GitHub Copilot Chat 作为集成在 VS Code 等 IDE 中的智能编程助手，提供了多种与开发者交互的模式。其中，位于聊天界面底部的下拉菜单允许用户在 【Ask（提问）】、【Edit（编辑）】和 【Agent（智能体）】三种核心模式间切换。
这三种模式在功能、交互方式和适用场景上存在显著差异，理解它们的区别对于高效利用 Copilot 至关重要。本文将深入剖析这三种模式的工作机制、优缺点，并结合实际开发流程，探讨如何选择和应用它们以提升开发效率。
一、Ask 模式：上下文感知的代码查询与解释引擎
Ask 模式是Copilot Chat 最基础也最常用的交互方式。其核心功能是在开发者当前工作上下文（包括打开的文件、选中的代码）的基础上，理解并回答编程相关的提问。
工作机制
-
开发者在 IDE 中选中代码片段或基于当前文件提问。
-
在 Copilot Chat 窗口输入具体问题。
-
Copilot 分析问题和代码上下文，生成文本回答或代码建议。
主要应用场景：
代码理解： 解释选中代码的功能、逻辑或实现方式。
实现方法查询： 询问如何实现特定功能、使用特定 API 或库。
代码测试建议： 针对选中代码，提供测试用例或测试方法的建议。
错误排查与边界处理： 询问特定错误的原因或如何处理某种边界条件。
语法/概念查询： 快速查询语言特性、框架用法（如 Tailwind CSS、JavaScript 闭包、React Hooks 防抖实现等）、算法选择等。
特点：
非侵入式： 只提供信息和建议，不直接修改用户代码。
上下文感知： 利用当前 IDE 环境信息，提供更相关的答案。
低摩擦： 无需切换应用或中断流程，即可快速获取编程知识或解决方案。
适用性广： 可用于解决从具体代码问题到一般性编程概念的各种疑问。
Ask 模式是解决编码过程中遇到的即时性问题、快速获取信息的有效工具，显著减少了中断和上下文切换的成本。
二、Edit 模式：基于自然语言指令的代码编辑与重构
Edit 模式赋予Copilot 直接修改代码的能力，但保留了开发者的最终控制权。它适用于开发者有明确修改意图，希望自动化执行编辑操作的场景。
工作机制：
-
开发者选中需要修改的代码块或指定文件范围。
-
在 Copilot Chat 窗口输入自然语言描述的编辑指令（例如，"添加 try-catch 块进行错误处理"，"将此函数重构为 async/await 形式"）。
-
Copilot 分析指令和代码，生成修改后的代码。
关键步骤： Copilot 以【diff（差异对比）】形式展示修改建议，开发者审查并确认后，修改才会实际应用到文件中。
主要应用场景：
代码重构： 应用特定模式（如 async/await）、优化逻辑结构。
代码生成： 根据描述添加标准化代码块（如错误处理、日志记录）。
代码风格统一： 批量调整代码格式或命名。
精确代码修改： 在大型或老旧项目中，进行目标明确、范围可控的修改，避免引入副作用。
特点：
开发者主导： 开发者发起指令并拥有最终审批权。
效率提升： 自动化执行重复性或模式化的编辑任务。
变更可视化： 通过 diff 展示，确保修改内容符合预期。
可定制化（通过 Custom Instructions）： 支持配置代码风格、注释要求、团队规范等，使生成的代码更符合项目标准。配置这些"自定义指令"相当于为 Copilot 提供了一套明确的编码规则，提高其输出质量和一致性。
Edit 模式是在保持完全控制的前提下，加速代码编写和重构过程的实用工具，特别适合目标明确的局部代码改进。
三、Agent 模式：面向任务的自动化代码生成与项目级操作
Agent 模式是Copilot Chat 中功能最强大的模式，具备跨文件分析、多步骤任务规划与自主执行的能力。它适用于更宏观的开发任务，如下游代码生成或自动化修复。
工作机制：
-
开发者提供一个高层级的开发目标或任务描述 （例如，"为用户模型添加 CRUD API 端点"，"修复登录流程中的 XSS 漏洞"，"基于此接口定义生成客户端请求代码"）。
-
Copilot Agent 分析任务，规划执行步骤（可能涉及分析代码库、识别相关文件、生成新代码、修改现有代码、甚至执行终端命令）。
-
Agent 自主执行这些步骤，迭代地修改代码。
重要区别： Agent 模式通常会自动应用编辑，但对于潜在风险操作（如执行某些终端命令），会提示用户确认。它会分析代码依赖关系，进行更广泛、更智能的跨文件修改以确保一致性。
主要应用场景：
功能/模块快速原型构建： 根据需求描述生成基础代码框架（如路由、组件、数据模型）。
自动化 Bug 修复： 基于 Bug 描述尝试定位并修复代码问题。
项目级重构： 执行涉及多个文件或模块的结构性调整。
