GitHub lancerede sin terminalbaserede AI-agent, Copilot CLI, som generelt tilgængelig den 25. februar 2026. Siden da er værktøjet gået fra at være et sidespor til den primære måde, mange udviklere kører agentisk kodning på, uden nogensinde at forlade shellen. Hvor Copilot i VS Code kræver, at du sidder i én bestemt editor, kan CLI-versionen bruges lige meget om du arbejder i Vim, en SSH-session på en server eller et byggejob i en pipeline. Denne guide viser dig, hvordan du installerer, konfigurerer og bruger GitHub Copilot CLI fra bunden, inklusive godkendelse, modelvalg, autopilot-tilstand, sikkerhed og et komplet eksempelprojekt du kan bygge undervejs. Du skal bruge cirka 45 minutter og en terminal.
Hvad er GitHub Copilot CLI?
GitHub Copilot CLI er en terminal-native AI-agent, der kører direkte i din shell i stedet for i en editor. Den udføres som npm-pakken @github/copilot og er tilgængelig på macOS, Linux og Windows. Ifølge GitHubs dokumentation kan du “bruge Copilot direkte fra din terminal til at besvare spørgsmål, skrive og fejlrette kode og interagere med GitHub” (GitHub, officiel dokumentation).
I modsætning til Copilot-udvidelsen i VS Code, der arbejder inde i editorens kontekst, opererer CLI-versionen uafhængigt af din editor. Den kan læse og ændre filer, uanset hvilket værktøj du bruger til at redigere dem bagefter. Det gør den særligt nyttig hvis du arbejder i Vim, Emacs eller en editor uden officiel Copilot-integration. Samtidig kan CLI’en også bruges inde fra VS Codes integrerede terminal og chatpanel, så de to værktøjer supplerer hinanden i stedet for at udelukke hinanden. Har du allerede sat Copilot-agenter op i VS Code, kan du tænke på CLI’en som den samme motor, blot flyttet til kommandolinjen.
I august 2026 skiftede GitHub CLI’ens interne runtime til Rust, hvilket ifølge selskabets egne opdateringer gav markant bedre ydeevne i opstart og svartider. Samme måned blev Agent Plugins 1.0 gjort generelt tilgængelig på tværs af VS Code, Copilot CLI, Copilot SDK og Copilot-appen, en specifikation der ifølge GitHub blev udviklet sammen med AWS, Anysphere, Microsoft, OpenAI, Vercel og Google. Det betyder at CLI’en i dag ikke bare er et autocomplete-værktøj, men en fuld agent med adgang til planlægning, parallelle underagenter og et voksende plugin-økosystem.
Et af de punkter GitHub selv fremhæver i sin FAQ til CLI’en er, at værktøjet “opererer uafhængigt i din terminal og kan ændre filer, som enhver editor derefter kan vise, hvilket gør den nyttig uanset dit valg af editor, især for editorer der ikke har officielle Copilot-udvidelser.” Det er en anden filosofi end konkurrerende værktøjer, der ofte er bygget som en udvidelse til én bestemt editor først og en CLI som eftertanke. Copilot CLI er terminal-native fra grunden, hvilket blandt andet betyder, at den fungerer lige godt på en fjernserver over SSH, i et konfigurationsjob i skyen eller lokalt på din bærbare computer, uden at kræve en grafisk brugerflade overhovedet.
Forudsætninger og systemkrav
Før du installerer GitHub Copilot CLI, skal du have styr på et par ting. Kravene er lave sammenlignet med mange andre AI-kodeagenter, men Node.js-versionen er ufravigelig.
| Krav | Minimum | Bemærkning |
|---|---|---|
| Node.js | Version 22 eller nyere | Kun nødvendigt ved npm-installation |
| Styresystem | macOS, Linux eller Windows | Officielt understøttet på alle tre |
| GitHub-konto | Aktiv konto | Bruges til godkendelse via OAuth |
| Copilot-abonnement | Free, Pro, Pro+, Max, Business eller Enterprise | CLI er inkluderet i alle planer |
| Terminal | Bash, Zsh, PowerShell eller lignende | Interaktiv og ikke-interaktiv brug understøttet |
| Netadgang | Udgående HTTPS | Nødvendig for godkendelse og modelkald |
Har du allerede sat GitHub Copilot op i din organisation, skal en administrator som regel aktivere Copilot CLI-politikken separat, selv hvis I allerede betaler for Business eller Enterprise. Det er let at glemme, og det er årsag nummer et til, at nye brugere oplever “adgang nægtet”-fejl efter en ellers korrekt installation.
