給代理更好的工具，它應該做得更好——這是直覺。然而，當GitHub團隊將Copilot代碼審查的底層代碼探索工具替換為共享的Unix風格工具（grep、glob和view）時，他們發現審查成本上升了，發現的問題卻減少了。問題並不在於新工具本身，而在於代理使用這些工具的指令。原始指令是為通用編碼助手設計的，導致代理像瀏覽整個倉庫一樣去探索代碼，而不是從拉取請求（PR）的差異出發進行有針對性的審查。這種“瀏覽模式”使代理積累了過多無關上下文，增加了成本並稀釋了注意力。
團隊通過重寫工具指令來糾正這一行為。新的指令模擬了人類審查者的工作流程：從PR差異開始，形成具體的審查問題；使用grep和glob快速發現候選文件和符號，但推遲讀取；僅在確定位置後才使用view讀取精確的代碼範圍。這種“先縮小範圍，再精確讀取”的模式顯著提高了效率。例如，當審查一個授權輔助函數的變更時，代理不再搜索所有調用該函數的文件，而是通過grep查找調用者，再用glob定位相關路由文件，最後用view讀取關鍵調用點。
此外，指令還改進了錯誤恢復策略。如果grep失敗，代理會嘗試更簡單的轉義搜索；如果路徑錯誤，則轉向glob而不是猜測相鄰路徑。這些調整避免了小錯誤引發更大的探索循環。內部基準測試在此過程中發揮了關鍵作用，它們不僅顯示最終評分，還展示了代理的完整工具調用軌跡，使團隊能夠可視化代理行為並迭代指令。
優化後的結果令人滿意：生產環境中平均審查成本降低了約20%，且審查質量保持不變。這一改進的啓示在於，工具本身是通用的，但指令必須針對特定任務進行優化。同樣的工具在不同產品中需要不同的指令——Copilot CLI處理的是交互式編碼任務，而Copilot代碼審查專注於從差異出發的評估。團隊的經驗表明，共享工具與定製化指令、嚴格基準測試相結合，才能實現真正的效率提升。