用 Claude Code + GitHub Copilot Review 打造 AI 驅動的開發流程

blog: https://blog.wu-boy.com/2026/03/ai-driven-development-with-claude-code-and-github-copilot-review-zh-tw/

身為一個在 GitHub 上長期維護多個開源專案的開發者，我每天面對的不只是寫程式，還有大量的 Issue 處理、PR Review、版本發佈等瑣碎但重要的工作。隨著專案規模成長，這些工作量已經遠超一個人能高效處理的範圍。

過去一段時間，我開始將 Claude Code 和 GitHub Copilot Review 整合進我的日常開發流程，結果讓我非常驚艷——原本需要半天的工作，現在經常在 1-2 小時內就能完成。這篇文章將分享我的完整流程，以及為什麼我認為開發者本身的技術能力，才是善用 AI 工具的關鍵。

Transcript

1. 用 Claude Code + GitHub Copilot Review 打造 AI 驅動的開發流程 從需求到 Merge 的完整 自 動化開發循環 AppleBOY | 2026.03
2. 開源維護者的 日 常痛點 大 量 Issue 處理、PR Review、版本發佈 工 作量遠超 一人 能 高 效處理的範圍 瑣碎但重要的事佔據 大 量開發時間 半天 → 1-2 小 時 導入 AI 流程後的開發速度
3. Claude Code Anthropic 推出的 CLI 開發 工 具 理解專案上下 文 讀取整個 codebase，精準提供建議 直接讀寫檔案 不只建議，直接幫你改 code 執 行 指令 在終端機中直接運 行 測試、建構 內建 Slash Commands /simplify、/security-review、/loop 等 跟 一 般 AI Chat 不同 — 真正嵌入開發流程的 工 具
4. GitHub Copilot Review GitHub 內建的 AI Code Review 功能 自 動分析 PR 指派 Copilot 為 Reviewer， 自 動檢查程式碼變更 具體 Review 意 見 針對潛在問題、風格 一 致性、效能疑慮留下建議 開源完全免費 零成本擁有 AI Code Review 機制 Claude Code + Copilot Review + /copilot-review Skill = 完整 自 動化
5. AI 驅動開發流程全覽 僅兩個步驟需要開發者親 自 介入 計畫 問與答 → AI 實作 → /simplify /security → 發 PR Copilot Review → /loop 2m /copilot-review → 架構 把關 → Merge = 開發者介入 = AI 自 動 (內建) = 自 訂 Skill 計畫 → 實作 → 優化 → Review 循環 → 確認 → Merge 內建功能 + 自 訂 /copilot-review Skill，完成 90% 以上的 自 動化開發流程
6. 計畫階段：先對 齊方 向，再動 手 Plan Mode 1 AI 分析需求和 目 前的程式碼 2 產出詳細實作計畫（檔案、架構、 行 為） 3 反覆問與答，針對不合理處調整 4 來回數次直到 方 向確認正確 核 心 價值 在寫任何 一行 程式碼之前， 先確保 方 向不會偏。 這是整個流程中最重要的 一 步 — 計畫的品質決定了最終產出
7. 實作 + 優化階段 AI 實作 Claude Code 根據計畫 直接修改檔案、新增程式碼 開發者主要是監督 並適時介入調整 /simplify 重構優化 — 檢查重複性、品質、效率 /security-review 安全性檢查 — 注入攻擊、敏感資訊外洩 可同時並 行 執 行 — 都是 Claude Code 內建的 Slash Commands，不需等 一 個跑完再跑另 一 個
8. /copilot-review 自 訂 Skill 讓 Review 循環完全 自 動化的關鍵 安裝 方 式 /plugin marketplace add appleboy/skills /plugin install copilot-review 使 用方 式 /loop 2m /copilot-review 每 2 分鐘 自 動執 行一 次，直到沒有新的 Review 留 言 前置條件：gh CLI v2.88.0+ 且已認證（gh auth status）
9. /copilot-review 每次循環做什麼？ 1 偵測 PR — 自 動從 目 前分 支 找到對應 PR 2 檢查 Review 狀態 — 比對時間判斷是否有新 review 3 取得留 言 — GraphQL 取得未解決的 Copilot 留 言 4 修正程式碼 — 根據 Copilot 建議評估並修正 5 執 行 測試 — commit 前跑專案測試確認通過 6 Commit & Push — 使 用 Conventional Commit 格式 7 標記已解決 — 將已處理的留 言 resolve 8 重新觸發 Review — 再次指派 Copilot 為 Reviewer 建議上限 10 次迭代 — 超過代表需要 人工 介入重新評估架構
10. 實際案例：authgate PR #125 將 1,038 行 的 token.go 拆分為 8 個領域專責檔案 輪次 留 言 數 主要修正 1 3 註解 strict subset→subset、GetUserTokens 未過濾狀態 2 3 AuthenticateClient 未檢查 active、revokeTokenFamily 註解不符 3 2 行 為變更需更新 PR 描述、ValidateToken 錯誤處理變更 4 2 PR 描述仍聲稱無邏輯變更、TokenFamilyID 可能為空值 5 0 全部通過 ✓ 5 輪迭代，從 3 條留 言 到 0 條 開發者全程不需要盯著，等循環跑完再做最終確認
11. 最終確認：架構把關 這 一 步不能省略， 也不應該省略。 確認邏輯正確 架構合理 沒有遺漏 自 動化循環結束後，開發者做最後 一 次審閱，才按下 Merge
12. 實際效益 開發速度 大 幅提升 原本幾天的功能開發，經常縮短到 1-2 小 時 Code Review 品質更好 AI 過濾基本問題， 人 工 專注架構和業務邏輯 開發者也能有 Review 機制 Copilot 當第 一 道防線，程式碼品質有基本保障 降低上下 文 切換成本 AI 處理瑣碎實作，腦 力 留給需要思考的決策
13. 你才是架構的決策者 AI 是加速器，不是導航。你要先知道 目 的地，AI 才能幫你更快到達。 實際使 用 中常遇到的情況： AI 建議的架構 方 向不符合長期規劃 → 直接否決並給出正確 方 向 設計模式不適合當前場景 → 手 動調整 引入不必要的複雜度 → 要求簡化 沒有技術判斷 力 → 看起來正確但架構錯誤 → 長期變成技術債
14. 總結 讓開發者專注在「決策」 而 非「照單全收 AI 的產出」 Plan Mode + /simplify + /security-review + /loop — 全部內建，零額外安裝 /copilot-review Skill — /plugin marketplace add appleboy/skills 即可使 用 GitHub Copilot Review — 開源專案完全免費 你必須先成為有能 力 做決策的開發者，AI 才能真正幫你加速 Claude Code + Copilot Review + /copilot-review Skill