Trin 1: Installer Node.js 22 eller nyere
Tjek først din nuværende Node-version. Er den under 22, skal du opgradere, før npm-installationen af Copilot CLI vil virke.
node -v
# Skal vise v22.x.x eller nyere
# Installer eller opgrader via nvm (anbefalet)
nvm install 22
nvm use 22
node -vBruger du ikke nvm, kan du hente en installer direkte fra nodejs.org. På Linux-servere uden GUI er nvm oftest den hurtigste vej, fordi du undgår sudo-rettigheder til systemets pakkehåndtering. Kravet om Node.js 22 er ikke tilfældigt valgt, det er den version, GitHub selv har testet og understøtter, og ældre versioner kan mangle de runtime-funktioner, CLI’en er bygget til at udnytte. Spring derfor ikke versionskravet over, selv hvis en ældre Node-installation ser ud til at virke i starten af installationen.
Trin 2: Installer GitHub Copilot CLI
GitHub tilbyder tre officielle installationsveje, alt efter din platform og præference. npm-metoden er den mest universelle og virker ens på tværs af macOS, Linux og Windows.
# Cross-platform via npm (kræver Node.js 22+)
npm install -g @github/copilot
# Via officielt installationsscript
curl -fsSL https://gh.io/copilot-install | bash
# Windows via WinGet
winget install GitHub.Copilot
# macOS/Linux via Homebrew
brew install --cask copilot-cliVil du teste kommende funktioner, findes der også en prerelease-kanal via npm install -g @github/copilot@prerelease. Den er ustabil af natur og bør ikke bruges i produktionsmiljøer eller på maskiner, hvor andre er afhængige af din opsætning.
Har du sat ignore-scripts=true i din globale ~/.npmrc, springer npm stiltiende installationens post-install-scripts over, og kommandoen copilot vil ikke findes bagefter. Løsningen er at slå det fra midlertidigt for netop denne installation:
npm_config_ignore_scripts=false npm install -g @github/copilotTrin 3: Log ind og godkend dig selv
Naviger til den projektmappe, du vil arbejde i, og start CLI’en for første gang.
cd ~/projekter/mit-projekt
copilotFørste gang bliver du bedt om at logge ind. GitHubs dokumentation beskriver flowet sådan: “Hvis du ikke aktuelt er logget ind på GitHub, bliver du bedt om at bruge slash-kommandoen /login“. Skriv /login og følg vejledningen på skærmen for at godkende via din GitHub-konto i browseren. Du skal kun gøre dette én gang, medmindre du logger ud igen.
Vil du logge ind uden at starte den interaktive session først, kan du gøre det direkte fra terminalen:
copilot login
# For GitHub Enterprise Cloud med datalokalitet
copilot login --host DIT-HOSTNAVNSådan finder CLI’en dine legitimationsoplysninger
Copilot CLI leder efter godkendelse i en fast rækkefølge: først miljøvariablen COPILOT_GITHUB_TOKEN, dernæst GH_TOKEN, så GITHUB_TOKEN, derefter et OAuth-token gemt i systemets nøglering, og til sidst et token hentet fra GitHub CLI via gh auth token. Har du fra tidligere sat en gammel eller forkert GITHUB_TOKEN i din shell-profil, vil den overtrumfe alt andet og give en forvirrende fejl, selv efter en korrekt /login. Fjern den forældede variabel, før du fejlsøger videre.
Trin 4: Lær genvejene og start din første opgave
Når du er logget ind, bekræfter du at filerne i den aktuelle mappe er egnede til brug med et AI-værktøj. Copilot ændrer ikke filer uden din eksplicitte godkendelse, en sikkerhedsmekanisme GitHub fremhæver konsekvent på tværs af dokumentationen. Prøv derefter et simpelt spørgsmål for at se agenten i aktion.
> Giv mig et overblik over dette projekt.Et typisk output kan se sådan ud, afhængig af projektets indhold:
Dette er et Node.js-projekt med Express som webframework.
Struktur:
- src/routes/ (3 endpoints)
- src/models/ (2 datamodeller)
- tests/ (Jest, 8 testfiler)
Afhaengigheder: express, jest, dotenv
Ingen kritiske saarbarheder fundet i package-lock.json.De vigtigste genveje er værd at lære udenad, for de sparer dig for masser af klik senere.
| Genvej | Handling |
|---|---|
| Esc | Annuller den aktuelle handling |
| Ctrl+C | Annuller under tænkning, ryd inputfelt, eller afslut |
| Ctrl+L | Ryd skærmen |
| @ | Nævn filer der skal inkluderes i konteksten |
| / | Vis tilgængelige slash-kommandoer |
| ? | Vis kontekstuel hjælp |
| ↑ og ↓ | Naviger i kommandohistorikken |
Skriv /help når som helst for at se den fulde liste over kommandoer og genveje, som ændrer sig løbende i takt med nye udgivelser.
