GitHub intelligence 是什麼？Copilot Memory、Dreaming 與跨程式庫搜尋完整解析

如果每次開新對話，都要再提醒 AI 怎麼測試、怎麼寫變更說明，團隊累積的經驗就很難接到下一次工作。GitHub intelligence 想讓這些脈絡沿著專案留下來。

GitHub 在 2026 年 10 月 28 日介紹這層工作脈絡與學習能力，核心包括 Copilot Memory、Dreaming，以及跨程式庫的程式碼搜尋。

它們處理的是不同缺口。記憶保存偏好與專案慣例，Dreaming 回顧過去工作來整理脈絡，搜尋則幫代理找到其他專案裡的相關實作。

但記住規則不代表規則永遠正確，找到其他程式也不代表模型有權修改它。團隊仍需要知道記憶怎麼管理，以及哪些建議會進入審查。

如果團隊常重複交代相同要求，這次更新適合從一個專案開始驗證。若工作規則還在快速變動，先釐清誰負責更新，比讓模型累積更多記憶重要。

要讓留下來的脈絡有用，得先分清哪些內容被記住、哪些內容仍要另外查找。

GitHub intelligence 如何把工作脈絡接到新任務？

GitHub intelligence 結合記憶、整理與搜尋，讓代理少花時間重新發現團隊已知的事情。代理是能拆解工作並呼叫工具的 AI，處理新任務時，需要的資訊往往超過一段需求。

依 GitHub 的發布說明，這層能力從 GitHub 的資料關係中取得脈絡，協助代理了解工作習慣、程式庫慣例，以及與目前問題相關的其他程式。

例如，一段容易出錯的特殊處理，可能已經有對應測試，團隊也可能在過去的審查中，說明為何必須保留這個行為。新代理若只看到眼前程式，就可能再次追問相同背景。

記憶可以把其中值得重用的指引帶進新工作，搜尋則負責找到目前需要的程式證據。兩者分工不同，因此不能把「已記住某個做法」當成「已查過最新實作」。

三項能力各回答一個問題

表中的分工，也說明這次更新沒有取消資料準備的工作。團隊仍要讓規則寫得清楚，知道哪些經驗值得留下，並在有疑問時回到程式和測試核對。

例如，「修好問題」太抽象，不容易成為可重用的指引。若能說清楚修改後應執行哪個測試、保留哪項行為，後續代理才有較明確的接續方式。

其中最直接的改變，是個人偏好與程式庫慣例能跨對話接續。

Copilot Memory 記住什麼，誰能查看或刪除？

Memory 可以保存個人偏好與程式庫慣例，並在支援的 Copilot 工具間重用。因此，一位開發者在不同入口接續工作時，有機會減少重複交代相同要求的負擔。

截至 2026 年 10 月 29 日，這項記憶能力已在付費 Copilot 方案正式開放。公告列出 App、CLI、VS Code、雲端代理、程式審查、Slack、Teams 與 GitHub Mobile 等入口。

個人偏好可能是變更說明如何開頭，程式庫慣例則可能是正確測試指令，或團隊希望代理如何檢查成果。這些例子都圍繞可重用的工作指引，並不等於把每一份對話完整搬到新任務。

使用者可在 App、CLI 與 VS Code 和記憶互動，也能在個人 Copilot 設定查看或刪除已保存的偏好。這讓調整記憶成為工作的一部分，而非只能接受模型留下什麼。

官方的改善數字，應如何理解？

GitHub 表示，在公開預覽期間經檢視、且代理有使用記憶的 CLI 工作階段中，93% 更遵守開發者偏好，42% 的工作流程更有效率，並把改善歸因於加入的記憶。

