skills-for-copilot-studio
microsoft/skills-for-copilot-studio加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象这样一个场景：你是一家企业的 IT 管理员，每天要维护一个复杂的客服对话机器人。 以前，每次修改对话逻辑都需要打开 Copilot Studio 的 Web 界面，点菜单、拖节点、配变量—— 至少要花 5 分钟才能改一句话的措辞。现在，你只需要在终端里敲一行：
/copilot-studio:copilot-studio-author 修改「退换货流程」话题，增加退货地址验证节点
AI 就帮你改好了 YAML，push 到云端，对话机器人立刻上线新功能。
这就是 Skills for Copilot Studio 正在做的事——把微软 Copilot Studio 的 对话机器人管理能力，直接嵌入到 Claude Code、GitHub Copilot CLI 和 VS Code 的工作流里。
图1：Skills for Copilot Studio 在 VS Code Extensions Store 中的页面
Microsoft Copilot Studio（前身 Power Virtual Agents）是微软为企业提供的低代码对话机器人平台。 全球数十万家企业用它构建客服、销售、技术支持类对话机器人。
但传统方式有一个根本矛盾：Web 界面适合可视化设计，却不适合版本控制和批量操作。 想象你要在 50 个机器人里统一修改退换货政策——Web 界面要操作 50 次，而且无法做 code review。
微软 Teams 部门的工程师们敏锐地捕捉到了这个痛点，于 2026 年 1 月开源了这款插件， 将 Copilot Studio 的底层数据（topics、actions、knowledge sources、variables）全部暴露为 YAML 文件， 让 AI 编程工具可以直接读写、版本化管理。
截至 2026 年 6 月，该项目已获得 335 颗 GitHub Stars，26 个 open issues， 仓库保持活跃更新（最近一次推送在 2026-06-25），反映了企业对这类工具的强烈需求。
该插件以 Claude Code 插件系统为核心，运行在 Claude Code / GitHub Copilot CLI 的 Agent 架构之上， 提供四个专业子代理：
/copilot-studio:copilot-studio-manage —— 生命周期管理负责 Copilot Studio agent 与本地文件系统之间的双向同步：
这解决了一个实际问题：企业可以在 GitHub 里做 code review， 用 PR 审批流程来管控对话机器人的变更，而不是直接在 Web 界面操作。
/copilot-studio:copilot-studio-author —— YAML 创作引擎这是最核心的功能。用户用自然语言描述需求，AI 生成符合 Copilot Studio schema 的 YAML：
项目中包含 856KB 的 reference/bot.schema.yaml-authoring.json——这是完整的 YAML 模式定义，
AI 生成的内容必须通过这个 schema 的验证，确保格式正确、字段合法。
/copilot-studio:copilot-studio-test —— 测试与评估支持三种测试模式：
测试能力通过 evals/ 目录下的配置文件驱动，支持结构化评估。
/copilot-studio:copilot-studio-advisor —— 设计指导提供 Copilot Studio 最佳实践指导、agent 设计 review 和故障排查：
包括 Teams 生产强化模式、RAI（Responsible AI）错误处理模式、渠道感知行为模式等 15 种生产级设计模式，
文档位于 patterns/ 目录，每个模式都有详细的实现指南。
该工具本质上是 Claude Code / GitHub Copilot CLI 的插件（Skill）， 遵循微软官方的插件规范，结构为：
skills-for-copilot-studio/
├── agents/ # 4 个子代理定义（markdown 格式）
├── skills/ # 31 个可复用技能模块
├── templates/ # 预置模板（topics/actions/knowledge/variables）
├── patterns/ # 15 个生产设计模式
├── reference/ # YAML schema（856KB）和 adaptive card schema
├── hooks/ # SessionStart hooks（注入 system prompt + 环境初始化）
└── scripts/ # esbuild 打包的 Node.js 工具脚本
hooks/ 目录下的 SessionStart hook 在每次会话启动时执行两件事：
hooks/system-prompt.md 的内容注入到会话上下文，
为 AI 提供 Copilot Studio 的背景知识和操作约束setup.js 读取插件根目录配置，初始化会话环境变量这种 hook 机制允许插件在 Claude Code 的 Agent 运行时动态注入领域知识， 而不需要修改核心 Claude Code 代码——体现了高度的非侵入性设计。
reference/bot.schema.yaml-authoring.json 包含完整的 Copilot Studio 对象模型定义，
覆盖 topic、action、knowledge、variable、trigger 等所有实体类型。
AI 生成 YAML 时依赖此 schema 做格式验证，从源头保证输出的合法性。
项目采用 weekly release branch 模式：
release/YYYY-WNN 分支这种流程确保了稳定版本与快速迭代之间的平衡，适合企业级插件的维护。
适合谁用：
硬性门槛：
注意： VS Code Copilot Chat 集成目前尚在开发中（见 issue #116）， 主要功能需通过 Claude Code CLI 或 GitHub Copilot CLI 终端使用。
Skills for Copilot Studio 代表了一个正在兴起的趋势：将传统 SaaS 平台的 GUI 操作 转化为 AI-native 的文件操作。
过去，Copilot Studio 管理员的技能栈是「点鼠标」； 有了这个插件，技能栈变成了「写 prompt + Git」。 这意味着企业可以用 GitHub 的 PR 审批、code review、CI/CD 流水线来管控对话机器人的变更， 实现「Infrastructure as Code」理念在对话机器人领域的落地。
从增长数据看，该项目 6 个月内获得 335 Stars、活跃的 issue 讨论（26 个 open issues）， 加上微软官方背景，说明市场对这类工具的需求是真实且迫切的。 随着 AI coding 工具（Claude Code、Copilot CLI）的普及，这类「平台操作插件」 很可能成为未来企业 AI 平台管理的主流方式。