Copilot 与 Gemini

这一课你将能做到

1. 用 GitHub Copilot 的 Inline 补全、Chat、Agent 三种模式覆盖不同开发场景
2. 用 instruction 文件给 Copilot 注入项目约定
3. 说清楚 Gemini 在 AI 编程版图中的位置和适用场景

为什么要学

GitHub Copilot 是装机量最大的 AI 编程工具——它直接长在你已有的 IDE 里（VS Code、JetBrains、Visual Studio、Neovim），不用换编辑器，几乎没有迁移成本。对企业来说，它背靠 GitHub/微软，采购和合规路径最短，很多公司第一个被批准的 AI 工具就是它。

Gemini 是 Google 的大模型，通过 Android Studio 内置、Gemini Code Assist 插件、以及 CLI 工具进入开发流程，其超长上下文窗口（百万级 token）在「读超大代码库」场景有独特优势。

人话：如果 Cursor 是「为 AI 重做的编辑器」，Copilot 就是「给现有编辑器装 AI 插件」。前者体验更深，后者阻力最小。真实团队选型往往不看你最喜欢哪个，而看公司能批哪个——所以两个都得会。

先建立图像

Copilot 三种工作模式：
┌──────────────────────────────────────────┐
│ Inline 补全：打字时灰色预测，Tab 接受      │ ← 高频、轻量
│ Chat（Ctrl+Alt+I）：侧边栏问答，可带文件   │ ← 中频、理解/生成
│ Agent 模式：跨文件改动+跑命令              │ ← 低频、完整任务
└──────────────────────────────────────────┘

Gemini 入口：
Android Studio 内置 / VS Code 插件 / Gemini CLI（终端）

跟着做

步骤 1：安装并确认三种模式可用

VS Code 里安装 GitHub Copilot 扩展，登录 GitHub 账号（需订阅，有免费额度）。确认：

• 打开任意 .java 文件，输入注释 // 按创建时间倒序查询文章列表，回车看是否出现灰色补全（Inline 模式）
• 按 Ctrl+Alt+I 打开 Chat 面板
• Chat 输入框左下角可切换 Ask / Edit / Agent 模式

步骤 2：用 Inline 补全的正确姿势

Inline 不是「AI 帮你写」，是「AI 猜你下一步」。高效用法：

// 先写好方法签名和注释，让补全有方向
/**
 * 查询某标签下的置顶文章
 * @param tagId 标签 id
 * @return 置顶文章列表，按创建时间倒序
 */
public List<Article> listTopByTag(Long tagId) {
    // 停在这里，Copilot 会基于注释+上下文补全实现
}

上下文来源：当前文件、打开的标签页、相似代码片段。所以打开相关文件会显著提升补全质量——写 Mapper 前先把对应 entity 打开。

步骤 3：用 Chat 做代码理解

选中一段看不懂的老代码，在 Chat 里问：

解释选中代码的逻辑，特别注意第 23 行的空指针风险

或引用整个文件（输入 # 引用文件，或把文件拖入 Chat）：

#OrderService.java 这个类里哪些方法有事务问题？

步骤 4：配置项目级指令

创建 .github/copilot-instructions.md（Copilot 自动读取的项目约定文件）：

# 项目约定
- Java 17 + Spring Boot 3 + MyBatis-Plus
- 统一返回 Result<T>，不要直接返回 entity
- 异常用 BusinessException，不要裸抛 RuntimeException
- 测试用 JUnit 5 + Mockito

这是 Copilot 版的「rules」，所有 Chat 和补全都会受影响。

步骤 5：用 Agent 模式完成一个小任务

Chat 切到 Agent 模式，输入：

给 ArticleController 的列表接口加分页参数校验：
page 最小 1，size 最大 100，超出范围抛 BusinessException。
同时更新对应的单元测试。

Agent 会自己改代码、创建/更新测试、跑测试验证。完成后逐个文件审查 diff。

步骤 6：体验 Gemini 的超长上下文

安装 Gemini Code Assist 插件（或用 Gemini CLI），它的差异化场景是超大上下文。验证方式：把一个几十万行项目的多个核心文件一次性喂给它，问架构问题：

