Lição 10 - Encerramento e próximos passos

Você usou o aplicativo GitHub Copilot em um fluxo contínuo da Tailspin Toys. Você:

conectou um repositório, explorou o espaço de trabalho do aplicativo e o backlog predefinido e experimentou um chat rápido.
iniciou uma sessão específica de avaliação por estrelas, revisou o resultado em um canvas de navegador e fez manualmente o merge do primeiro pull request (PR).
começou pela issue de filtragem, definiu a abordagem no modo Plan, desenvolveu-a no modo Autopilot e a revisou no modo Interactive.
orientou o agente com instruções personalizadas e depois personalizou a skill quality-checks existente e a usou para executar testes de unidade, lint e verificações de tipos.
adicionou o servidor do Model Context Protocol (MCP) do Playwright e o usou para explorar a filtragem em um navegador real.
criou e selecionou um agente personalizado QA para avaliar requisitos, cobertura, resultados dos scripts da skill e evidências do navegador.
revisou toda a alteração de filtragem e autorizou o Agent Merge no segundo PR.
usou o canvas Database Explorer existente e depois criou e testou um canvas de triagem vinculado ao repositório.

O que você entregou

O workshop tem dois marcos de PR, cada um em sua própria branch a partir de main atualizado:

Avaliações por estrelas: exibir o starRating existente e um estado explícito sem avaliação nos cards dos jogos.
Filtragem e fluxo de qualidade: implementar a filtragem, atualizar as instruções e aplicá-las ao recurso, personalizar o relatório de quality-checks, criar um perfil de QA e incluir os testes associados.

Desde o planejamento da filtragem até a abertura do PR, você usou a mesma sessão, worktree e branch. Combinamos esse trabalho em um único PR para simplificar o workshop. Depois, você usou o Database Explorer existente e criou um canvas de triagem vinculado ao repositório sem repetir o fluxo de PR.

Diferentes tipos de verificação

Você verificou o código de várias formas: testes automatizados, sua própria inspeção no navegador e a exploração do navegador pelo Copilot via MCP. A skill quality-checks executou testes de unidade, lint e verificações de tipos e apresentou os resultados no novo formato. O QA reuniu esses resultados com uma revisão dos requisitos e da cobertura de testes antes do PR.

Os testes adicionados devem cobrir lacunas reais; uma execução de QA que não precisa de testes novos pode estar correta. Ferramentas ausentes, verificações ignoradas e falhas são bloqueios visíveis, não aprovações. Revise código e evidências antes de autorizar o merge e atualize as evidências afetadas após alterações.

Boas práticas

O contexto e as ferramentas que você fornece ao Copilot orientam seu trabalho. Neste workshop, você atualizou instruções, personalizou uma skill, criou um perfil de QA, configurou um servidor MCP e criou um canvas. Reutilize essas personalizações entre sessões e ajuste-as conforme as necessidades da equipe mudarem. As instruções definem padrões, as skills descrevem tarefas repetíveis, os agentes personalizados definem papéis especializados, os servidores MCP conectam ferramentas externas e os canvases fornecem superfícies interativas compartilhadas. Revise as alterações reais e os resultados das ferramentas, não apenas o resumo do agente.

Associe o modo e o modelo à tarefa. Use Plan para analisar uma abordagem antes de desenvolver, Interactive para acompanhar alterações específicas e Autopilot somente para tarefas isoladas e com escopo bem definido. Escolha um modelo mais rápido para edições rotineiras e um modelo mais avançado, com maior esforço de raciocínio, para trabalhos complexos.

O contexto continua tão importante quanto a infraestrutura. Descrever claramente o que você quer criar, por que e como muda significativamente o resultado. Os chats rápidos são ótimos para definir o escopo de uma ideia antes de transformá-la em uma sessão completa.

Mais recursos para explorar

Você percorreu o fluxo de trabalho principal. Veja outros recursos que valem a pena conhecer:

Automações para tarefas recorrentes ou sob demanda, como resumir trabalhos recentes. Revise a agenda, as permissões e o escopo antes de adotar uma; criar uma automação é um próximo passo, não parte deste workshop.
Rubber duck para analisar um problema e receber feedback relevante antes de começar a desenvolver.
/chronicle para gerar uma narrativa do que aconteceu em uma sessão.
Bring your own key (BYOK) para usar modelos do seu próprio provedor, incluindo modelos locais por meio de Ollama, Foundry Local ou LM Studio.
Deep links para abrir o aplicativo diretamente em um repositório, uma sessão ou um prompt.

Próximos passos

A melhor maneira de melhorar com qualquer ferramenta é continuar usando-a. Use-a em código de produção, em projetos pessoais ou naquele pequeno aplicativo que você planeja criar há anos. Compartilhe o que aprendeu com sua equipe e aprenda com as experiências dela. E, como sempre, explore a documentação.

Para conhecer melhor o ecossistema do GitHub Copilot, confira o percurso do VS Code, o percurso do Copilot CLI ou o percurso do agente de nuvem.