Awesome Copilot Adventures

Aprende a investigar, planificar, implementar y verificar con GitHub Copilot — un laboratorio reproducible a la vez.

Herramientas, cuentas y requisitos previos · Empieza aquí — tu primera comprobación funcional · Elige tu ruta de aprendizaje · Consulta el currículo · Descarga un kit de aprendizaje

[!TIP] ¿Es tu primera vez? Empieza con un pequeño éxito. Descarga 01-interface.zip, extráelo en una nueva carpeta de trabajo y sigue Comienza aquí. No necesitas Python, .NET, Docker, una suscripción en la nube ni un repositorio de GitHub para ese primer laboratorio.

Lo que aprenderás

Esta es una caja de aprendizaje para desarrolladores y estudiantes técnicos que quieren usar un agente sin confundir una respuesta segura con software que funcione. Empieza abriendo archivos y ejecutando una prueba local. Avanza hacia funcionalidades, refactorización, personalización, MCP y trabajo gobernado en varios entornos.

Los caminos se complementan; completar ambos no es obligatorio. El orden de aprendizaje explica prerrequisitos, puntos de parada y qué temas avanzados tomar a continuación.

¿Requerido, opcional o avanzado?

La disponibilidad depende de la cuenta, la política de la organización, el cliente y el entorno. Ningún aprendiz necesita hacer público un repositorio privado ni habilitar un servicio de pago para terminar un ejercicio local.

Tu primer resultado

1. Instala/selecciona Node 24 y abre la carpeta extraída 01-interface en VS Code.

2. Lee KIT-START.md, greeting.mjs y greeting.test.mjs.

3. Desde la terminal de esa carpeta, ejecuta:

   node KIT-VERIFY.cjs
   node --test --test-concurrency=1 greeting.test.mjs
   

4. Espera que el starter sin cambios pase 2 tests. Un recuento diferente de pruebas o un error requiere investigación, no un transcript de éxito copiado.

5. Sigue la primera sesión guiada para investigar, planificar y implementar un cambio de manejo de espacios en blanco; luego demuestra el resultado con pruebas.

No se necesita instalar ningún paquete para este primer kit. La guía de descarga cubre Windows, macOS, Linux y publicación opcional en GitHub.

El ciclo de aprendizaje

Todas las aventuras siguen el mismo flujo de trabajo que produce evidencia:

---
config:
  theme: base
  look: classic
  themeVariables:
    darkMode: false
    background: "#ffffff"
    primaryColor: "#f5f5f5"
    primaryTextColor: "#111111"
    primaryBorderColor: "#555555"
    secondaryColor: "#e0e0e0"
    secondaryTextColor: "#111111"
    secondaryBorderColor: "#666666"
    tertiaryColor: "#bdbdbd"
    tertiaryTextColor: "#111111"
    tertiaryBorderColor: "#444444"
    lineColor: "#444444"
    textColor: "#111111"
    mainBkg: "#f5f5f5"
    nodeBorder: "#555555"
    clusterBkg: "#ffffff"
    clusterBorder: "#999999"
    edgeLabelBackground: "#ffffff"
    actorBkg: "#e0e0e0"
    actorBorder: "#555555"
    actorTextColor: "#111111"
    actorLineColor: "#777777"
    signalColor: "#333333"
    signalTextColor: "#111111"
    labelBoxBkgColor: "#f5f5f5"
    labelBoxBorderColor: "#777777"
    labelTextColor: "#111111"
    loopTextColor: "#111111"
    activationBkgColor: "#bdbdbd"
    activationBorderColor: "#555555"
    noteBkgColor: "#f5f5f5"
    noteTextColor: "#111111"
    noteBorderColor: "#777777"
    attributeBackgroundColorOdd: "#f5f5f5"
    attributeBackgroundColorEven: "#e0e0e0"
---
flowchart LR
    accTitle: Flujo de desarrollo basado en evidencia
    accDescr: La investigación conduce a la planificación, la implementación, la revisión y la evidencia; las lagunas sin resolver devuelven el trabajo a la investigación.
    A["Ask<br/>Investigar"] --> P["Plan<br/>Diseñar"]
    P --> G["Agent<br/>Implementar"]
    G --> R["Revisión<br/>Cuestionar"]
    R --> E["Evidencia<br/>Demostrar"]
    E -. "lagunas encontradas" .-> A

Leyenda. Los rectángulos representan las etapas del flujo de trabajo. Las flechas continuas muestran la progresión normal; la flecha discontinua devuelve las carencias de evidencia sin resolver a la investigación.

Explicación. Una respuesta fluida no equivale a completar el trabajo. El ciclo termina únicamente cuando el resultado revisado cumple los criterios de aceptación y las comprobaciones registradas lo respaldan.

• Ask examina los hechos, las restricciones, el contexto y las incógnitas.
• Plan define el alcance, los riesgos, los límites de confianza y la validación.
• Agent edita, invoca herramientas, observa los resultados e itera.
• Revisión cuestiona el resultado desde un contexto limpio o especializado.
• Evidencia registra comandos, códigos de salida, diferencias, limitaciones y decisiones.

[!NOTE] Un rol no es un harness. Local y Copilot son harnesses de agentes de VS Code; Cloud es un destino de sesión remoto; Copilot CLI es una superficie de terminal; y Copilot SDK integra un entorno de ejecución de agentes en una aplicación. La disponibilidad depende de la cuenta, las políticas, el cliente y el entorno.

Progresión de aventuras

Consulta el mapa visual del currículo y la matriz actual del estado de las funciones.

