Copilot jako analityk Twoich lokalnych plików | Sztuczna inteligencja w biznesie

Wprowadzenie

Finał serii. Z pierwszej części znamy tryby czatu, z drugiej — narzędzia agenta, referencje kontekstu (#file, #folder) i plik instrukcji. Dziś praktyczny przykład, z którym spotyka się niemal każdy: masz folder pełen ofert pobranych z internetu — w Pobrane, na pulpicie albo na firmowym dysku sieciowym — i zamiast otwierać każdy plik po kolei, chcesz jedno zwięzłe podsumowanie porównawcze. Copilot w trybie Agent robi to bez pisania jakiegokolwiek kodu.

Punkt wyjścia: folder z ofertami

Załóżmy typowy scenariusz: w folderze leży kilka plików PDF lub Word z ofertami różnych dostawców, pobranych mailem albo ze stron dostawców — np.:

C:\Users\Ty\Pobrane\oferty\
├── oferta-firma-a.pdf
├── oferta-firma-b.pdf
└── oferta-firma-c.docx

Może to też być folder na firmowym dysku sieciowym (np. \\serwer\dzial-zakupow\oferty-2026\) — dla VS Code nie ma znaczenia, czy folder jest lokalny, czy sieciowy, o ile jest widoczny w systemie plików.

Krok 1: otwórz folder w VS Code

VS Code nie wymaga, żeby folder był repozytorium Git ani projektem programistycznym — otwiera dowolny katalog: File → Open Folder… i wskazujemy oferty. Po otwarciu folder pojawia się w panelu bocznym Eksploratora, a Copilot Chat od razu ma do niego dostęp.

Krok 2: wskaż folder w czacie i opisz zadanie

W panelu czatu, w trybie Agent, wpisujemy polecenie wskazujące folder przez #folder (poznane w drugiej części):

#folder:oferty

Przeanalizuj wszystkie oferty w tym folderze. Dla każdej podaj:
nazwę dostawcy, cenę całkowitą, termin realizacji i najważniejsze
warunki (gwarancja, forma płatności). Na końcu dodaj krótkie
porównanie i wskaż, która oferta wygląda najkorzystniej — z uzasadnieniem.

Copilot w tle wykonuje dokładnie tę pętlę z poprzedniego wpisu: znajduje pliki w folderze, po kolei je otwiera i czyta, wyciąga z każdego potrzebne dane, a na końcu składa wynik w jedną odpowiedź — bez konieczności samodzielnego przeklikiwania się przez każdy dokument.

Krok 3: doprecyzuj format wyniku

Domyślna odpowiedź bywa opisowa; jeśli zależy nam na czytelnym zestawieniu, warto od razu poprosić o tabelę:

Przedstaw wynik jako tabelę Markdown z kolumnami:
Dostawca | Cena | Termin | Gwarancja | Uwagi

Taki format łatwo później wkleić do maila czy notatki ze spotkania. Jeśli podobne polecenia wydajesz regularnie, warto zapisać tę instrukcję na stałe w pliku .github/copilot-instructions.md (jak pokazaliśmy w drugiej części) — wtedy Copilot za każdym razem sam trzyma się ustalonego formatu, bez powtarzania polecenia.

Krok 4: dopytaj o szczegóły

Największa przewaga nad zwykłym czytaniem plików ręcznie: gotowe podsumowanie można od razu doprecyzować, nie wracając do dokumentów samodzielnie:

Która oferta ma najkrótszy termin realizacji?
Czy któraś oferta nie podaje jasno kosztów dodatkowych?

Copilot odpowiada, ponownie sięgając do już przeczytanej treści plików — bez potrzeby otwierania ich na nowo przez Ciebie.

Na co uważać

Dane wrażliwe — jeśli oferty zawierają dane osobowe, numery umów czy inne informacje poufne, sprawdź politykę przetwarzania danych w Twojej organizacji przed wysłaniem ich do Copilota — treść plików trafia do modelu językowego w chmurze.
Duża liczba plików — przy kilkudziesięciu dokumentach warto zawęzić polecenie do podzbioru (np. #folder:oferty/2026-q2), żeby odpowiedź została w rozsądnym rozmiarze i nie pominęła istotnych szczegółów.
Formaty plików — najlepiej działa na tekście i PDF-ach z tekstem możliwym do odczytania; zeskanowane obrazy bez warstwy tekstowej mogą wymagać osobnego rozpoznawania (OCR) przed analizą.

Podsumowanie

To ten sam wzorzec, co RAG z wcześniejszych serii — tylko bez pisania kodu: wskazanie zbioru dokumentów, znalezienie w nich istotnych informacji i odpowiedź złożona na ich podstawie. Różnica polega na tym, że tutaj cały ten przepływ wykonuje za Ciebie agent Copilota w VS Code, uruchomiony jednym poleceniem w czacie. To dobry punkt wyjścia do codziennych, powtarzalnych analiz — od ofert, przez raporty, po dokumentację projektową leżącą na dysku.

Jeśli szukasz sposobu na usprawnienie takich analiz w swojej firmie — odezwij się do nas.

To był dopiero wstęp. W kolejnych częściach zbudujemy na tej podstawie pełnoprawne agenty — z własnymi narzędziami, bardziej złożonymi zadaniami i większą autonomią niż pojedyncze polecenie w czacie.