用好 GitHub Copilot 现有功能就够了

AI 工具的爆炸式增长正在制造一种新型焦虑。每天都有人声称用某个神奇提示词彻底搞定了 AI 开发，但 Burke Holland 在与 AI 共事的日常实践中得出了截然相反的结论：少即是多。真正带来效率跃升的，不是你配置了多少 MCP、安装了多少插件，而是你对 GitHub Copilot 这个框架本身的掌握程度。那些花哨的技巧短期看起来很酷，长期来看更像是噱头。

在工具选择上，Holland 建议初学者从 GitHub Copilot CLI 入手。命令行界面去掉了所有 UI 干扰，只剩下纯粹的文本交互——输入提示，AI 执行操作，反馈直接而即时。对于已有一定基础的开发者，新版 GitHub Copilot 应用同样使用相同的底层框架，学会一次即可在 VS Code、Visual Studio、JetBrains 等多个环境中复用，降低了跨工具的迁移成本。

配置好工具后，第一件事是开启「YOLO 模式」，即允许 AI 自主执行所有命令，无需逐步审批。频繁的审批弹窗不仅打断工作流，还会让开发者养成不假思索点击确认的坏习惯，反而降低安全意识。当然，自主权必须配合安全边界：Holland 强烈建议在 GitHub Codespaces 或开发容器等沙箱环境中运行 AI 代理，避免在本地机器或组织系统上直接操作，防止数据泄露或误操作带来的损失。

原型设计是这套工作流中最能体现 AI 价值的环节。以日期选择器 Web 组件为例，Holland 会直接让 AI 生成 20 种不同布局的 HTML 原型，放在同一个文件里对比。这种做法的价值在于：人类处理视觉信息的速度远快于阅读文字描述，早期原型能迅速暴露那些在需求文档中根本不会出现的细节问题。比如，他在原型中发现了一种从年份视图逐级缩放到月份再到日期的交互方式，这个想法在纯文字讨论阶段几乎不可能被提出。

原型思维同样适用于非可视化任务。在设计新 API 端点时，Holland 会让 AI 生成多种实现方案的可视化对比，GitHub Copilot 应用支持直接渲染 Mermaid 图表，能够清晰呈现不同方案的结构差异。在模型选择上，他建议使用中等规模模型（如 GPT 5.6 Terra 或 Claude Sonnet）并保持中等推理强度，且在同一功能开发周期内不要切换模型——这样可以充分利用提示词缓存机制，减少 token 消耗，降低使用成本。

完成原型验证后，工作流进入系统规划阶段。此时开发者已经清楚地知道自己真正想要什么，而不只是最初以为自己想要的东西。切换到规划模式，让 AI 基于原型阶段的结论生成结构化的实现计划，能够有效避免在错误方向上浪费大量时间和计算资源。Holland 的核心主张始终如一：框架本身就是你最强大的工具，深入理解它，远比不断追逐新工具更有价值。

要点

• 追逐新 AI 工具和奇技淫巧带来的收益有限，深入理解并用好 GitHub Copilot 现有框架才是提升效率的根本路径
• 开启 AI 自主执行权限（YOLO 模式）能显著提升工作流连贯性，但必须配合 Codespaces 或开发容器等沙箱环境确保安全
• 早期原型设计能快速暴露需求盲区，视觉化对比多种方案比阅读文字描述更高效，适用于 UI 组件和 API 设计等多类场景
• 在同一功能开发周期内坚持使用同一模型和推理级别，可充分利用提示词缓存机制降低 token 消耗
• GitHub Copilot 的核心框架在 CLI、VS Code、JetBrains 等多个环境中保持一致，学会一次即可跨工具复用