Progresión Hands-on

Los laboratorios prácticos son ejercicios profesionales numerados, no aventuras nuevas. Conservan el formato importado de ejercicios y tareas, con explicaciones revisadas, recursos de prueba locales, casos negativos y restablecimiento seguro.

1. 01: contexto, roles, permisos y un pequeño cambio verificado.
2. 02–05: elige C# o Python; investiga → añade una característica → prueba → refactoriza.
3. 06–12: elige un ejercicio de ingeniería o colaboración aplicable.
4. 15: entiende instrucciones, prompts, skills y agentes personalizados.
5. 13, 14, 17: distingue entre trabajo greenfield, brownfield con características y modernización.
6. 16: crea una aplicación SDK acotada; mantén las pruebas sin conexión separadas de la inferencia en vivo.

Lee la auditoría de cada laboratorio y el estándar de diagramas monocromáticos. Todos los diagramas Mermaid usan blanco, blanco hielo, grises y negro, con etiquetas accesibles, leyendas y explicaciones.

Primitivas de personalización

Usa la primitiva más pequeña que aporte el comportamiento que falta:

La guía de primitivas de personalización incluye un diagrama de decisión y notas de portabilidad.

Materiales y finalización

Para un ejercicio individual, usa los 35 kits de aprendizaje: 21 variantes hands-on y 14 laboratorios de aventura. Cada ZIP contiene el starter, la lección, activos visuales locales, licencias, un manifiesto de integridad y una guía de primera ejecución. La guía distingue una línea base aprobada de un fallo intencional del starter.

• Puedo explicar el escenario y el concepto con mis propias palabras.
• Registré el estado inicial, el runtime elegido y el comando.
• Revisé el plan y los cambios en lugar de aceptar una respuesta a ciegas.
• Mis comprobaciones cubren el comportamiento solicitado y rechazan un resultado incorrecto deliberado.
• Etiqueté las funciones no disponibles/en vivo y conservé evidencia de lo que realmente se ejecutó.
• Reinicié o preservé mi trabajo sin afectar a otro proyecto.

Un fallo inicial del starter es intencional cuando la lección lo dice. Un verificador estructural local no prueba una ejecución autenticada en la nube o de un modelo. Las fronteras de cobertura y evidencia hacen explícita esa distinción.

Sitio de aprendizaje multilingüe

La canalización de Astro genera vistas de lectura en inglés, español y portugués brasileño. Los cambios de idioma conservan el documento y su sección. Si la implementación pública no está disponible, las guías del repositorio y los kits de aprendizaje incluidos siguen siendo utilizables; el estado de publicación es independiente de los resultados de las pruebas locales.

El explorador del repositorio incluye proyectos iniciales, pruebas, soluciones, datos, personalizaciones, multimedia, licencias y material histórico claramente identificado, todos en su forma original. El código y los ejemplos ejecutables conservan el texto original. Las descargas se verifican contra su inventario SHA-256 antes de usarlas.

La compilación es estática, usa un único trabajador de renderizado de páginas y no requiere Ruby, Jekyll, una API de modelo ni una base de datos. Consulta la guía de publicación y el sistema de diseño.

Mapa del repositorio

adventures/           Current progressive curriculum and rubrics
labs/                 Starter exercises and deterministic verifiers
mslearn-github-copilot/ Numbered professional exercises and their fixtures
assets/lab-kits/       Learner ZIPs, manifests and checksums
solutions/            Reference implementations for legacy challenges
.github/agents/       Reusable custom agents
.github/skills/       Progressively loaded Agent Skills
.github/prompts/      Manually invoked prompt files
.github/instructions/ Path-scoped instructions
.github/hooks/        Preview hook examples and guidance
docs/                 Canonical guide content
site/                 Astro layouts, components and routes
site-locales/          Reviewed Spanish and Brazilian Portuguese prose
site-generated/       Ignored, reproducible publication input
assets/               Current, legacy, and generated media
legacy/               Preserved version-one curriculum
shared/               Deterministic shared data

Para colaboradores y facilitadores

La ruta de checkout completo es independiente del inicio rápido del aprendiz:

gh repo clone workshop-gbb/awesome-copilot-adventures
cd awesome-copilot-adventures
npm ci --ignore-scripts
npm test

Ejecuta solo la compilación/prueba del idioma objetivo para la solución que cambies. Sigue la guía de publicación para regenerar ZIP, traducciones, compilaciones del sitio y validación de enlaces renderizados. Los facilitadores deben ensayar la ruta elegida en un kit nuevo y registrar los bloqueos de acceso antes de la sesión.

Recursos multimedia

Los guías incluyen ilustraciones SVG originales y diagramas específicos del tema con descripciones accesibles. Los resúmenes de medios describen imágenes y vídeos cinematográficos opcionales, no activos que se afirmen como producidos. Las capturas históricas de la interfaz se etiquetan como referencias, no como evidencia de disponibilidad actual.

Contribuciones

Lee CONTRIBUTING.md antes de proponer una aventura. Las contribuciones deben usar fuentes oficiales actuales de GitHub o Microsoft, incluir evidencia determinista, identificar los comportamientos en Preview y evitar afirmaciones sin respaldo sobre disponibilidad o rendimiento.

Políticas del proyecto

• Código de conducta
• Política de seguridad
• Soporte
• Atribución
• Licencia MIT

Los pares históricos Ask/Agent permanecen en legacy/adventures-v1 para compararlos, no como orientación actual del producto.