代码库维护： 自动化更新依赖、迁移 API 用法等。
脚手架生成（Scaffolding）： 快速搭建新项目或项目内某个部分的标准结构。
特点：
高自动化程度： 能自主规划并执行复杂的多步骤任务。
项目级上下文理解： 具备分析整个代码库或指定范围的能力。
任务导向： 开发者关注任务目标，Agent 负责具体实现。
高度依赖指令质量和上下文： 其效果很大程度上取决于初始指令的清晰度、准确性以及通过"自定义指令"提供的项目规范和背景信息。缺乏足够上下文或精确指令可能导致输出偏离预期。上下文窗口虽然在不断增大，但仍有限制，自定义指令有助于弥补这一点，提供稳定的规则基础。
需要开发者监督： 虽然自动化程度高，但仍需开发者审查其操作步骤和最终结果，特别是在复杂或关键任务中。
Agent 模式代表了更高阶的开发自动化能力，适用于启动新项目、快速实现功能原型或执行大规模自动化任务，但要求开发者具备良好的任务描述能力和对自动化过程的监督意识。
为了更直观地展示自定义指令的作用，以下是一个实际项目中为 Agent 模式配置的 Custom Instructions 示例。该指令集针对一个基于Next.js 和 TypeScript 的旅游应用程序：
这份详细的自定义指令涵盖了代码标准（如提交前检查、组件规范）、技术栈模式（TypeScript/React 最佳实践）、样式指南（优先使用 Tailwind）、开发流程（命令脚本）、仓库结构说明以及关键开发指南（如 'use client' 使用、无障碍设计要求等）。通过提供如此全面和结构化的规则，可以显著提升 Agent 模式在理解项目需求、遵循规范和生成高质量代码方面的表现，尤其是在处理跨文件、多步骤的复杂任务时。
四、Agent 模式与资深开发者的关系
需要明确的是，Agent 模式并非旨在取代开发者的经验和判断，而是作为一种增效工具。
工具选择的智慧： 资深开发者更能判断何时使用 Agent 模式的自动化能力，何时应采用 Edit 或 Ask 模式进行更精细、可控的操作，尤其是在处理复杂系统或高风险代码区域时。
提示词质量决定效果： Agent 模式的效果很大程度上依赖于输入指令的质量。资深开发者凭借其对系统架构、设计模式和潜在问题的深刻理解，能够提供更精确、有效的指令，从而引导 Agent 产生更高质量的输出。
规范化与知识沉淀： 资深开发者可以通过"自定义指令"将团队的最佳实践、编码规范、架构约束等隐性知识显性化，不仅能提升 Agent 模式在项目中的表现，也有利于整个团队知识的沉淀和共享。
关注点转移： Agent 模式可以将开发者从繁琐的实现细节中解放出来，更专注于架构设计、复杂问题解决和代码审查等高价值活动。
Agent 模式并非"银弹"，而是需要结合开发者经验和判断力才能发挥最大效能的工具。对于资深开发者而言，它是提升效率、自动化复杂任务的有力手段，而非替代品。展示 Copilot 如何在真实的、已存在的复杂项目中辅助开发，更能体现其真正的价值。
五、总结与最佳实践
GitHub Copilot 的 Ask, Edit, Agent 三种模式提供了不同层次的自动化和交互方式：
Ask： 用于快速查询和理解，不修改代码。
Edit： 用于目标明确的代码编辑和重构，开发者保留最终控制权。
Agent： 用于自动化执行复杂、多步骤的开发任务，需要清晰指令和有效监督。
最佳实践建议：
理解模式差异：根据任务性质选择最合适的模式。
善用自定义指令：通过配置 Custom Instructions，使 Copilot 的输出更符合项目要求和团队规范，尤其是在 Edit 和 Agent 模式下。
明确指令：无论是 Edit 还是 Agent 模式，提供清晰、具体、无歧义的指令是获得预期结果的关键。
保持审慎：尤其在使用 Agent 模式时，仔细审查其规划的步骤和执行的修改。
始终进行代码审查（Review the Diff）：无论使用哪种模式进行了代码修改，最终的代码审查步骤不可或缺，这是保证代码质量的最后防线。
建议开发者在实际工作中尝试不同的模式，探索它们在各自工作流中的潜力。这些工具旨在增强而非取代开发者的能力，合理利用它们，可以显著提高开发效率和代码质量。
END
我是李祺，微软 Power Platform 方向 MVP ，2014 年进入开发领域，了解微软云全系产品。2020 年以来专注在 Power Platform 领域，曾为微软和多家客户提供售前、培训和实施服务，2023年进入 AI 相关领域。为普及产品知识，帮助国内用户快速上手。从 2021 年开始创建个人公众号和知乎【李祺 Varman】，目前已提供 300+ Power Platform 中文学习资料，并在持续更新 AI 相关内容，欢迎大家进入公众号菜单【问答社区】进行问题咨询。