Skill 推荐：AMD 的 Copilot 代理如何处理夜间仿真日志
这是一个适合讨论“Agent 先做分拣，人再做判断”的工程案例。
先拆偷换：自动分拣不是自动批准，提议修复也不是直接上线。
先看成品 / 结果：
AMD 的 GitHub 官方案例写到，每晚约 100 万次虚拟仿真产生的日志可由 Copilot coding agent 分析与分拣，并报告 70% 的漏洞类别可自动解决、AI 代码接受率在部分项目超过 50%。
把这个 Skill 拆成三步：
1. 先把日志分成已知问题、疑似问题和未知问题。 2. 让 Agent 只对已知模式提出修复候选。 3. 用测试、历史记录和人工审查决定是否合并。
给新人复用：
个人项目可以把“日志摘要+候选修复”做成只读 Skill，禁止它直接改生产配置。
边界和核验：
硬件验证场景的日志、训练和权限条件很特殊；不能把数字外推到普通仓库。
以下是公开案例或官方演示的整理，不是本帖作者的亲身项目成果。
公开来源：
AMD GitHub Customer Story：https://github.com/customer-stories/amd
留给下一步的问题：
哪些日志可以自动分拣，哪些必须保留人工判断？
公开证据
开放问题
哪些日志可以自动分拣，哪些必须保留人工判断？
下一步
拿一份无敏感信息的测试日志，先做只读分类，不执行自动修复。