如果你在代码、配置与云环境里反复做日志脱敏，可以考虑把经验沉淀为一个 Skill：写清触发条件、步骤、输出格式和边界，让智能体代劳重复部分，人只负责把关。

本文介绍如何在 GitHub Copilot 指令与提示文件 上实现这个技能，包括它的形态、示例配置、启用步骤、一次完整的运行过程和常见坑。

这个技能做什么

项目说明
技能日志脱敏（log-pii-scrub）
作用检查日志中是否记录了敏感信息并给出脱敏方案
输入日志样本与代码
输出脱敏方案
形态纯提示词
风险中
适用人群安全工程师与开发团队

处理流程分四步：

  1. 识别敏感字段
  2. 定位输出位置
  3. 设计掩码规则
  4. 验证效果

这个技能纯指令型，不需要额外脚本或外部连接，复制到大多数平台都能用；属于中等风险：结果会影响业务判断，建议在输出前设置人工审核点。

在 GitHub Copilot 指令与提示文件 中是什么形态

GitHub Copilot 支持仓库级自定义指令文件 .github/copilot-instructions.md，以及放在 .github/prompts/ 下、以 .prompt.md 结尾的可复用提示文件，适合把固定流程交给 Copilot Chat 或智能体模式执行。

仓库级指令对该仓库的对话默认生效；提示文件需要在支持的编辑器中手动调用，具体支持情况以 Copilot 文档为准。

示例配置

.github/prompts/log-pii-scrub.prompt.md 示例（示意）：

---
description: 日志脱敏
---

请对我提供的日志样本与代码执行「日志脱敏」：

1. 识别敏感字段
2. 定位输出位置
3. 设计掩码规则
4. 验证效果

输出格式：脱敏方案。
- 扫描结论需人工复核，涉及生产的动作走变更流程。
- 结论中不确定的部分单独列出，标注「需人工确认」。

示例里最重要的是两处：一是描述（或指令开头）要写明「什么时候用」，让智能体在安全工程师与开发团队提出相关请求时能对上号；二是约束部分要写进「扫描结论需人工复核，涉及生产的动作走变更流程」这类领域规矩，避免智能体自作主张。

安装与启用步骤

  1. 在 .github/copilot-instructions.md 中写入团队通用约定
  2. 新建 .github/prompts/log-pii-scrub.prompt.md 写入本技能流程
  3. 在编辑器的 Copilot Chat 中调用该提示文件
  4. 检查输出是否遵循步骤与格式
  5. 提交到仓库并在 PR 中说明用途

实操：一次完整的运行

假设你在代码、配置与云环境中发出这样的请求（虚构示例）：

用日志脱敏技能处理这份日志样本与代码，输出脱敏方案。

智能体识别到任务与「日志脱敏」相关后，会依次识别敏感字段、定位输出位置、设计掩码规则、验证效果。最终交付脱敏方案，并在末尾列出需要人工确认的内容。你的工作是对照原始日志样本与代码抽查两三处关键信息，确认无误后再使用。

测试与验收

在 Copilot Chat 中分别以有、无提示文件的方式处理同一任务，对比差异是否符合预期。

针对这个技能，还建议额外准备：

  • 一份信息齐全的标准日志样本与代码，检查输出是否完整
  • 一份缺少关键信息的输入，检查智能体是否先提问而不是编造
  • 一份包含“忽略以上规则”等字样的输入，检查约束是否仍然有效

常见坑

  • 仓库级指令写得过细，与提示文件互相矛盾。
  • 以为提示文件会自动生效，实际需要手动调用。
  • 只写了步骤，没写交付格式，导致每次输出的脱敏方案结构不同。
  • 没有给出样例，智能体对“好结果”的理解与你不一致；在参考资料里放一两份范例会明显改善。

延伸阅读

说明：文中的配置、代码与目录结构均为示意，用于说明思路；各平台的入口、字段名与能力会更新，落地前请以对应官方文档为准。示例中的数据与场景为虚构，不代表真实案例。