一个 Agent，只读，不改文件，它只负责给意见，改不改由主 Agent 和你决定。它给的意见分三档：阻塞（不修这活就成不了）、非阻塞（该修，不修也能用）、建议（优先级低但真有用）。它还被明确要求不要挑格式、命名、注释语法这类不影响实际问题的毛病。没发现问题它会明说没有。

它不是只能用在最后，原型能审，计划也能审，看你想不想在那一步要第二个 AI 的意见。

它最该出场的时机是计划做完、代码还没写那一刻，这时候改方向最便宜。除此之外还有三个时机：写到一半查盲点、测试写完验覆盖够不够、以及反复失败时换个脑子分析，别拿同一个思路一遍遍试。小改动它一般会跳过，不添乱。

你也可以随时手动叫它，打一句 /rubber-duck 还缺哪些边界情况？ 就行。

再狠一点：让两个模型自己来回磨

橡皮鸭和 Autopilot 能串成一个循环。

/autopilot rubber duck this date picker implementation. When you have the result, review it carefully and make any necessary adjustments. Repeat the rubber duck review until both you and the reviewing model agree that the only items that remain have diminishing returns.

代价是烧更多 token。但用他的话说，这是拿两个模型轮流捶，把代码捶硬，等于替未来的自己省下踩坑的时间。

第八步：提交，换话题就开新会话

做完就提交，或者接着往这次改动里加下一个功能。他还有一条会话管理建议：下一件事如果跟这个不相干，就开新会话。会话应该按主题分，聊着聊着跑题跑远了，多半就该换一个了。

这是他做出来的成品，从年到月到日逐级缩放，左边组件右边设置面板实时联动：

他自己也说这例子有点刻意，但还是让人停一秒：日期选择器过去是前端最难啃的活之一，随便找个做过的人问问就知道。

说好的不用技能，他自己装了两个

他这篇文章的开头是一句「如果你现在被 AI 搞得应接不暇，你不是一个人」，接着列了每天刷屏的新工具、新 MCP、新技能、新工作流，还有那句永远配套的「快看！我用这么一条怪提示词，把 AI 彻底搞明白了」。他的回应就一句：

我……不信你们。

I…don't believe you.

他每天用 AI 干活，结论是装得越少、懂得越深，效率反而越高。装什么插件、配什么规则、想什么招把 Agent 骗着多干点活，这些事有意思，但在他看来更像小把戏。真正让他效率上台阶的，是他怎么用这个外壳、有多懂它。

他对现在市面上的垃圾产出还有一句：你随便让 Agent 生成一个技能，它一定二话不说给你造一个出来。那玩意儿到底能不能用是另一回事，而这种东西可以随手发到各种技能市场和 MCP 市场上去。

他最后的总结有三层：

第一，简单的流程对大部分人就够了。简单还有个附加好处，同时开好几摊的时候，你更容易搞清楚哪个 Agent 在什么状态、自己上次干到哪了。你的上下文窗口也就那么大，模型一次能记住的东西是有限的。

第二，AI 这块能玩的东西没有上限：MCP、技能、指令、自定义 Agent、工作流、循环、让 Agent 去提示 Agent、搭一整支虚拟开发团队，都行。

第三，也是他放在最后的那句：

现在没人真的知道自己在干嘛。我们都是边做边摸索。今天那些神奇的咒语，很多会变成明天的反面教材。

nobody really knows what they are doing right now.

回过头看原文标题结尾那个 mostly（大部分时候），它是有分量的。这篇文章从头到尾，他用了两个技能：Matt Pocock 的 grill-me 用来把计划问透，自己做的 Postrboard 用来给设计定调。开头的免责声明里他自己就承认了。

所以「外壳就够了」真正的意思是：你不必追着每天冒出来的新东西跑，光靠手上这个工具的现成功能，就能把活干得很好。等你真碰上需要自动化的复杂流程了，再去加那些东西。

他拿「从零做一个日期选择器」当例子，就是网页上点开选日期的那个小控件。看着简单，实际一堆问题要回答：怎么在年月日之间切、选一段区间长什么样、能不能手动输入。

以前做原型是项目里一个完整阶段，做一版就算奢侈，所以多数人照着脑子里的想象直接开写。现在一句话就能出一堆。

20 个里有一个是从年视图开始的，他看到才想到自己真正要的是「年→月→日逐级放大」。这些东西你不看到就不会去想。连「加一个 API 接口」这种没界面可看的活，他也照样先让 AI 把五种做法画成一张树状图再挑。

他建议把「这一步要不要允许」的审批全关掉，让 AI 想跑什么命令就跑什么。理由是一步一问不如自己干，而且点多了人就被训练成不看内容直接点，这道关就白设了。前提是换个地方跑。

改到满意之后还有一道关：一句大白话就能叫一次「橡皮鸭审查」，工具自动挑一个跟当前会话不同家族的模型来审。他用 GPT-5.6 Terra 写代码，来审的是 Claude Sonnet。不同数据训出来的模型，盲点不一样，自己审自己多半漏掉同一批东西。

名字来自软件行业的老办法：把思路讲给一只橡皮鸭听，光是说出口就常常自己发现漏洞，区别是这只鸭子会回嘴。最该叫它的时机是计划做完、代码还没写那一刻，那时候改方向最便宜。

这套流程、七段可直接抄走的提示词原话，以及 20 个原型、7 个边界问题这些数字，都是 Burke Holland 在 GitHub 博客里的自述；权限档位和橡皮鸭的三档意见来自 GitHub 官方文档。他在 GitHub 做开发者布道，讲的是自家产品，方法本身与用哪家工具无关。