在终端里用 GitHub Copilot CLI 规划、编写和审查 Python 代码

预计阅读时间：8 分钟

GitHub Copilot 不再只是编辑器里的补全按钮。Copilot CLI 把 AI agent 带进终端，让你可以在命令行里完成安装、认证、任务规划、代码生成和代码审查。对经常在 shell、Git、Python 项目之间切换的开发者来说，这意味着少了一次上下文切换，多了一个可以直接参与开发流程的助手。

它适合解决什么问题

Copilot CLI 的关键变化不是“能聊天”，而是它贴近开发者每天已经在用的工作面：终端。

你可以把它用于三类任务：

规划：把一个模糊需求拆成可执行步骤，例如“为这个 Python 包增加输入校验和测试”。
编写：让 agent 根据当前目录、文件结构和你的指令生成代码。
审查：让它检查 diff、指出潜在 bug、测试缺口或风格问题。

这类工具尤其适合小到中等规模的改动。比如修一个 CLI 参数解析问题、补一组单元测试、解释某段 Python 逻辑为什么失败。它不适合在无人监督下重写核心业务模块，也不应该替代代码评审和测试。

安装与认证：先把终端接上 Copilot

具体安装方式会随 GitHub CLI 和 Copilot CLI 的发布节奏变化，实际使用时应以你本机 gh 和 GitHub 官方文档为准。可以这样实践：先确认 GitHub CLI 可用，再安装 Copilot 相关扩展并完成认证。

# 1. 确认 GitHub CLI 已安装
gh --version

# 2. 登录 GitHub，按提示在浏览器中授权
gh auth login

# 3. 安装 Copilot CLI/扩展能力
# 如果你的环境使用 gh 扩展，可以尝试：
gh extension install github/gh-copilot

# 4. 查看可用命令
gh copilot --help

如果你在公司网络或受管设备上使用，还要确认这几件事：

GitHub Copilot 订阅或组织授权已经开通。
终端能访问 GitHub 相关服务。
组织策略允许在当前仓库使用 Copilot。
不要把密钥、客户数据、未脱敏日志直接粘进提示词。

从一个 Python 小项目开始

假设我们有一个简单需求：写一个函数，把字符串列表规整为小写、去空白、去重，并保留首次出现顺序。我们可以先搭一个最小项目，再让 Copilot CLI 辅助规划和实现。

mkdir copilot-cli-demo
cd copilot-cli-demo
python -m venv .venv
source .venv/bin/activate
python -m pip install pytest
mkdir -p src tests
printf '' > src/text_utils.py
printf '' > tests/test_text_utils.py

接下来可以让 Copilot 在终端里帮你规划。不同版本的命令参数可能略有差异，下面示例展示的是工作方式：把任务描述清楚、要求它考虑测试和边界条件。

gh copilot suggest "Plan a small Python change: implement normalize_tags(items) in src/text_utils.py. It should trim whitespace, lowercase values, remove empty strings, deduplicate while preserving order, and include pytest tests."

如果你的 Copilot CLI 支持 agent 式编辑，也可以把需求写得更明确：

gh copilot suggest "Write the Python implementation and pytest tests for normalize_tags(items). Keep the function small, type-hinted, and raise TypeError if items is not iterable."

工具给出的结果不要直接盲信。更稳的做法是让它生成方案或补丁，然后你检查文件、运行测试、再提交。

可以落地的一份 Python 实现

即使不用 Copilot 自动写文件，也可以把下面这份代码作为目标实现，让 Copilot CLI 帮你解释、改进或审查。

src/text_utils.py：

from collections.abc import Iterable


def normalize_tags(items: Iterable[str]) -> list[str]:
    """Normalize tags by trimming, lowercasing, and removing duplicates."""
    if isinstance(items, (str, bytes)) or not isinstance(items, Iterable):
        raise TypeError("items must be an iterable of strings")

    seen: set[str] = set()
    result: list[str] = []

    for item in items:
        if not isinstance(item, str):
            raise TypeError("all items must be strings")

        value = item.strip().lower()
        if not value or value in seen:
            continue

        seen.add(value)
        result.append(value)

    return result

tests/test_text_utils.py：

import pytest

from src.text_utils import normalize_tags


def test_normalize_tags_trims_lowercases_and_deduplicates():
    assert normalize_tags([" Python ", "python", "CLI", " cli ", ""]) == [
        "python",
        "cli",
    ]


def test_normalize_tags_preserves_first_seen_order():
    assert normalize_tags(["B", "a", "b", "A", "c"]) == ["b", "a", "c"]


def test_normalize_tags_rejects_plain_string():
    with pytest.raises(TypeError):
        normalize_tags("python")


def test_normalize_tags_rejects_non_string_items():
    with pytest.raises(TypeError):
        normalize_tags(["python", 3])

运行测试：

python -m pytest -q

然后让 Copilot CLI 审查当前改动，可以这样问：

git diff -- src tests

gh copilot suggest "Review this Python change for correctness, edge cases, and missing tests. Focus on normalize_tags and pytest coverage."

如果工具无法自动读取 diff，就把 git diff 的输出作为上下文粘给它，或者使用你当前版本支持的 review/agent 子命令。

写提示词时要像写工单

在终端里使用 Copilot CLI，提示词越像工程任务，结果越可用。不要只写“帮我优化代码”，而是说明约束、文件、验收标准和风险点。

一个更好的提示词可以这样写：

You are working in a small Python project.
Task: implement normalize_tags(items) in src/text_utils.py and add pytest tests in tests/test_text_utils.py.
Requirements:
- Trim whitespace and lowercase each tag.
- Drop empty values.
- Deduplicate while preserving first-seen order.
- Reject a plain string input with TypeError.
- Reject non-string items with TypeError.
- Keep implementation dependency-free.
After editing, explain the edge cases covered by tests.

这种写法给 agent 足够上下文，也方便你验收。它把“生成代码”变成“完成一个可测试的改动”。

采用建议：让 CLI agent 进入流程，但别绕过流程

Copilot CLI 的价值在于把 AI 辅助放到开发链路里：打开终端、描述任务、生成方案、修改代码、跑测试、审查 diff。它可以加快小改动和探索性工作，但边界也很明确。

落地时可以按这个清单执行：

从非核心模块、小函数、测试补全开始试用。
每次让它改动前，先要求输出计划。
对生成代码运行本地测试和格式化工具。
对涉及安全、权限、计费、数据删除的改动保持人工审查。
不把密钥、生产日志、客户数据作为提示词输入。
把 Copilot 的输出当作候选补丁，而不是最终答案。

终端里的 AI agent 最适合做“结对时的第二双眼睛”：它能给你草图、补样板、提醒遗漏，但提交到主干之前，仍然要由测试、审查和工程判断把关。