Cómo enseñé a GitHub Copilot Code Review a pensar como un mantenedor

Digan lo que digan del vibe coding, ha sido fantástico para el open source. Contribuir a bases de código desconocidas antes daba vértigo y los mantenedores recibían poca ayuda comunitaria, pero las herramientas de IA han reducido enormemente esa barrera.

En nuestro proyecto goose, un framework de agentes IA en Rust, nos enfrentamos al problema contrario: tantas contribuciones que no podemos revisarlas todas manualmente. Esto es un problema bonito, pero requiere que la experiencia del contribuidor sea buena y consistente.

Activamos el agente Copilot Code Review de GitHub para revisar cada PR nada más abrirse. Pensé que encantaría a todos, pero los mantenedores lo encontraron demasiado ruidoso y con muchos comentarios de poco valor. La reacción no fue apagarlo, sino enseñarle a comportarse como un mantenedor.

La solución fue usar el archivo .github/copilot-instructions.md y describir exactamente cómo queremos que actúe. Enseñar al agente evita suposiciones y reduce ruido. Aquí resumo el enfoque que usamos y que puede aplicar cualquier equipo, incluidos aquellos que ofrecen software a medida y aplicaciones a medida como los de Q2BSTUDIO.

Filosofía de revisión Solo comentar cuando haya confianza alta en que existe un problema, ser conciso y ofrecer feedback accionable y claro. Al explicar esto en el archivo de instrucciones, Copilot dejó de divagar y empezó a ofrecer observaciones útiles.

Áreas prioritarias Priorizar seguridad y seguridad operacional, corrección del código, arquitectura y patrones del proyecto. En seguridad buscamos bloques unsafe sin justificación, inyección de comandos, rutas vulnerables, exposición de credenciales y falta de validación de entradas externas. En corrección nos fijamos en errores lógicos que pueden causar panics, condiciones de carrera en código async, fugas de recursos, off by one y uso inapropiado de unwrap. En arquitectura valoramos respeto por patrones del repositorio, manejo de errores consistente y uso adecuado de async y traits.

Contexto del proyecto Hay que decirle a Copilot qué tipo de proyecto revisa. En nuestro caso: Rust con cargo workspaces, crates principales goose goose-cli goose-server goose-mcp, manejo de errores con anyhow::Result y runtime tokio. También añadimos referencias a estándares internos y a protocolos que requieren mayor escrutinio.

Contexto de CI Copilot revisa PRs antes de que termine CI, así que le indicamos qué comprueba la integración continua para evitar duplicidades. Por ejemplo, nuestros checks incluyen cargo fmt --check cargo test clippy y scripts específicos de frontend cuando aplica. No debe señalar problemas que CI ya detectará.

Qué evitar Indicamos explícitamente no comentar sobre formato o estilo (rustfmt, prettier), avisos menores de clippy, fallos de test que CI maneja, sugerencias triviales de nombres, refactors no relacionados con bugs ni añadir comentarios irrelevantes. Esto reduce ruido y evita frustrar a los contribuidores.

Formato de respuesta Pedimos una estructura simple: 1) en una frase indicar el problema, 2) en una frase explicar por qué importa cuando procede, 3) sugerir la solución con fragmento o acción concreta. Por ejemplo: Esto puede panic si el vector está vacío. Considerar usar get o comprobar la longitud antes de acceder.

Cuándo callar Si la revisión no está clara o la confianza es baja, mejor no comentar. Enseñar al modelo a guardar silencio evita spam de comentarios especulativos.

Tras afinar las instrucciones el ruido se redujo drásticamente y los comentarios pasaron a ser más valiosos. Es un proceso iterativo: observamos cómo responde Copilot y refinamos las instrucciones según llegan nuevos PRs.

En Q2BSTUDIO, empresa de desarrollo de software y aplicaciones a medida, especialistas en inteligencia artificial y ciberseguridad, aplicamos estos mismos principios cuando implantamos agentes IA para equipos de desarrollo. Si tu empresa necesita apoyo para integrar IA en flujos de trabajo de revisión o desplegar soluciones de inteligencia artificial para empresas puedes ver nuestras propuestas de servicios de inteligencia artificial y para proyectos de producto y servicios a medida ofrecemos experiencia en desarrollo de aplicaciones a medida.

Al final, no se trata de reemplazar revisores humanos sino de multiplicar su impacto: menos ruido, más seguridad, mejor corrección y coherencia arquitectónica. Estas prácticas también benefician a quienes buscan servicios en ciberseguridad, servicios cloud aws y azure, inteligencia de negocio, agentes IA y power bi dentro de soluciones empresariales. Itera, mide y enseña: así convertirás Copilot Code Review en un aliado real para tu repositorio.