這些數字描述的是指定樣本中的觀察。它們不能換算成所有開發者都節省四成工時，也沒有證明任何專案加入記憶後都會變得更快。

對團隊而言，較具體的驗證是檢查一條慣例有沒有被穩定遵守。例如，要求新提案提供測試結果後，新工作是否仍需要人反覆提醒，這比套用別人的改善比例更接近日常成本。

記憶內容也要隨專案變動。若測試入口換了、舊流程停用了，保留過期規則就可能讓代理朝錯誤方向努力，因此查看與刪除的能力和新增一樣重要。

不過，逐條人工維護並非唯一方式，Dreaming 也把回顧過去工作的過程放進更新。

Dreaming 怎麼整理經驗，會直接改正式檔案嗎？

Dreaming 會回顧工作來整理記憶，對已存進程式庫的技能與指令檔則提出拉取請求供審查。拉取請求是讓團隊檢查、討論並決定是否採用一組修改的提案。

這項能力仍在公開預覽，且需要主動開啟。它與 Memory 已正式開放是不同狀態，不能因為兩者同屬 GitHub intelligence，就推定全部預設啟用。

依 Dreaming 官方文件，目前有個人記憶整理、程式庫自訂，以及程式審查自訂三種方向，分別整理不同層次的經驗。

個人整理會依代理對話更新偏好，程式庫自訂則管理該專案的記憶，並提出技能或自訂指令的改善。程式審查自訂則把反覆被接受的審查回饋整理成後續指引。

記憶與正式規則的修改方式不同

Dreaming 能新增、更新與移除個人及程式庫記憶。但已納入版本管理的技能和指令檔，會透過提案交由團隊審查，保留接受或拒絕的機會。

這項區別很實用。一次工作中的暫時做法，未必適合成為整個團隊的規範。如果建議要寫進正式檔案，就需要有人檢查適用範圍，避免讓特殊情況變成通則。

個人訂閱者須在自己的設定啟用個人整理，程式庫層級也有對應設定。組織與企業則由管理者透過政策啟用，程式庫的適用範圍遵守記憶功能允許存取的設定。

Dreaming 執行也會消耗 AI 額度，所以讓系統整理經驗不是沒有成本的附帶動作。團隊可以先針對重複工作較多的專案觀察成果，再決定是否擴大。

這裡值得看的產出，是規則是否更清楚、後續工作是否少了相同錯誤。若只是累積很多相近建議，卻沒有負責人判斷哪些適用，新增的整理也可能變成審查負擔。

經驗整理得再好，遇到跨專案問題時，仍需要找到正確的程式脈絡。

跨程式庫搜尋，如何幫助追查同一個問題？

程式碼搜尋讓代理查找本機尚未下載的相關專案，協助追蹤跨服務的實作與呼叫關係。這能減少為了查一個問題，先逐一下載多個專案、再手動搬運片段的工作。

官方列出的搜尋方式包括精確文字、程式符號、規則比對，以及依功能意思搜尋。程式符號可以理解成函式或其他程式名稱，依意思搜尋則適合不知道檔名時先找相近行為。

例如，查「付款失敗後如何重試」，可能牽涉付款服務、共用程式庫與背景工作。若只看一個專案，容易漏掉另一處也在重試，讓行為互相影響。

公告以 /research 示範這類調查，讓代理先找相關實作與呼叫者，再說明跨專案的關係。這裡的價值是補足理解，還沒有自動替團隊決定修改哪個服務。

搜尋結果怎麼接回修改？

如果是遷移一項舊介面，搜尋可以幫忙找出哪些專案還在呼叫它，以及其他地方已採用的寫法。這讓修改計畫有機會建立在實際使用情況，而非只憑目前專案的印象。

但參考別的專案時，仍應核對適用條件。兩份程式外觀相近，可能服務不同的輸入或錯誤情境，直接搬用寫法會把原本差異一起忽略。

權限也不會因為能跨程式庫搜尋就消失。代理應在可存取的程式範圍內查找資料，找到某份實作也不代表使用者已授權修改其所在專案。

因此，調查結果最好保留可回到原始程式的位置，說明某項判斷由哪個實作支持。這是本刊對交付的建議，讓接手的人能確認證據，而非只接收一份流暢摘要。