Trin 5: Skift mellem AI-modeller
Copilot CLI understøtter modeller fra flere udbydere, og du skifter mellem dem med slash-kommandoen /model. Ifølge GitHubs egen FAQ til CLI’en understøtter Copilot CLI modeller fra flere grundmodel-udbydere, såsom Anthropic, Google og OpenAI, og du kan skifte model per opgave eller bruge flere modeller til samme opgave, når det er nødvendigt. GitHubs model-referencetabel for Copilot-overfladen viser følgende familier tilgængelige for CLI’en:
| Udbyder | Modelfamilie | Eksempler nævnt i GitHubs modelreference |
|---|---|---|
| OpenAI | GPT | GPT-5.3-Codex, GPT-5.4, GPT-5.5, GPT-5.6 (Luna/Sol/Terra) |
| Anthropic | Claude | Claude Haiku 4.5, Claude Opus 4.8, Claude Opus 5, Claude Sonnet 4.6, Claude Sonnet 5 |
| Gemini | Gemini 3.5 Flash, 3.6 Flash, 3.7 Flash, 3.8 Flash | |
| Microsoft | MAI-Code | MAI-Code-1.1-Flash |
GitHub opdaterer denne tabel løbende og pensionerer ældre modelversioner med forudgående varsel, så det er værd at tjekke den officielle modelsammenligning før du bygger workflows, der er hårdkodet til én bestemt version. I praksis vælger de fleste udviklere en hurtig model til simple opgaver og en kraftigere model til komplekse refaktoreringer, og skifter frit mellem dem inden for samme session. Skriv /model uden yderligere argumenter for at se den aktuelt tilgængelige liste direkte i din terminal, i stedet for at stole på en statisk oversigt som denne artikel, der uundgåeligt bliver forældet i takt med at GitHub udgiver nye modelversioner.
> /model
# Vælg model fra den interaktive listeTrin 6: Planlæg opgaver med /plan
I stedet for at give Copilot en løs instruks og håbe på det bedste, kan du bede den om at lægge en plan først. Ifølge GitHubs feature-side kan du starte i CLI’en med et /plan, og derefter åbne arbejdet i VS Code for at forfine koden direkte. Kommandoen fungerer godt til opgaver med flere trin, hvor du gerne vil se rækkefølgen, før noget rører din kodebase.
> /plan Tilføj rate limiting til alle API-endpoints i src/routes/Et typisk planoutput viser trinene, agenten agter at følge:
Plan: Rate limiting til API-endpoints
1. Installer express-rate-limit som afhaengighed
2. Opret src/middleware/rateLimiter.js med konfigurerbare graenser
3. Anvend middleware paa routes/users.js og routes/orders.js
4. Tilfoej tests i tests/rateLimiter.test.js
5. Opdater README med de nye graenser
Godkend planen for at fortsaette (y/n)?Du kan også trykke Shift+Tab for at skifte til plan-tilstand direkte i samtalen, sammenligne tilgange med /model, og derefter trykke Shift+Tab igen for at gå i autopilot-tilstand, når du vil have Copilot til at bære opgaven videre uden trin-for-trin godkendelse.
Trin 7: Aktiver autopilot med /delegate
For opgaver du stoler nok på til at lade agenten køre selvstændigt, findes autopilot-tilstand. Ifølge GitHubs officielle dokumentation kan du “bruge autopilot-tilstand, eller slash-kommandoen /delegate, til at få Copilot til at arbejde autonomt på dine vegne” (GitHub, officiel dokumentation).
> /delegate Ryd op i ubrugte imports og kør linteren på hele src/-mappenSelv i autopilot-tilstand kræver hver filændring og kommandoudførelse din eksplicitte godkendelse, før den anvendes, medmindre du selv har justeret godkendelsesreglerne. Det gør autopilot til en tidsbesparelse frem for et sikkerhedskompromis, fordi du stadig ser diffen, inden den rammer disken.
Trin 8: Kør parallelle underagenter med /fleet
Copilot CLI understøtter subagenter og multi-agent-workflows. Med /fleet kan du køre den samme opgave på tværs af flere underagenter parallelt og konvergere mod ét beslutningsklart resultat, med fuld kontrol over hvad der rent faktisk bliver anvendt. Det er nyttigt, når du er i tvivl om, hvilken model der løser en given opgave bedst, eller når du vil sammenligne flere implementeringsforslag side om side.
