2026 年 8 月，SAP Community 上出现了一次很有代表性的 ABAP 实验。开发者把标准 Flight Model 里的/dmo/cl_flight_legacy复制成自己的测试类，删除原有 ABAP Unit Test，再让 GitHub Copilot Agent 为create_travel方法重新生成测试代码。真正有意思的地方并不是 Copilot 会不会写FOR TESTING，而是开发者给 Copilot 准备了两个专门的 Agent Skills，一个负责 ABAP Unit Test 的通用规则，一个负责 ABAP Test Double Framework。实际执行时，Copilot 会识别当前任务需要哪些知识，再决定读取哪些 skill 和参考文件，而不是把所有规则一次性塞进上下文。这恰好触到了 AI 辅助 ABAP 开发里最现实的一个问题。大模型知道 ABAP，也知道 CDS、RAP、OData、ABAP Unit，甚至知道不少 SAP Clean Core 相关概念，但知道这些知识，与按照我们的项目规则稳定地完成任务，并不是一回事。同一句为这个方法生成单元测试，不同模型可能给出完全不同的结果。有的会直接访问数据库，有的会正确使用 OSQL Test Double Framework，有的会在测试代码里塞进一堆00000001、1000、01这样的 magic number，有的又会把测试写得非常漂亮。为了提高稳定性，过去很自然的办法是在 Prompt 里不断追加要 把 ABAP 经验装进 GitHub Copilot 的按需大脑，Agent Skills 如何改变 ABAP 开发
2026 年 8 月，SAP Community 上出现了一次很有代表性的 ABAP 实验。开发者把标准 Flight Model 里的/dmo/cl_flight_legacy复制成自己的测试类，删除原有 ABAP Unit Test，再让 GitHub Copilot Agent 为create_travel方法重新生成测试代码。真正有意思的地方并不是 Copilot 会不会写FOR TESTING，而是开发者给 Copilot 准备了两个专门的 Agent Skills，一个负责 ABAP Unit Test 的通用规则，一个负责 ABAP Test Double Framework。实际执行时，Copilot 会识别当前任务需要哪些知识，再决定读取哪些 skill 和参考文件，而不是把所有规则一次性塞进上下文。这恰好触到了 AI 辅助 ABAP 开发里最现实的一个问题。大模型知道 ABAP，也知道 CDS、RAP、OData、ABAP Unit，甚至知道不少 SAP Clean Core 相关概念，但知道这些知识，与按照我们的项目规则稳定地完成任务，并不是一回事。同一句为这个方法生成单元测试，不同模型可能给出完全不同的结果。有的会直接访问数据库，有的会正确使用 OSQL Test Double Framework，有的会在测试代码里塞进一堆00000001、1000、01这样的 magic number，有的又会把测试写得非常漂亮。为了提高稳定性，过去很自然的办法是在 Prompt 里不断追加要