當搜尋、記憶與規則整理都接上工作，接下來要確認的是：它們是否實際減少了重複提醒與接手修正。

先驗收一條團隊規則，再決定要不要擴大記憶

建議先選一條容易檢查的規則，比較新對話能否遵守，以及人工修正是否減少。把範圍縮到一條規則，較容易知道改善來自哪裡。

以變更說明為例，團隊可以要求每次交付都寫出改動目的、已執行的測試，以及未執行的檢查。這是一個假設的工作約定，重點在於審查者能直接判斷是否有做到。

先在一個專案建立規則，再觀察跨入口接續工作時，模型是否仍保留相同標準。如果某次漏掉測試證據，就回到該次交付看原因，而非直接替整套記憶能力下結論。

若未來團隊改用另一套測試方式，也可用同一條規則檢查更新過程。舊指令是否已移除、新指令是否得到採用，會比記憶總數更能反映維護品質。

Dreaming 提出正式檔案修改時，則檢查建議是否適用所有任務，或只適用某個專案。審查者可以接受有依據的部分，保留需要例外處理的情況，避免把所有經驗一併制度化。

哪些經驗適合留下來？

並非每次成功的方法都適合成為通則。一次臨時排除某個測試，可能只是因為環境當天受阻，但若把它記成「這個專案不用跑該測試」，新任務就會接收到錯誤指引。因此，整理經驗時應保留原本的適用條件。

反過來，像固定格式、穩定測試入口和已核可的專案慣例，就比較容易在後續工作核對。這些是挑選記憶的建議，不能把官方的自動整理描述，推導成模型一定能自行分辨所有臨時決策。

團隊也可以替正式規則安排負責人，當建議與既有文件矛盾時，由了解用途的人決定是否更新。這樣記憶帶來的是少一點重複交代，而不會變成多一份和正式文件各說各話的規則。

這種採用方式適合已有基本開發流程、但常重複交代規則的團隊。若需求與規範本身仍互相矛盾，先整理人類使用的版本，才能讓代理知道應遵守哪一個要求。

想把重複工作寫成可重用流程，可先理解技能如何組織，而不只停留在單句提醒。

延伸閱讀：Claude Skills 是什麼？免費就能用的 AI 客製化功能完整教學

規則進入工作後，也要搭配明確的操作核准，讓代理知道何時可繼續、何時需要人決定。

延伸閱讀：GitHub Copilot Assisted Permissions 正式開放：AI 代理的操作何時自動通過？

GitHub intelligence 常見問題

Memory 與 Dreaming 都正式開放嗎？

Memory 已在付費 Copilot 方案正式開放，Dreaming 則是需要主動開啟的公開預覽。兩者設定與推出狀態不同，採用時應分開確認。

Dreaming 免費嗎？

官方明列 Dreaming 執行會消耗 AI 額度。團隊應把整理記憶的花費，和後續工作是否減少重複修正一起評估，不能只看產生了多少建議。

代理能搜尋所有私人程式庫嗎？

跨程式庫搜尋不代表取得所有資料的權限。實際使用仍要符合帳號與組織允許的存取範圍，也不能把查閱權直接當成修改授權。

Dreaming 會直接改掉正式規則嗎？

它能整理個人與程式庫記憶，但對已存進程式庫的技能和指令檔，會提出修改提案供團隊審查。正式規則仍需要有人判斷是否適用。

讓經驗能接續，也讓規則有機會被修正

GitHub intelligence 適合用來減少團隊反覆交代的工作，但採用價值取決於留下的脈絡是否正確、可維護。先從一條規則和一個專案檢查，比一次保存大量經驗更容易判斷成果。

當記憶有人管理、搜尋保留證據、正式規則仍經審查，代理才有較穩定的接續方式。免費訂閱 AI 郵報，持續追蹤模型與開發工具的可用條件。

資料來源

• GitHub：GitHub intelligence 發布說明。
• GitHub Docs：Copilot Memory。
• GitHub Docs：Copilot Dreaming。