> /fleet Foreslå tre forskellige måder at cache database-forespørgsler på i src/db/Hver underagent arbejder isoleret, så du kan gennemgå deres forslag enkeltvis, forkaste dem der ikke passer, og kun anvende den løsning du reelt vil beholde.
Trin 9: Arbejd med flere sessioner og worktrees
Copilot CLI vedligeholder sessionspersistens både inden for og på tværs af sessioner, så du kan bygge videre på tidligere samtaler og bevare konteksten gennem hele udviklingsforløbet. En weekly release i august 2026 tilføjede desuden multi-session management, eksperimentelle worktrees og Git-uafhængig tilbagerulning af samtaler og filer, hvilket giver dig mulighed for at udforske parallelle ændringer sikkert uden at rode i din primære Git-historik. Funktionerne er tænkt til situationer, hvor du vil afprøve to forskellige tilgange til samme problem uden at skulle stashe, branche og rydde op manuelt hver gang du skifter mellem dem, noget der ellers let bliver en kilde til fejl i en travl arbejdsdag.
# Genoptag hvor du slap
> /resume
# Rul tilbage til en tidligere tilstand uden at bruge git revert
> /rollbackKombinationen af worktrees og rewind betyder, at du trygt kan lade agenten eksperimentere med en risikabel refaktorering, fordi du altid har en vej tilbage, der ikke kræver at du roder i commit-historikken bagefter.
Sikkerhed, godkendelse og governance
Et naturligt spørgsmål, når man giver en AI-agent adgang til at ændre kode, er hvor meget kontrol man reelt beholder. GitHub svarer direkte på det i sin egen FAQ: Copilot CLI “arver automatisk din organisations eksisterende Copilot-governance-politikker” og er “bygget på GitHubs betroede platforminfrastruktur med de samme sikkerheds- og compliance-standarder, der beskytter millioner af udviklere.” I praksis betyder det, at hvis din organisation allerede har defineret regler for, hvilke repositories Copilot må røre, eller hvilke data der må sendes til modellerne, gælder de regler automatisk for CLI’en også, uden at nogen skal konfigurere det to gange.
Den vigtigste sikkerhedsmekanisme er dog den, du selv oplever hver gang du bruger værktøjet: hver filændring og hver kommandoudførelse kræver din eksplicitte godkendelse, før den anvendes. Du har med andre ord fuld synlighed og kontrol over alle autonome handlinger, uanset om du kører i almindelig tilstand, autopilot eller med parallelle underagenter via /fleet. For virksomheder med compliance-krav betyder den arvede governance desuden, at CLI’en ikke bliver en bagdør uden om de politikker, I allerede har sat op til Copilot i VS Code eller på GitHub.com.
For administratorer i større organisationer er det især værd at bemærke, at Copilot CLI ikke kræver en helt ny sikkerhedsmodel oven i den, I allerede kender fra resten af Copilot-produktfamilien. Aktivering, netværksregler og adgangsstyring foregår gennem de samme kontrolpaneler som for Copilot i VS Code og på GitHub.com, hvilket gør udrulning til flere teams mere overskuelig end hvis hvert værktøj krævede sin egen, separate godkendelsesproces.
Hvornår giver Copilot CLI mest mening?
Ikke alle opgaver egner sig lige godt til en terminalbaseret agent. Ifølge GitHubs egen beskrivelse excellerer Copilot CLI særligt til navigation i ældre kodebaser, oprettelse af nye repositories, opsætning af udviklingsmiljøer på tværs af platforme og implementeringer med mange trin, altså scenarier der kræver autonom opgaveudførelse i terminal-native workflows. Det er opgaver, hvor du ellers ville have skiftet mellem flere terminalvinduer, dokumentationssider og en editor for at få overblik.
Omvendt er en tæt IDE-integration som Copilot-agenter i VS Code ofte et bedre valg, når arbejdet kræver konstant visuel feedback, for eksempel ved finjustering af et brugergrænseflade-lag eller debugging med breakpoints. Mange erfarne teams ender med at bruge begge dele: CLI’en til at komme hurtigt fra en vag opgavebeskrivelse til en fungerende plan og et første udkast, og editoren til den sidste finpudsning. Det er også muligt at gå direkte fra CLI til IDE inden for samme arbejdsgang, fordi de to deler modeller og kontekst.
