Copilot 的 Premium Requests 才是成本核心：一次请求把活做满（附：Copilot CLI 压榨 Opus 4.6 的实用模板）

很多人讨论 Copilot 的“成本”时会下意识盯 token，但在 GitHub Copilot 体系里，更关键的指标其实是 Premium Requests。

以 Pro 为例：每月 300 次 Premium Requests；并且不同模型会有倍率（例如 Claude Opus 4.6 ≈ 3x，一次对话可能按 3 次 Premium Requests 计算）。这会直接改变最优策略：不是省 token，而是省请求次数。

另外一个现实：GitHub Copilot 对高校学生通常有免费 Pro（没找到入口的话可以看 https://education.github.com/learner/learn ，右上角有 Enable 之类的入口）。

1）实验结论：哪些行为会消耗 Premium Requests

我做了一轮很朴素的对照实验，可以粗暴分两类：

会消耗 ✅

• 新的 user prompt（你发一条新需求/新问题）
• 同一个 session 里的追问/后续提问（继续对话推进任务）

不会消耗 ❌

• Tool call / MCP 调用（让 agent 去跑工具、读文件、执行命令、查询信息等）

一句话：Premium Requests 主要花在“触发 LLM 继续生成的回合”上，而不是一次回复里调用多少工具。

2）因此最划算的用法：让“一次请求”做尽可能多的事

既然追问也算一次请求，那最划算的工作流就很明确：

• 第一条 prompt 把信息一次性给足（目标/范围/约束/验收/偏好）
• 让 agent 在同一次请求里尽可能多做事（尤其是用工具把验证/执行也做完）
• 交付时一次性给出：方案 + 实施 + 自检 + 风险点 + 下一步建议

本质就是：减少对话轮次，把每次 Premium Request 的产出最大化。

3）“压榨 Copilot CLI”的关键：用 ask_user 把对话变成可控的“交互回合”

Copilot CLI 自带 ask_user 工具。它的效果不是“更聪明”，而是把对话从一次性问答，变成你可以随时插一句话、继续推进的交互模式（会弹一个选项框，你可以选 A/B/C/D 或者直接输入自定义文本）。

实操上，你可以通过“高优先级 instruction”强行让它每次输出后都调用 ask_user，从而把节奏牢牢握在你手里：

• 你不需要重新组织一大段 prompt 才能让它继续
• 你只要在 ask_user 的输入框里给一句“继续/改这里/补测试/再查一遍”就行

4）Copilot CLI 的 instruction 文件位置（全局/项目级）

如果你希望“强制 ask_user”这种行为全局生效/项目生效，Copilot CLI 支持放 instruction 文件：

• 全局：$HOME/.copilot/copilot-instructions.md
• 单项目：<你的项目目录>/.github/copilot-instructions.md

（这点非常关键：很多人写了但路径不对，等于没生效。）

5）强制 ask_user 的“硬协议模板”（两档：极限版 / 省请求版）

下面给你两档模板，你选一种塞进 instruction 文件即可。

A）极限“不断对话”版（压榨交互体验）

适合：你希望它永远别自己结束、你随时插话控制方向。

This is a non-optional protocol.

At every turn, you MUST perform exactly one of the following actions:

• Provide the requested output AND immediately call ask_user, OR
• If any uncertainty exists, immediately call ask_user without providing speculative output.

The conversation must never terminate voluntarily. The assistant must never produce a terminal response. ask_user is mandatory at the end of every turn.

B）更省 Premium Requests 的“收口版”（我更推荐）

适合：你要的不是聊天，而是把任务一次性做完，然后只收一次反馈。

Before ending a task, maximize work done within the current Premium Request:

• Make necessary assumptions explicitly.
• Use tool calls / MCP to gather info and validate.
• Deliver plan + implementation + verification + risks in one response.

Before ending, call ask_user once and request consolidated feedback in a single message (all changes at once).

你之前提到“copilot-instructions.md 不一定遵循、每次发问题之前给它加一句更可靠”，这点我同意。

最稳的打法就是把下面这句当作你每次提问的固定后缀（即使 instruction 偶尔失效，这句也在本次 prompt 内强制生效）：

Before ending a task or conversation, always call the ask_user tool to ask the user if they have any further comments or feedback.

6）一个很关键的提醒：ask_user 不等于“白嫖请求”

ask_user 本身是工具，但它会引导用户继续输入；而“用户继续输入”在很多情况下仍会触发新的 LLM 回合，因此不要把它当成无限续命外挂。

正确理解：

• ask_user 的价值是“把交互做得更轻更顺”，让你用一句话控制它继续干活
• 真正决定 Premium Requests 的，依然是“触发 LLM 继续生成的次数”和“模型倍率”

7）Bonus：用 /mcp add 把 ask_user 扩展成更强的问答/交互工具

除了 Copilot 自带的 ask_user，还可以通过 /mcp add 引入更丰富的开源工具（例如一些“问题模板/问卷式收集需求”的 ask_user 扩展）。

思路是一样的：工具越强，你越能在一次请求里把任务链路跑完，减少来回轮次。

8）常见坑：模型列表“找不到 A 家模型”/地区网络问题

Copilot CLI 的模型选择界面里，有时会出现“某些模型不可用/找不到”的情况。

实践上常见的解决方式是：用 export proxy / 代理把网络环境处理好（尤其是大陆网络场景）。