先厘清一个常见误解

很多人把 AGENTS.md 当成"GitHub 的知识库"——其实不是。AGENTS.md 是规则文件，告诉 AI"该怎么干活"（跑什么命令、遵守什么代码风格、PR 怎么提）。

而真正的知识库要解决的是另一个问题：让 AI"知道什么"。项目架构怎么走的、三年前的架构决策为什么这么定、某个内部服务的鉴权逻辑在哪、踩过哪些坑——这些是事实性知识，写成规则没用，得能被检索、能随代码更新。

GitHub 官方对应的功能叫 Copilot Spaces，2025 年上线，现在已经可以通过 GitHub MCP Server 被 IDE 里的 AI 直接调用。单点维护、自动同步、团队共享，这才是"统一知识库"该有的样子。

Copilot Spaces 是什么

一句话：把散落在仓库、PR、Issue、文档、笔记里的上下文收进一个"空间"，让 AI 每次都带着这份上下文回答。

一个 Space 可以放进四类东西：

关键机制有两个，决定了它能不能当"单点维护"的知识库：

1. GitHub 来源自动同步：Space 里引用的仓库、文件始终取 main 分支的最新版本。代码改了，知识库跟着改，不需要手工更新副本。
2. 两种挂载方式，语义不同： - 挂整个仓库：不把项目全量塞进上下文，而是按问题检索最相关的内容。适合"整个文档库都能问"的场景。 - 挂具体文件：文件全文进入上下文窗口，每次提问都会带上。适合必须优先遵守的少数核心文档。

这个区分很重要：很多人抱怨"AI 答得不准"，其实是把该挂文件的挂成了仓库，或者反过来把该检索的硬塞进了上下文。

怎么让各个 AI 工具都来调用

这是 Spaces 从"Copilot 的笔记本"变成"通用知识库"的关键一步：通过 GitHub MCP Server 暴露成工具。

具体是两个工具：

配置（VS Code / Copilot 扩展，mcp.json）：

{
  "servers": {
    "github": {
      "type": "http",
      "url": "https://api.githubcopilot.com/mcp/",
      "headers": {
        "X-MCP-Toolsets": "default,copilot_spaces"
      }
    }
  }
}

或者直接用专用端点，只暴露 Spaces 工具：

https://api.githubcopilot.com/mcp/x/copilot_spaces

这个端点同样支持 /readonly 后缀，组成 https://api.githubcopilot.com/mcp/x/copilot_spaces/readonly，只给读权限——放到团队环境里更安全。

几个必须知道的限制：

• 只能在 Agent 模式用。Spaces 是通过 MCP 访问的，普通聊天模式没有工具调用能力。在 Copilot Chat 里把模式切到 Agent，点工具图标，确认 GitHub MCP server 下有 get_copilot_space 和 list_copilot_spaces 两项已启用。
• IDE 里拿不到仓库代码和上传文件。官方明确说明：在 IDE 中使用时，仓库上下文和上传的文件不支持；可用的是"Add text content"加入的文本、GitHub 文件、Issue、PR 以及空间里的 instructions。也就是说，纯代码类知识在 IDE 里要依靠 GitHub 文件路径引用，而不是仓库挂载。
• 按用量计费。在空间里提问算作 Copilot Chat 请求，按模型和 token 消耗 AI credits；Copilot Free 计入每月聊天额度，Business / Enterprise 走企业共享额度池。

调用方式很自然，不用记工具名：

用 myorganization 的 Copilot space「支付链路设计」，总结一下我们的重试策略。

AI 会自己调 list_copilot_spaces 找到匹配的空间，再 get_copilot_space 拉取上下文。同一轮对话里的后续追问会自动继承这个空间。

五分钟搭一个

1. 打开 https://github.com/copilot/spaces，点 Create space。
2. 起名，选归属：个人账号，或你所属的组织（组织级才能用 GitHub 权限模型共享）。
3. 写描述（不影响 AI 回答，只给人看）。
4. 填 Instructions，比如：