Et tredje scenarie, hvor CLI’en har en klar fordel, er DevOps- og infrastrukturopgaver, hvor du i forvejen lever i en terminal det meste af dagen. At skulle skifte til en editor for at bede en assistent om hjælp til et deploy-script eller en Kubernetes-manifest føles ofte som et unødvendigt kontekstskift, mens et hurtigt copilot -p-kald direkte i samme shell holder dig i flow.
Trin 10: Tilføj MCP-servere og plugins
Copilot CLI understøtter Model Context Protocol-serverintegrationer, skills og plugins, hvilket lader dig tilføje brugerdefinerede funktioner og kontekstuel rigdom tilpasset dit eget udviklingsmiljø. GitHub driver et dedikeret MCP-register, hvor du kan finde partner- og community-drevne servere, der kan kobles direkte på CLI’en, for eksempel til at søge i issues, analysere labels eller hente kontekst fra eksterne systemer. Har du allerede opsat MCP-servere til andre AI-assistenter, genbruger du typisk den samme server-konfiguration her.
Agent Plugins 1.0, der blev generelt tilgængelig i august 2026, giver dig desuden adgang til en delt plugin-markedsplads på tværs af VS Code, CLI’en, SDK’et og Copilot-appen. Det betyder, at et plugin du installerer i CLI’en, som regel også kan bruges de andre steder, uden at du skal konfigurere det to gange. Specifikationen bag Agent Plugins 1.0 blev ifølge GitHub udviklet i fællesskab med AWS, Anysphere, Microsoft, OpenAI, Vercel og Google, hvilket i praksis betyder at plugins bygget til andre agentiske værktøjer ofte kan tilpasses til Copilot CLI med minimale ændringer.
Vil du opdage nye MCP-servere frem for at bygge dine egne, er GitHubs MCP-register det naturlige startpunkt. Det er bygget på GitHubs native MCP-understøttelse og lader Copilot søge i issues, analysere labels og aktivitet og opsummere scope, så du kan gå fra backlog til implementering uden selv at grave konteksten frem manuelt.
Trin 11: Kør Copilot CLI ikke-interaktivt i scripts
Ud over den interaktive session kan du sende et prompt til CLI’en og få et svar direkte, uden at starte en fuld samtale. Det gøres med flaget -p, hvilket GitHubs dokumentation beskriver som muligheden for at bruge GitHub Copilot CLI programmatisk i scripts, for eksempel til at automatisere opgaver ved hjælp af AI.
copilot -p "I Git, hvordan anvender jeg en commit fra en anden branch?"
# Tilføj -s for kun at få selve svaret, uden ekstra brugsinformation
copilot -sp "Skriv en commit-besked for de aktuelle staged ændringer"Det ikke-interaktive flag er det, der gør CLI’en nyttig i CI-pipelines, pre-commit hooks og automatiserede scripts, fordi du kan fange output som ren tekst og bruge det videre i et andet program. Kør copilot help eller copilot help TOPIC for at se alle flag, du kan bruge programmatisk.
Trin 12: Byg et komplet eksempelprojekt med Copilot CLI
Lad os samle det hele i et konkret, kørende projekt: en lille Node.js REST-API til en huskeliste, bygget fra bunden ved hjælp af Copilot CLI. Start med en tom mappe.
mkdir huskeliste-api && cd huskeliste-api
npm init -y
copilotBed derefter agenten om at lægge en plan for hele projektet, før den rører en eneste fil.
> /plan Opret en Express REST-API med endpoints til at oprette, liste, opdatere og slette opgaver.
Brug en in-memory datastruktur, tilføj input-validering og Jest-tests for hvert endpoint.Godkend planen, og lad agenten oprette filstrukturen. Et realistisk resultat efter godkendelse ser sådan ud:
huskeliste-api/
├── package.json
├── src/
│ ├── app.js
│ ├── routes/
│ │ └── tasks.js
│ └── store/
│ └── taskStore.js
└── tests/
└── tasks.test.js
Afhaengigheder installeret: express, jest, supertest
Alle 6 tests bestaaet.Bed nu agenten om at teste, at serveren rent faktisk starter, og bagefter tilføje en simpel healthcheck-rute, som er god praksis før du deployer noget som helst.