基于这些文件，画出订单从创建到履约的完整状态流转，
指出状态机里可能遗漏的异常分支。

普通工具上下文装不下的分析任务，Gemini 的百万 token 窗口能装下。

讲清楚要点

1. 三种模式分工：Inline 处理「手比脑慢」的重复输入；Chat 处理理解和问答；Agent 处理跨文件完整任务。按任务粒度选模式，别用 Agent 干 Inline 的活（重），也别用 Chat 干 Agent 的活（得自己搬运）。
2. 上下文质量决定一切：打开相关文件、写好注释和签名、# 引用文件，都是在给 AI 递弹药。抱怨补全质量差之前，先检查上下文给够没有。
3. .github/copilot-instructions.md 必须进 Git：团队共用一份约定，新人 clone 下来 AI 就懂规矩。
4. Copilot 的企业优势在合规：企业版承诺代码不用于训练，有 IP 侵权赔偿条款，这是它在采购流程中赢过新兴工具的关键。
5. Gemini 的差异化是上下文长度：不是「更好的 Cursor 替代品」，而是超大代码库分析、长文档理解的专用武器。

你可能会懵的地方

• Copilot 免费版够不够用？ 有月度补全和 Chat 额度限制，个人学习够用；团队开发上 Pro/Business。具体额度以 GitHub 官网当时政策为准。

• Copilot 和 Cursor 能同时用吗？ 技术上可以（Cursor 是 VS Code fork，能装 Copilot 扩展），但补全会打架，建议在一个编辑器里只开一个补全来源。

• Gemini CLI 和 Claude Code 是不是一类东西？ 是，都是终端 Agent。Gemini CLI 免费额度慷慨、上下文大；Claude Code 在工具链集成和代码任务完成率上口碑更稳。按任务试，别信仰式站队。

• Copilot 的补全为什么有时候很蠢？ 它主要看「当前文件+打开的 tabs」。文件刚建、上下文空白时它只能瞎猜。写两行、开几个相关文件，质量立刻上来。

• 公司不让代码出站，怎么办？ Copilot Business 可关遥测且不用代码训练；更严格的场景用内网部署的开源模型方案（如通过 Ollama/私有网关接入）。选型时把「代码数据流向」作为第一评估项。

错法对照

错法	问题	正解
空白文件等补全	无上下文，质量随机	先写注释和签名，给 AI 锚点
补全一路 Tab 到底	小错累积成大坑	每接受一段扫一眼逻辑
Chat 里口头重复约定	下个会话失效	写进 copilot-instructions.md
用 Chat 手动搬运多文件改动	容易漏改、贴错	改用 Agent 模式自动落盘
迷信单一工具	场景错配效率低	按任务选工具，允许多工具共存

卡点急救

1. 补全不出现：检查右下角 Copilot 图标状态；确认当前文件类型没被禁用；大文件/网络差时延迟正常，等一秒。
2. Chat 回答文不对题：没用 # 引用文件，它不知道你在说哪段代码。把相关文件拖进 Chat 再重问。
3. Agent 模式改了不该改的文件：在 prompt 里明确「只允许修改 X 目录下的文件」；完成后 git diff --stat 检查改动面是否符合预期。

面试常问

• 如何在团队推广 Copilot 并量化收益？ 高分回答：先试点小组用 2-4 周，指标看「接受率、PR 周期时间、返工率」；配套建设 instructions 文件和规范培训；注意「代码量提升」不等于「价值提升」，最终看交付周期和缺陷率。

• Copilot 生成的代码涉及开源协议风险吗？ 有「代码建议与公开代码高度相似」的可能。Copilot 提供「阻止匹配公开代码」的开关，企业版含 IP 赔偿条款；团队层面要求对所有 AI 生成代码做 license 扫描。

• Gemini 的超长上下文什么时候真正有用？ 整体架构分析、跨模块影响面评估、大型重构前的依赖梳理——需要「同时看到大量代码」的场景。日常补全和单文件生成用不上这个优势。

自测三问

1. Copilot 的 Inline、Chat、Agent 三种模式分别适合什么粒度的任务？
2. .github/copilot-instructions.md 解决什么问题？
3. Gemini 在 AI 编程工具版图中的差异化优势是什么？什么场景该用它？

小结一句话

Copilot 是阻力最小的企业级 AI 编程入口，Gemini 是超长上下文的特种部队——会用三种模式，懂各自边界，才算真正上手。

延伸

• GitHub Copilot 官方文档
• Gemini Code Assist 文档
• 下一课：v0 与 Lovable——用 AI 生成 UI 的正确姿势。