AI Agent 很會做事，但「很會做事」不代表「每次都做對事」。 筆者這次要介紹 GitHub Copilot Hooks，讓 Agent 在特定執行時間點， 自動呼叫 Batch、PowerShell、Python 或其他 Shell command，幫忙檢查結果、留下紀錄， 甚至在失敗時通知或啟動下一個 Agent。簡單講，就是幫 AI 裝上一個驗收人員啊 🤖

🎯 為什麼使用 Hooks？
筆者在使用 AI Agent 時，最怕遇到的不是它不會做，而是它「看起來做完了」。 尤其當使用比較便宜的模型時，筆者原本以為只要在結尾交代需求，它會乖乖執行，結果還是選擇性遺忘啊 😅

所以筆者一直強調，在 AI 時代不能只靠 Prompt，還是要有自己的驗證機制。 Prompt 是請 AI 做事，Hook 則是可以用來確認它到底有沒有產出結果。

🪝 GitHub Copilot Hooks 到底是什麼？
Hooks 可以理解成 Agent 執行流程中的「事件掛勾」。 當 Agent 走到某個時間點，就自動執行筆者預先設定好的 command。 不用每次手動輸入，也不用祈禱 AI 記得做驗證，系統會照規則跑下去。

用一個 JSON 檔案定義事件與指令， 然後在指定的時機呼叫 PowerShell。當然，實務上也可以搭配 Bash、 Python、CMD 等方式，依照團隊環境選擇即可。

🧠 一句話理解 Hooks
Agent 負責執行任務； Hook 負責在關鍵節點補刀、驗收與記錄。

📌 常見 Hook 事件
sessionStart：工作階段開始時，初始化環境或建立紀錄。
sessionEnd：工作階段結束時，清理暫存檔或輸出報告。
preToolUse：Agent 使用工具前，先做權限、參數或政策檢查。
postToolUse：工具執行後，確認輸出是否符合預期。
userPromptSubmitted：使用者送出需求時，記錄或補充上下文。
Stop：Agent 或子 Agent 停止時，執行收尾邏輯。
errorOccurred：發生錯誤時，留下紀錄或觸發通知。

筆者覺得最實用的，通常是 Stop 完成之後的驗證。 例如 Agent 說自己已經寫好程式碼，Hook 就去檢查指定檔案是否真的存在、 是否能通過基本測試，甚至確認必要的輸出是否產生。

如果檢查失敗，筆者還可以讓 Hook 通知自己，或再呼叫另一個 Agent， 例如 Claude Code、Codex，繼續補完後續工作。這樣就不會變成： Agent 說「完成」，筆者說「蛤？檔案在哪裡？」的日常悲劇。

🛠️ 用 JSON 定義執行規則
Hooks 的設定核心是 JSON。筆者可以在裡面指定 Hook 要監聽的事件、 要執行的 command、使用哪一種 Shell，以及工作目錄、環境變數和 timeout 等設定。

以下是一個概念示意，實際欄位名稱與版本仍要以目前使用的 GitHub Copilot 文件為準。
{
"version": 1,
"hooks": {
"postToolUse": [
{
"type": "command",
"command": "powershell -ExecutionPolicy Bypass -File .\scripts\validate-output.ps1",
"timeoutSec": 10
}
]
}
}

🔍 筆者會讓 Hook 檢查什麼？
指定的程式碼檔案是否真的產生。
JSON、設定檔或輸出檔案格式是否正確。
單元測試、Lint 或基本編譯是否通過。
Agent 是否漏掉必要步驟。
錯誤發生時，是否需要通知筆者或啟動下一個自動化流程。

更多實作細節，請參考完整版影片囉

🧪 筆者整理的幾個實務眉角
Hook 要輕量：能快速完成就不要塞一大串長時間工作，必要時改成背景執行。
設定 timeout：避免某個腳本卡住，整個 Agent 流程跟著陪葬。
不要記錄機密：Token、密碼、連線字串等敏感資訊，千萬不要直接寫進 Hook。

安全提醒： Hook 本質上會執行本機命令，因此權限與輸入處理非常重要。

🚀 本日結論：小功能，解決大痛點
筆者認為 GitHub Copilot Hooks 最有價值的地方，不是多了一個酷炫功能， 而是它補上了 Agent 工作流程裡很重要的一塊：可控性。

AI 會產生不確定的結果，這件事短期內不會消失。 我們能做的不是一直對 Prompt 補全，而是建立驗證、記錄與失敗處理機制。 讓 Agent 做事，讓 Hook 去呼叫驗收程序，兩邊各司其職，流程才比較有機會穩定下來。