> Tilføj et /health endpoint der returnerer status 200 og en JSON-body med { "status": "ok" }, og verificer at det virker med en test.Til sidst kan du bruge det ikke-interaktive flag til at lade et pre-commit hook eller en CI-pipeline spørge, om koden er klar til commit, uden at nogen skal åbne en fuld session manuelt.
copilot -sp "Gennemgå de ustagede ændringer i denne mappe og oplys om der er åbenlyse fejl, før jeg committer"På under 45 minutter har du dermed en fungerende, testet API, bygget gennem en dialog i terminalen frem for hånd for hånd i en editor. Det samme mønster, plan først og derefter godkendt eksekvering, skalerer fint til langt større kodebaser. Vil du gå videre, kan du bede agenten om at tilføje en Dockerfile, sætte en GitHub Actions-workflow op til at køre testene automatisk ved hver push, eller udvide huskelisten med et separat lag til datapersistens i stedet for den simple in-memory-model. Fordi hele forløbet foregår i den samme session, husker Copilot CLI konteksten fra de tidligere trin, så du ikke behøver forklare projektets struktur forfra hver gang du beder om noget nyt.
5 almindelige faldgruber du skal undgå
- At installere uden at tjekke Node-versionen først. Kører du Node 18 eller 20, fejler npm-installationen ofte med en kryptisk fejlbesked frem for en klar “kræver Node 22” advarsel, og du ender med at fejlsøge det forkerte problem i lang tid, før du opdager den reelle årsag.
- At glemme organisationens CLI-politik. Har din arbejdsgiver Business eller Enterprise, kan admin have slået Copilot til generelt, men ikke specifikt aktiveret CLI-politikken, hvilket giver adgangsfejl selv med et gyldigt abonnement. Spørg din it-afdeling direkte om CLI-politikken, hvis du er i tvivl, i stedet for at antage at et fungerende VS Code-login betyder, at CLI’en også er åben.
- At lade en gammel GITHUB_TOKEN blokere login. Fordi CLI’en prioriterer miljøvariabler højere end det interaktive login, kan et forældet token fra et andet projekt forhindre den nye godkendelse i at slå igennem, selv efter du har kørt
/loginflere gange og fået succes hver gang. - At bruge autopilot uden at læse godkendelsesprompten. Autopilot fjerner ikke behovet for godkendelse af hver ændring, men det er let at klikke “ja” for hurtigt, når man vænner sig til tempoet, især på store, uoverskuelige diffs, hvor det tager tid at faktisk læse hvad der ændres.
- At antage alle modeller er lige tilgængelige. Modeltabellen ændrer sig løbende med pensioneringsdatoer, så et workflow der er hårdkodet til en bestemt modelversion kan stoppe med at virke uden varsel, hvis du ikke tjekker modelreferencen jævnligt. Byg helst dine automatiserede scripts til at bruge en modelfamilie fremfor en enkelt, navngivet version.
Fejlfinding: 8 hyppige fejl og løsninger
1. “copilot: command not found” efter installation. Din globale npm bin-mappe er sandsynligvis ikke i PATH. Kør npm config get prefix og tilføj <prefix>/bin til din shell-profil. Genstart terminalen bagefter, for ændringer i PATH slår typisk ikke igennem i den session, du allerede har åben.
2. Installationen fuldfører uden fejl, men kommandoen mangler stadig. Tjek om ignore-scripts=true står i din ~/.npmrc. Denne indstilling er almindelig på virksomhedsmaskiner af sikkerhedshensyn, men den forhindrer også legitime post-install-scripts i at køre. Geninstaller med npm_config_ignore_scripts=false npm install -g @github/copilot, og fjern eventuelt kun undtagelsen for netop denne pakke bagefter.
3. “Not logged in” trods gennemført login. GitHubs troubleshooting-guide til keychain-adgangsfejl foreslår at fjerne en eventuel forældet GITHUB_TOKEN-miljøvariabel og køre gh auth login igen, eller bruge OAuth-flowet direkte med copilot login. Problemet opstår oftest, fordi et gammelt token fra et andet projekt stadig ligger i shell-profilen og bliver læst før dit nye login.
4. Forkert GitHub-konto bruges til godkendelse. Hvis du har flere GitHub-konti på samme maskine, for eksempel én privat og én til arbejde, kan du ende med at være logget ind med en konto uden Copilot-adgang. Kør gh auth status for at se, hvilken konto der aktuelt er aktiv, og skift konto eksplicit før du prøver igen.
5. “Access denied” trods gyldigt abonnement. Er du på en Business- eller Enterprise-licens, skal organisationens admin eksplicit have aktiveret Copilot CLI-politikken, ikke kun Copilot generelt. Det er den mest almindelige forvirring blandt nye brugere i større organisationer, fordi selve Copilot-abonnementet kan virke fint i VS Code, mens CLI’en stadig er blokeret centralt.
6. Enterprise-brugere med datalokalitet får forbindelsesfejl. Brug copilot login --host DIT-HOSTNAVN og gh auth status --hostname DIT-HOSTNAVN for at målrette godkendelsen mod det korrekte enterprise-hostnavn. Uden hostnavnet forsøger CLI’en som standard at godkende mod github.com, hvilket fejler for konti med krav om datalokalitet.
7. Uklart hvilket flag der bruges programmatisk. Frem for at gætte, kør copilot help eller copilot help TOPIC for en fuld, opdateret liste over flag til scripting og automatisering. Flagene ændrer sig løbende med nye udgivelser, så en hardcodet liste i et internt wiki-dokument risikerer hurtigt at blive forældet.
8. En valgt model er forsvundet fra listen. GitHub pensionerer modeller løbende med anbefalede alternativer i modelreferencen. Skift til den anbefalede efterfølger fremfor at fejlsøge en model, der reelt er udfaset, og undgå at hårdkode et bestemt modelnavn i automatiserede scripts uden en fallback.
Avancerede tips til erfarne brugere
Når du har de grundlæggende trin på plads, er der en række måder at presse mere effektivitet ud af CLI’en på. Brug @filnavn til bevidst at indsnævre konteksten til bestemte filer, i stedet for at lade agenten selv gætte, hvilke dele af et stort repository der er relevante. Det reducerer både svartid og risikoen for, at modellen ændrer noget uden for scope.
Kombiner /fleet med /model, hvis du er i tvivl om, hvilken model der passer bedst til en given kodebase. Lad to eller tre modeller løse samme opgave parallelt, og sammenlign resultaterne, før du vælger, hvilket forslag der skal anvendes. Det koster ekstra AI Credits, men sparer ofte tid sammenlignet med at prøve modeller sekventielt.
Til teams er det værd at definere fælles instruktioner via AGENTS.md-filer, så adfærden forbliver konsistent på tværs af modeller, sessioner og delegerede opgaver, uanset hvilket teammedlem der kører CLI’en. Kombinér det med organisationens eksisterende governance-politikker, som CLI’en automatisk arver, så du undgår at genopfinde sikkerhedsregler pr. projekt.
Endelig, hvis du kører CLI’en i en CI-pipeline, hold dig til det ikke-interaktive -sp-flag og fang output som en variabel i stedet for at parse den fulde interaktive session. Det gør dine automatiserede tjek langt mere stabile på tværs af GitHub Actions-kørsler.
Har du travlt eller sidder med hænderne fulde af noget andet, understøtter CLI’en også stemmeinput, så du kan tale dit prompt i stedet for at skrive det. Det er en lille detalje, men den bliver overraskende nyttig, når du vil beskrive en kompleks opgave i fri tale i stedet for at formulere den præcist som tekst først. Vil du lære CLI’en grundigt at kende ud over denne guide, tilbyder GitHub desuden et gratis, praktisk kursus i deres Skills-program, hvor du bygger en applikation trin for trin direkte i terminalen.
GitHub Copilot CLI vs. Codex CLI, Gemini CLI og Claude Code
GitHub Copilot CLI er langt fra det eneste terminalbaserede AI-kodeværktøj. Har du allerede prøvet Codex CLI eller Gemini CLI, vil grundstrukturen i Copilot CLI føles genkendelig, men der er forskelle i, hvor tæt værktøjet sidder på GitHubs eget økosystem. Vil du følge med i hele feltet af AI-kodeværktøjer og udviklerteknologi, dukker der løbende nye sammenligninger og opsætningsguider op i den kategori.
| Egenskab | GitHub Copilot CLI | Andre terminal-agenter |
|---|---|---|
| Installationskommando | npm install -g @github/copilot | Varierer per leverandør, typisk et separat npm-navn |
| Godkendelse | GitHub OAuth, evt. via gh auth | Ofte separat API-nøgle eller kontologin |
| Multi-model-adgang | Ja, GPT, Claude og Gemini i samme CLI | Varierer, ofte bundet til én leverandørs modeller |
| Native GitHub-integration | Direkte adgang til issues, PR’er og MCP-register | Kræver typisk ekstra opsætning eller plugins |
| Parallelle underagenter | Ja, via /fleet | Understøttelse varierer fra værktøj til værktøj |
Den store forskel er, at Copilot CLI er bygget oven på GitHubs egen platform fra dag ét. Det gør den til et naturligt valg, hvis dit team allerede er dybt investeret i GitHub til issues, pull requests og Actions. Er I derimod på en anden platform, kan et af de andre CLI-værktøjer, som forbindes via MCP-servere til jeres eksisterende infrastruktur, give mere mening.
Et andet praktisk kriterium er, hvor du vil have modelvalget siddende. Hvor flere konkurrerende CLI-værktøjer binder dig til én leverandørs modeller, lader Copilot CLI dig frit skifte mellem GPT, Claude og Gemini inden for samme session uden at forlade værktøjet eller genopsætte godkendelse. Har dit team allerede en klar favorit blandt modellerne, for eksempel efter at have sammenlignet resultater i et benchmark af flere AI-kodeværktøjer, kan I stadig bruge Copilot CLI som fælles indgang og blot vælge den foretrukne model hver gang.
Priser: Hvad koster GitHub Copilot CLI?
Copilot CLI sælges ikke separat. Adgangen er inkluderet i alle GitHub Copilot-abonnementer, og hvert kald til agenten trækker på dit plans respektive AI Credits-tilgodehavende. Priserne nedenfor er GitHubs officielt annoncerede satser per bruger om måneden.
| Plan | Pris pr. bruger/md. | Copilot CLI inkluderet |
|---|---|---|
| Free | 0 $ | Ja |
| Pro | 10 $ | Ja |
| Pro+ | 39 $ | Ja |
| Max (individuel) | Cirka 100 $ ifølge brancheoversigter | Ja |
| Business | 19 $ | Ja, kræver aktiveret CLI-politik |
| Enterprise | 39 $ | Ja, kræver aktiveret CLI-politik |
Bemærk at der ikke er en separat “CLI-licens” at betale for. Har du allerede et Copilot-abonnement, har du i princippet allerede adgang, forudsat at CLI-politikken er slået til, hvis du er på en organisationskonto. GitHub gik i april 2026 over til en model med AI Credits, hvor selskabet samtidig bekræftede, at de grundlæggende plan-priser ikke ændrede sig som følge af omlægningen. I praksis betyder det, at prisen på selve abonnementet er stabil, mens det er dit forbrug af AI Credits, der afgør, hvor mange kald til Copilot CLI du reelt kan lave inden for en given måned, før du enten skal opgradere plan eller vente til næste faktureringsperiode.
Ofte stillede spørgsmål
Skal jeg betale ekstra for at bruge GitHub Copilot CLI?
Nej. CLI’en er inkluderet i alle Copilot-planer, fra Free til Enterprise. Hvert kald trækker dog på dit plans AI Credits-tilgodehavende, så tung brug kan påvirke, hvor mange kald du har tilbage senere på måneden.
Kan jeg bruge Copilot CLI sammen med min nuværende editor?
Ja. CLI’en opererer uafhængigt af editorvalg og kan ændre filer, som enhver editor derefter kan vise. Den fungerer også direkte i VS Codes integrerede terminal og chatpanel.
Hvilke styresystemer understøttes?
macOS, Linux og Windows understøttes officielt, med installation via npm, Homebrew, WinGet eller et shell-script.
Kan jeg tilføje mine egne værktøjer eller datakilder?
Ja, gennem understøttelse af Model Context Protocol-servere, skills og plugins, som lader dig udvide agentens kontekst og funktioner ud over standardopsætningen.
Har jeg adgang til CLI’en, hvis min virksomhed har en Business- eller Enterprise-licens?
Ja, forudsat at organisationens administrator har aktiveret Copilot CLI-politikken. Det kræver ingen ekstra fakturering, men det kræver en eksplicit aktivering ud over selve Copilot-abonnementet.
Kan jeg bruge Copilot CLI i en CI-pipeline?
Ja, via det ikke-interaktive -p-flag (eller -sp for kun at få selve svaret), som gør det muligt at kalde agenten programmatisk fra scripts og GitHub Actions.
Ændrer Copilot CLI filer uden min godkendelse?
Nej. Hver filændring og kommandoudførelse kræver eksplicit godkendelse, før den anvendes, også i autopilot-tilstand, medmindre du selv justerer godkendelsesreglerne.
Hvordan er Copilot CLI forskellig fra Copilot Workspace eller agenter i VS Code?
CLI’en er terminal-first og fokuserer på fil- og repository-operationer via sessioner, worktrees og tilbagerulning, mens VS Code-integrationen læner sig mere op ad editor-tilstand og IDE-API’er. De to deler dog samme modeller og plugin-system.
Kan jeg køre flere opgaver parallelt med Copilot CLI?
Ja. Med slash-kommandoen /fleet kan du køre den samme opgave på tværs af flere underagenter samtidig og bagefter vælge, hvilket resultat der skal anvendes, i stedet for at afprøve løsninger én efter én.
Kan jeg tale til Copilot CLI i stedet for at skrive?
Ja, CLI’en understøtter stemmeinput, så du kan sige dit prompt højt i stedet for at skrive det, hvilket kan være hurtigere til at formulere en løs, kompleks opgave.
