Odkrywanie
Agent widzi tylko name i description każdego skilla. To mały koszt niezależnie od liczby zainstalowanych umiejętności.
Przewodnik praktyczny · VS Code + GitHub Copilot
Szybkość nie bierze się z najdroższego modelu. Bierze się z dobrego kontekstu, małych kroków i narzędzi, które włączasz tylko wtedy, gdy są potrzebne.
01 / Modele
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.
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
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.
(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.
Popraw cały projekt, żeby był lepszy i szybszy. Sprawdź wszystkie pliki.
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.
Źródła: GitHub — best practices, Copilot requests i mnożniki. Zasady rozliczeń zależą od planu.
03 / Skille
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.
.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.
--- 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.
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.Agent widzi tylko name i description każdego skilla. To mały koszt niezależnie od liczby zainstalowanych umiejętności.
Gdy prompt pasuje do opisu lub wywołasz /nazwa-skilla, agent czyta pełne SKILL.md.
Dopiero teraz ładowane są wskazane skrypty, szablony i dokumenty z references/.
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”.
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
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
Dobre planowanie nie polega na pisaniu długiego dokumentu. Polega na ustaleniu celu, zakresu i sposobu weryfikacji zanim agent zacznie modyfikować kod.
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
Jakość odpowiedzi zależy od jakości kontekstu. VS Code dostarcza go niejawnie (aktywny plik, zaznaczenie) oraz jawnie — przez #-wzmianki, pliki i narzędzia.
Aktywny plik, jego nazwa i zaznaczenie trafiają do promptu automatycznie. W trybie Ask aktywny plik jest zwykle dołączany; w trybie Agent decyzję podejmuje model.
#nazwa-pliku, #codebase, #changes, przeciągnięcie pliku do czatu lub przycisk Add Context.
#fetch pobierze stronę, #githubRepo przeszuka publiczne repozytorium. VS Code prosi o zgodę przy nowych adresach.
#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
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.
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.
Źródła: VS Code — Tasks, User-defined snippets, Profiles.
07 / Losowa porada
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.
08 / Katalog
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.
09 / Co warto śledzić
Dwa linki od Ciebie plus uzupełnienie: oficjalne dzienniki zmian i społeczności, w których wzorce skilli pojawiają się wcześniej niż w dokumentacji.
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.