你是本项目的支付链路专家。回答时优先引用空间内的设计文档和 ADR，
不要臆测未在来源中出现的外部接口。涉及金额计算时必须指出对应代码位置。

5. 加 Sources：核心设计文档用"挂文件"，整个 docs/ 目录或仓库用"挂仓库"，历史决策用"贴 PR / Issue 链接"，访谈记录用"Add text content"。
6. 在 IDE 里按上面的 JSON 配好 MCP，Agent 模式下提问。

日常维护时，你在代码文件页右上角的下拉菜单里就能把当前文件加进空间，不用离开代码视图。

团队共享与权限

组织级空间支持四级角色：

• Viewer：可以提问、查看附件和 instructions
• Editor：可改附件、名称、描述、instructions，但不能改共享设置或删除
• Admin：可改共享设置、删除
• No access：对组织其它成员隐藏

个人级空间可以公开（"Anyone with link"，默认只读）、指定 GitHub 用户、或完全私有。注意：查看者只能看到自己有权限访问的来源——这是 GitHub 原生权限模型在起作用，不会因为共享了空间就泄露私有仓库内容。

典型用法：

• 新人 onboarding：代码、文档、架构图、checklist 全放一个空间，随便问
• 系统知识沉淀：鉴权、CI 流水线这类复杂子系统，单独建一个空间长期维护
• 规范与评审清单：团队编码规范、可访问性检查清单，让 AI 提建议时直接引用

和规则文件怎么分工

两者是互补关系，不是二选一：AGENTS.md 管"怎么做"，Spaces 管"知道什么"。一个项目同时配好这两个，AI 才既有纪律又有背景知识。

如果不是 Copilot 用户

Spaces 依赖 Copilot license 和 api.githubcopilot.com，纯开源栈用不了。这时候有两个成熟的替代路径，思路相同——把 GitHub 仓库变成 MCP 知识库端点：

• GitMCP：https://gitmcp.io/{owner}/{repo}，任意公开仓库秒变 MCP 端点，提供拉取文档、搜索仓库、列文件、读指定路径等工具，始终对齐 main 分支最新内容。免费、可自托管，Claude Desktop / Cursor / VS Code 都能接。
• DeepWiki MCP：https://mcp.deepwiki.com，Cognition 出品，自动为公开仓库生成可读 wiki，并把它作为 MCP 工具暴露给任意 MCP 客户端，可以按结构拉取、按页拉取。

这两个的能力边界要清楚：它们基于代码和 README 自动生成知识，适合"读懂别人的库"；而 Spaces 的价值在于人工策展——你能把架构决策、踩坑记录、内部规范这些只存在于人脑里的内容放进去。自动生成和人工策展解决的不是同一类问题。

结语

"统一知识库"的难点从来不是存，而是单一事实来源 + 多工具可达 + 不脱节。Copilot Spaces 的组合恰好命中这三点：GitHub 源自动同步解决脱节，云端共享解决单点维护，MCP 工具集解决多工具可达。

如果你们团队已经在用 Copilot，现在就可以建第一个空间——建议从"新人 onboarding"或"某个复杂子系统"开始，这类场景 ROI 最直接。如果不在 Copilot 生态里，用 GitMCP 把核心仓库接进 MCP，也比继续靠人肉贴上下文强得多。

相关链接

• Copilot Spaces 概览：https://docs.github.com/en/copilot/concepts/context/spaces
• 创建空间：https://docs.github.com/en/copilot/how-tos/copilot-on-github/customize-copilot/copilot-spaces/create-copilot-spaces
• 在 IDE 中使用 Spaces：https://docs.github.com/en/copilot/how-tos/copilot-in-your-ide/customize-copilot/extend-copilot-with-tools-and-context/use-copilot-spaces
• 团队共享与权限：https://docs.github.com/en/copilot/how-tos/copilot-on-github/customize-copilot/copilot-spaces/collaborate-with-others
• 远程 GitHub MCP Server：https://github.com/github/github-mcp-server/blob/main/docs/remote-server.md
• DeepWiki MCP：https://mcp.deepwiki.com
• GitMCP：https://gitmcp.io