← 随机比特 / 所有内容

微软把内部 AI 工程最佳实践打包开源了——34个专用 Agent、68条 Instruction、40个 Prompt,叫 HVE Core。

2026-03-07 · 随机比特

微软内部用什么 Prompt?HVE Core 开源了,我翻了一遍

我知道大多数人用 AI 写代码是这么干的:打开 Copilot 或者 Cursor,把需求甩进去,跑出来哪里不对再改,改了再跑,改了再跑。

感觉像在跟 AI 说话,但不知道怎么说才对。

这不是你的问题。我也这样。

然后微软上周悄悄开源了一个叫 HVE Core 的项目。全名 Hypervelocity Engineering Components。听名字像某种黑科技,打开一看,其实是微软内部 AI 工程师整理出来的"Prompt 工程食谱":34个专用 Agent、68条 Instruction、40个可复用 Prompt 模板,全打包好了。

GitHub 链接 | 今日 GitHub Trending 涨星 +273


HVE Core 到底是什么

先说字面意思:Hypervelocity = 超高速度,Engineering = 工程,Core = 核心组件。

说白了,这是微软内部用来提速 AI 协作开发的工具箱。

你可以把它想象成一个装了很多模板的文件夹。你把这些模板装进 VS Code,Copilot 或者其他 AI 工具就知道怎么配合你干活了。

里面有什么:

这不是概念性的东西。仓库里有具体的文件,能直接用。


微软在用什么方法论

HVE Core 背后有一套叫 RPI 的工作流:Research → Plan → Implement

这三步听起来普通,但跟我们随手用 AI 的方式差异不小。

普通用法: 你:“帮我写一个用户登录功能” AI:直接开始写代码

HVE 用法: 先 Research:让 AI 先搜集已有代码库的相关上下文,读懂现有架构 再 Plan:让 AI 生成一份实现计划,你过目,确认方向 最后 Implement:确认计划之后,再让 AI 写代码

<figure><img src=“images/01-rpi-workflow.png” alt=“01-rpi-workflow”></figure>

关键点是:AI 在写代码之前,必须先理解你的项目,而不是凭空发挥。

我自己试了一下 R 阶段——在 Instructions 里有一条专门让 AI 先读现有测试覆盖的指令。这一步节省了我返工的时间,因为 AI 知道什么功能已经有测试了,不会重复造轮子。


怎么用上它

装进 VS Code 最快,三步:

  1. 打开终端,git clone https://github.com/microsoft/hve-core
  2. .github/copilot-instructions.md 里的内容复制到你项目根目录下的同名文件里
  3. 重新打开 VS Code,Copilot 就会加载这些指令

VS Code 扩展市场也有直接安装的版本,搜 “HVE Core” 就能找到。

<figure><img src=“images/02-hve-structure.png” alt=“02-hve-structure”></figure>

最值得看的几个文件:

一个具体可用的 Prompt(来自仓库,已翻译):

“在写任何代码之前,先读取 [目录] 下的现有实现,列出相关函数和它们的职责,再提出三种实现方案,等我确认再动手。”

这个 Prompt 模式(先研究、再提案、再实现)是 RPI 方法的精华。


说几句实话

HVE Core 不是什么颠覆性的东西。Prompt Engineering 本来就是个"用过都会觉得有用,但很多人懒得系统化"的领域。

微软做的事情是:帮你跳过摸索阶段。

34个 Agent 模板和 68条指令里,不是每一条都适合你的项目。你得自己筛,自己改。但有一个经过生产环境验证的起点,比自己从零开始少走几个月弯路。

值不值得看?值。需要你大改工作流吗?不用,挑几条用得上的装进去就行。


来源: