Contingut detallat

Copilot a la teva organització

GitHub Copilot Enterprise permet anar més enllà del simple assistent contextual introduint dues peces clau:

• Skills
• Agents

Aquestes dues capes permeten construir coneixement reutilitzable i automatització especialitzada dins dels equips d’enginyeria.

Skills

Les Skills són paquets d’habilitats que Copilot pot activar automàticament segons el context i la petició.

No són prompts llargs, sinó paquets estructurats de coneixement.

Agents

Els Agents representen una persona especialitzada amb:

• Prompt específic
• Eines limitades
• Model concret
• Permisos restringits

Una Skill no és un prompt llarg

Una Skill és un paquet de coneixement especialitzat que Copilot activa quan detecta una necessitat concreta.

Característiques

• És una carpeta estructurada
• Pot contenir scripts executables
• Pot incloure assets i referències
• Es pot activar automàticament
• També es pot forçar manualment

Exemple d’estructura:

.github/skills/nom-skill/SKILL.md

Anatomia d’una Skill

Cada Skill es defineix mitjançant un fitxer SKILL.md amb frontmatter YAML.

Exemple:

---
name: vitest-test-generator
description: Generates Vitest tests for Express routes following 3Cat conventions.
---

La descripció és crítica

GitHub Copilot decideix activar una Skill segons la coincidència entre:

• El prompt
• El context
• La descripció de la Skill

Una mala descripció implica que la Skill pràcticament no s’activarà mai.

Tres capes de responsabilitat

Organització

Coneixement compartit per múltiples repositoris.

Responsables:

• Plataforma
• Seguretat

Projecte

Context específic d’un producte o repositori.

Responsables:

• Equip de desenvolupament

Personal

Configuració individual del desenvolupador.

Responsable:

• Cada developer

Àmbits de Skills

Taller pràctic de Skills

Durant el taller es treballarà sobre diferents Skills reutilitzables.

Exemple: Vitest Test Generator

Objectiu:

• Generar tests seguint convencions 3Cat
• Crear mocks correctes
• Estandarditzar naming i estructura

Exemple: Accessibility Validator

Objectiu:

• Validar accessibilitat
• Detectar problemes comuns
• Automatitzar comprovacions bàsiques

Anatomia d’un Agent

Un Agent es construeix combinant:

• Prompt
• Tools
• Model

La restricció d’eines és el que el fa útil i segur.

Exemple:

---
name: bitbucket-jira-pr-reviewer
tools: ['read', 'search']
model: 'Claude Sonnet 4.6'
---

Exemple d’Agent revisor

L’agent de revisió comprova:

1. Referències Jira correctes
2. Sonar smells
3. Arquitectura de controllers
4. Existència de tests

Tools restringits

L’agent només pot:

• Llegir
• Cercar

No pot modificar codi.

Selecció de model

Claude Sonnet és suficient per tasques de revisió.

No cal utilitzar models molt més cars com Opus.

Skills vs Agents

Regla mental

Si hi ha:

• permisos
• eines
• context persistent

… probablement estem parlant d’un Agent.

Taller pràctic d’Agents

Durant el taller:

• Crearem un Agent revisor
• Executarem workflows reals
• Simularem revisions de pull requests
• Aplicarem convencions de 3Cat

Conclusions del bloc

En acabar aquest bloc, els participants haurien de:

1. Entendre què és una Skill i quan utilitzar-la
2. Crear Skills reutilitzables i ben descrites
3. Diferenciar Skills i Agents
4. Construir Agents amb permisos restringits
5. Definir una arquitectura escalable de coneixement IA

Preparació pel Bloc 3

El següent bloc introduirà:

• MCPs (Model Context Protocol)
• Connexió amb Jira
• Integració amb Confluence
• Accés a eines externes
• Arquitectures de context distribuït