【译】Visual Studio 三月更新 —— 打造专属自定义 Agent

news2026/5/15 18:01:29
本月 Visual Studio 更新为您提供了自定义 GitHub Copilot 的全新方式。自定义 Agent 支持您打造适配团队工作流的专用 Copilot Agent依托项目所需的工具与知识源提供支持。除此之外Agent 技能可提供可复用的指令集而全新的 find_symbol 工具则能让 Agent 在代码库中实现具备语言感知能力的代码导航。除 Agent 之外我们还将持续优化诊断体验在 Test Explorer 直接提供由 Copilot 驱动的性能分析功能并在调试过程中给出实时性能提示。安全性方面也得到了增强Copilot 现在可直接在 Solution Explorer 中协助您修复 NuGet 漏洞。立即下载 Visual Studio 2026 Insiders即刻体验这些功能。打造属于您自己的定制化 Agent想让 Copilot 遵循团队的编码规范、运行构建流水线或是查询内部文档自定义 Agent 就能实现这一切。这类专属 Copilot Agent 以 .agent.md 文件的形式定义在代码仓库中可全面获取工作区信息、实现代码理解、调用各类工具、使用您偏好的模型并通过 MCP 连接外部知识源。将 .agent.md 文件放入代码仓库中的 .github/agents/ 目录下该文件就会显示在 Agent 选择器中可供直接使用。需要注意的几点若未指定模型Agent 将使用您在模型选择器中选中的任意模型。不同 GitHub Copilot 平台的工具名称可能存在差异因此请查看 Visual Studio 中可用的工具确保 Agent 按预期运行。awesome-copilot 代码库中包含社区贡献的 Agent 配置您可以将其作为参考起点。运用 Agent 技能技能会从代码仓库中的多个位置如 .github/skills/或用户个人配置文件如 ~/.copilot/skills/中自动获取。每项技能都存放在独立目录下其中包含一份遵循 Agent 技能规范的 SKILL.md 文件。当某项技能被激活时会在对话界面中显示以便您知晓该技能已生效。查看 awesome-copilot 代码仓库获取社区共享技能并敬请期待后续版本中在 Visual Studio 里推出更易用的技能的浏览与创建流程。Agent 模式专用 find_symbol 工具Copilot 的 Agent 模式现已支持具备语言感知能力的符号导航。全新的 find_symbol 工具可让 Agent 查找项目中所有符号的引用位置并获取类型信息、声明内容与作用域等元数据。这意味着当您要求 Copilot 重构某个方法或在所有调用位置更新某个参数时它能够真正识别代码结构而非仅基于文本进行推测。启用该工具后Copilot 在回答问题或建议代码修改时会自动使用它。这种差异十分明显Agent 不再是搜索文本模式而是借助语言服务来浏览您的代码。支持的语言包括 C、C#、Razor 和 TypeScript以及任何已安装受支持 LSP 扩展的编程语言。为获得最佳效果请使用支持工具调用功能的AI模型。更多信息请参阅《AI model comparison》。企业 MCP 治理Visual Studio 中的 MCP 服务器使用现已遵循通过 GitHub 设置的白名单策略。管理员可指定其组织内允许使用的 MCP 服务器。配置白名单后仅可连接经批准的服务器。若尝试使用未经授权的服务器将显示说明该限制的错误提示。此举有助于组织管控处理敏感数据的 MCP 服务器并确保符合安全合规要求。借助 Copilot 进行 Profile Test您是否曾想过对某个特定测试进行性能分析却又苦于繁琐的分析器配置现在Test Explorer 的右键菜单中已新增了 Profile with Copilot 命令。选中后Profiling Agent 会自动运行所选测试并分析其性能结合 CPU 使用率与检测数据提供可落地的优化建议。默认情况下它采用检测式性能分析目前仅支持 .NET 环境。如需更深入的分析您可以直接从 Copilot 聊天窗口启动所选测试并选择其他性能分析工具。基于实时性能分析的优化技巧现在您可以在调试过程中同步进行性能优化而非调试完成后再开展。当您单步执行代码时Visual Studio 会在每一步操作旁实时显示执行耗时与性能提示。当您发现某行代码运行缓慢时只需点击性能提示即可立即向 Copilot 询问优化建议。Profiler Agent 会在调试过程中自动捕获运行时数据耗时、CPU 使用率以及内存使用情况。Copilot 会利用这些数据定位性能瓶颈并给出针对性的修复建议。这使得性能优化成为常规调试流程的一部分而非后续另行处理的工作。借助 Copilot 修复漏洞发现 NuGet 程序包存在漏洞现在您可以直接在解决方案资源管理器中借助 Copilot 进行修复。当检测到漏洞时您会看到一条附带“Fix with GitHub Copilot”链接的通知。点击该链接后Copilot 会对漏洞进行分析推荐并执行针对性的依赖项更新在不影响工作流程的前提下保障程序包的安全。无需再手动开展漏洞研究也不用费力查找匹配的软件包版本。安全问题一经发现您便可立即着手处理。HTML 富文本复制/剪切需要将代码粘贴到演示文稿、Azure DevOps 工作项或基于网页的文档中Visual Studio 现已支持在编辑器中剪切或复制代码时使用 HTML 剪贴板格式。将代码粘贴到基于 HTML 的应用程序中时语法高亮显示和格式设置会一并保留。该功能默认启用。如需自定义设置可依次进入 Tools Options Text Editor Advanced在该处可切换“Copy rich text on copy/cut”选项并设置最大长度。我们整个团队在此感谢您选择 Visual Studio如需获取最新更新、资源及资讯欢迎访问 Visual Studio Hub 并保持关注。Happy coding!—— Visual Studio 团队敬上原文链接https://devblogs.microsoft.com/visualstudio/visual-studio-march-update-build-your-own-custom-agents/

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2552938.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…