copilot/craft
Ctrl K

Przewodnik praktyczny · VS Code + GitHub Copilot

Pracuj z AI
intencjonalnie.

Szybkość nie bierze się z najdroższego modelu. Bierze się z dobrego kontekstu, małych kroków i narzędzi, które włączasz tylko wtedy, gdy są potrzebne.

Moduły9 sekcji
Zasoby—
Aktualizacja—
Treści oparte na dokumentacji GitHub i VS Code oraz zweryfikowanych źródłach społeczności. Modele i funkcje zmieniają się szybko — linki do oficjalnych list znajdziesz w każdym module.
01Kontekst przed promptyDaj modelowi właściwe pliki, nie cały repozytorium.
02Plan przed kodemZatwierdź zamiar, potem pozwól na edycję.
03Sprawdzenie przed akceptacjąTesty, lint i przegląd diffu są obowiązkowe.

01 / Modele

Wybierz model do zadania, nie do mody

GitHub udostępnia w Copilot wiele rodzin modeli. Różnią się szybkością, rozumowaniem, obsługą obrazów i zużyciem kredytów. Zacznij od prostego, eskaluj tylko wtedy, gdy zadanie tego wymaga.

Krok 1 · wybierz zadanie

Nie wiesz, od czego zacząć?

Przykładowy prompt

          

Katalog modeli

A
Auto i Copilot Fusion

Jeśli nie chcesz ręcznie wybierać, tryb Auto dobiera model do zadania, a Copilot Fusion — wraz z poziomem wysiłku — wybiera też wzorzec wykonania. To dobry domyślny wybór, ale warto wiedzieć, co kryje się pod spodem.

Źródło: GitHub Docs — Choosing the right AI model. Dostępność modeli zależy od planu, regionu i daty; lista jest aktualna na dzień 17.11.2026.

02 / Tokeny

Mniej szumu, więcej trafnych wymian

Na koszt wpływa nie tylko długość odpowiedzi, ale cały kontekst wysyłany w każdej turze: pliki, historia rozmowy, instrukcje i treść skilli. Każda niepotrzebna wymiana zwielokrotnia ten sam balast.

Model zużycia (kontekst + prompt + reguły) × liczba tur × mnożnik modelu

Mnożnik zależy od modelu i planu. Szczegóły sprawdzisz w dokumentacji rozliczeń Copilot — nie zakładaj, że wszystkie modele kosztują tyle samo.

Lista kontrolna

10 nawyków oszczędnych tokenów

0 / 10
Przykład · ten sam cel, inne zaplecze
Przed
Popraw cały projekt, żeby był lepszy i szybszy. Sprawdź wszystkie pliki.
Po
W #auth.ts znajdź n+1 zapytań w loadUser(). Podaj 2 przyczyny i minimalny diff bez zmiany API. Uruchom tylko auth.test.ts.

Jeden plik, jedno pytanie, określony kształt odpowiedzi i konkretny test. Mniej tokenów wejściowych, mniej wyjściowych, łatwiejsza weryfikacja.

KontekstDuże pliki, cała baza, stara historia.
PromptPowtarzanie reguł, które są w plikach instrukcji.
TuryNaprawianie złej odpowiedzi zamiast nowego czatu.

Źródła: GitHub — best practices, Copilot requests i mnożniki. Zasady rozliczeń zależą od planu.

03 / Skille

Pakietuj wiedzę, nie tylko prompt

Skill to folder z instrukcjami, skryptami i materiałami, który agent ładuje wtedy, gdy pasuje do zadania. Dzięki progresywnemu ładowaniu możesz mieć dziesiątki skilli bez zapchania kontekstu.

Struktura folderu
.github/skills/
└── review-auth-changes/
    ├── SKILL.md          ← wymagany
    ├── scripts/
    │   └── scan.sh       ← opcjonalny kod
    └── references/
        └── auth-checklist.md

W VS Code projektowe skille Copilot żyją w .github/skills/, osobiste w ~/.copilot/skills/. Standard obsługuje też lokalizacje innych agentów.

Szablon SKILL.md
---
name: review-auth-changes
description: Review authentication changes for security and consistency. Use when editing login, session, or token code.
---

# Review auth changes

1. Find files that implement login, session, and token handling.
2. Check each change against ./references/auth-checklist.md.
3. Report: severity, file:line, reason, suggested fix.
4. Do not modify any files.
PoleWymaganeCo robi
nametakMałe litery, cyfry i myślniki; musi zgadzać się z nazwą folderu.
descriptiontakOpisuje co skill robi i kiedy go użyć — to decyduje o automatycznym dopasowaniu.
argument-hintniePodpowiedź wyświetlana przy wywołaniu jako komenda ukośnikowa.
user-invocablenieCzy skill pojawia się w menu /. Domyślnie tak.
disable-model-invocationnieWymuś wywołanie ręczne zamiast automatycznego ładowania.
1

Odkrywanie

Agent widzi tylko name i description każdego skilla. To mały koszt niezależnie od liczby zainstalowanych umiejętności.

2

Aktywacja

Gdy prompt pasuje do opisu lub wywołasz /nazwa-skilla, agent czyta pełne SKILL.md.

