Copilot 的回答质量很大程度上取决于提示语写得好不好。本页介绍 8 个经过验证的 prompt 工程原则，从"怎么让 Copilot 理解你的意图"到"怎么保持对话上下文清洁"，每条原则都附带可复制的示例。

GitHub Copilot Prompt 工程：写出高质量提示语的 8 个原则

Prompt（提示语）是你向 Copilot 发出的请求，可以是一个问题、一段代码，或者一句自然语言描述。Copilot 会结合你的 prompt、当前代码上下文和对话历史来生成回答。

原则 1：先写大意，再加细节

从宽泛的描述开始，然后逐步添加约束条件，效果优于一次性塞入所有要求：

写一个 JavaScript 函数，判断一个数是否是质数

该函数接收一个整数参数，返回 true 或 false

如果输入不是正整数，抛出一个带描述信息的错误

分步描述让 Copilot 更容易理解每个约束的优先级和意图。

原则 2：用示例说明期望

举例往往比描述更有效，提供示例输入/输出让 Copilot 理解格式和逻辑：

写一个 Go 函数，从字符串中提取所有日期，返回字符串数组。
日期格式可以是：
* 05/02/24
* 05/02/2024
* 2024-05-02

示例：
findDates("我有牙医预约 11/14/2023，书友会是 12-1-23")
返回：["11/14/2023", "12-1-23"]

也可以用单元测试作为示例——把测试用例给 Copilot，让它实现通过测试的代码。

原则 3：把复杂任务拆成小任务

大任务直接发给 Copilot 容易得到不完整或错误的结果。把它拆成有逻辑顺序的子任务：

第一步：写一个函数，生成 10x10 的字母网格，随机填充

第二步：写一个函数，在刚才的网格里查找横向单词

第三步：写一个函数，在网格里查找纵向单词

逐步构建，每步验证正确后再进行下一步。

原则 4：消除歧义

模糊的问题得到模糊的回答。把隐含的假设说清楚：

不好的写法：

这段代码做了什么？

好的写法：

`createUser` 函数做了什么？它的参数和返回值分别是什么？

对于不常见的库，要说明是哪个库：

用 `date-fns`（不是 `moment.js`）实现日期格式化，将 ISO 字符串转为"YYYY年MM月DD日"格式

原则 5：告诉 Copilot 相关代码在哪里

Copilot 用打开的文件作为上下文。操作建议：

• 打开相关文件：把所有有关联的文件都在 IDE 中打开
• 关闭无关文件：无关文件会稀释上下文，降低回答精度
• 选中目标代码：在 IDE Chat 里，先高亮选择你要问的代码块
• 用关键词引用：@workspace 让 Copilot 搜索整个工作区，#file:路径 指定特定文件

原则 6：反复迭代

得到的回答不满意时，不要从头开始——在现有基础上修改问题：

上面的函数没有处理空字符串的情况，请加上空字符串检测

用 async/await 改写这个函数，原来的 Promise 链不够清晰

也可以让 Copilot 引用它之前给出的回答：

你上面写的 `parseDate` 函数有个边界情况没处理，输入 "2024-13-01" 应该怎么处理？

原则 7：保持对话上下文干净

Copilot Chat 使用整个对话历史作为上下文，对话越长、越杂，回答质量越容易下降：

• 新任务开新对话：每个独立任务用单独的对话线程
• 删除偏题的消息：如果某条回答跑偏了，删掉它再重问
• 不要在一个对话里混多个话题：比如别把"调试 API"和"写文档"放在同一个对话里

原则 8：让代码本身更容易被理解

Copilot 理解代码的能力受代码质量影响。代码写得越清晰，Copilot 给出的建议越准确：

• 命名有意义：userAuthToken 比 t 更好
• 添加注释：关键逻辑的注释帮助 Copilot 理解意图
• 模块化：函数职责单一，比一个 200 行的函数更容易获得精准建议
• 写单元测试：测试文件告诉 Copilot 函数的预期行为

如果代码本身写得很乱，也可以先让 Copilot 帮你添加注释或拆分函数，再进行后续操作。

和 Claude Code、Cursor 的对比

• Claude Code：交互方式偏向"把任务完整说清楚，等待执行"，更适合一次性实现较大的功能
• Cursor：Prompt 技巧类似，但支持 @ 引用特定文件，上下文管理和 Copilot 相近
• Copilot：原则基本通用，在 IDE Chat 里加 @workspace / #file 引用效果更精准

常见问题

Q: 英文 prompt 比中文更有效吗？

A: 对于代码生成任务，差别不大，Copilot 对两种语言都能理解。但涉及某些技术文档中只有英文术语的场景，英文 prompt 可能更精准。日常使用中文完全没问题。

Q: Prompt 越长越好吗？

A: 不是。关键是精准和相关——只提供 Copilot 真正需要的信息。过长的 prompt 可能稀释重点，导致 Copilot 抓不住核心要求。

Q: 写了很多次还是得不到好的结果，怎么办？

A: 尝试换一种角度描述问题；或者先让 Copilot 给出解题思路（不要代码），再基于思路要求它生成代码——分步验证能有效提升准确率。