更好的工具反而让Copilot代码审查变得更糟，我们是这样改进的

给代理更好的工具，它应该做得更好——这是直觉。然而，当GitHub团队将Copilot代码审查的底层代码探索工具替换为共享的Unix风格工具（grep、glob和view）时，他们发现审查成本上升了，发现的问题却减少了。问题并不在于新工具本身，而在于代理使用这些工具的指令。原始指令是为通用编码助手设计的，导致代理像浏览整个仓库一样去探索代码，而不是从拉取请求（PR）的差异出发进行有针对性的审查。这种“浏览模式”使代理积累了过多无关上下文，增加了成本并稀释了注意力。

团队通过重写工具指令来纠正这一行为。新的指令模拟了人类审查者的工作流程：从PR差异开始，形成具体的审查问题；使用grep和glob快速发现候选文件和符号，但推迟读取；仅在确定位置后才使用view读取精确的代码范围。这种“先缩小范围，再精确读取”的模式显著提高了效率。例如，当审查一个授权辅助函数的变更时，代理不再搜索所有调用该函数的文件，而是通过grep查找调用者，再用glob定位相关路由文件，最后用view读取关键调用点。

此外，指令还改进了错误恢复策略。如果grep失败，代理会尝试更简单的转义搜索；如果路径错误，则转向glob而不是猜测相邻路径。这些调整避免了小错误引发更大的探索循环。内部基准测试在此过程中发挥了关键作用，它们不仅显示最终评分，还展示了代理的完整工具调用轨迹，使团队能够可视化代理行为并迭代指令。

优化后的结果令人满意：生产环境中平均审查成本降低了约20%，且审查质量保持不变。这一改进的启示在于，工具本身是通用的，但指令必须针对特定任务进行优化。同样的工具在不同产品中需要不同的指令——Copilot CLI处理的是交互式编码任务，而Copilot代码审查专注于从差异出发的评估。团队的经验表明，共享工具与定制化指令、严格基准测试相结合，才能实现真正的效率提升。