3

Wykonanie

Dopiero teraz ładowane są wskazane skrypty, szablony i dokumenty z references/.

!
Opis decyduje o trafieniu

Zły opis = skill nigdy się nie uruchomi. Pisz w nim zarówno co robisz, jak i kiedy: „Use when validating a code change” zadziała lepiej niż „Pomaga w testach”.

Wywołanie

Ręcznie albo automatycznie

Wpisz / w czacie Copilot, aby zobaczyć dostępne skille, lub po prostu opisz zadanie pasujące do description. Po instalacji zrób mały test ręczny i osobny test automatycznego dopasowania.

/review-auth-changes sprawdź ostatnie zmiany w sesji
Instalacja

Skąd brać skille

Katalog skills.sh grupuje pakiety według aktywności i instalacji. Sprawdź też awesome-copilot i przykłady anthropics/skills przed napisaniem własnego.

npx skills@latest add emilkowalski/skills

Źródła: VS Code — Agent Skills, agentskills.io.

04 / Planowanie

Plan jest kontraktem, nie biurokracją

Dobre planowanie nie polega na pisaniu długiego dokumentu. Polega na ustaleniu celu, zakresu i sposobu weryfikacji zanim agent zacznie modyfikować kod.

Kiedy użyć którego trybu

Szablon planu · wklej przed implementacją
Cel:
- [ ] Co się zmienia i dla kogo?
- [ ] Definition of Done: testy / build / zachowanie

Zakres:
- [ ] Pliki do zmiany:
- [ ] PLIKI, KTÓRYCH NIE RUSZAMY:

Ryzyka i decyzje:
- [ ] Co może się zepsuć? Jak to sprawdzimy?

Wykonanie:
- [ ] Krok 1 → sprawdzenie
- [ ] Krok 2 → sprawdzenie

Nie pisz kodu, dopóki nie zatwierdzę planu.

05 / Kontekst

Daj modelowi dokładnie to, czego potrzebuje

Jakość odpowiedzi zależy od jakości kontekstu. VS Code dostarcza go niejawnie (aktywny plik, zaznaczenie) oraz jawnie — przez #-wzmianki, pliki i narzędzia.

NiejawnyEdytor mówi sam za siebie

Aktywny plik, jego nazwa i zaznaczenie trafiają do promptu automatycznie. W trybie Ask aktywny plik jest zwykle dołączany; w trybie Agent decyzję podejmuje model.

JawnyTy wybierasz celowo

#nazwa-pliku, #codebase, #changes, przeciągnięcie pliku do czatu lub przycisk Add Context.

ZewnętrznyŚwiat poza repozytorium

#fetch pobierze stronę, #githubRepo przeszuka publiczne repozytorium. VS Code prosi o zgodę przy nowych adresach.

Słownik wzmianek #

Narzędzie

Złóż prompt z właściwym kontekstem

Podgląd promptu

          

Zasada: dodawaj kontekst, który zmienia odpowiedź. Jeśli plik jest za duży, VS Code prześle zarys funkcji zamiast treści — a jeśli i to nie pasuje, plik zostanie pominięty.

Źródło: VS Code — Manage context for AI.

06 / Warsztat

Automatyzuj detale, deleguj decyzje

Nie wszystko musi przechodzić przez model. To, co powtarzalne i przewidywalne, należy do zadań, snippetów i skryptów. AI zostaje dla rozumowania, wyborów i sytuacji, w których trzeba połączyć kilka źródeł informacji.

↻
Zamiast pytać za każdym razem — zapisz raz

Jeśli drugi raz prosisz o to samo polecenie, przenieś je do .vscode/tasks.json albo skryptu w scripts/. Niech agent wywołuje istniejące narzędzie, zamiast na nowo odtwarzać komendę w każdej sesji.

Praktyki, które robią różnicę

Źródła: VS Code — Tasks, User-defined snippets, Profiles.

07 / Losowa porada

Jedna rzecz, którą zmienisz dziś

Bank porad obejmuje nawigację, edycję, prompty, kontekst, automatyzację, testy, debug, Git, bezpieczeństwo, UI, dane, wydajność, pracę zespołową i higienę pracy. Losuj, wybierz jedną i sprawdź ją w najbliższym zadaniu.

Przeglądaj cały bank

08 / Katalog

Mapa ekosystemu

Od analizy jakości modeli po testy skilli i gotowe języki designu. Każda pozycja została sprawdzona pod kątem tego, co realnie daje developerowi pracującemu z agentem AI.

Użyj wyszukiwania w górnym pasku, aby przefiltrować treść dowolnej karty.

09 / Co warto śledzić

Źródła, które nadążają za zmianami

Dwa linki od Ciebie plus uzupełnienie: oficjalne dzienniki zmian i społeczności, w których wzorce skilli pojawiają się wcześniej niż w dokumentacji.

Na koniec

Jedna zmiana na dziś

Wybierz jeden powtarzalny odruch — na przykład „dodaj testy do zmiany” — i zapisz go jako skill lub instrukcję w repozytorium. Przy następnym zadaniu porównaj, ile razy musiałeś to powtarzać w promptcie.