Måling af effekt og optimering af Premium Request Units (PRU'er)

  • 5 minutter

Premium Request Units (PRU'er) er brændstoffet bag GitHub Copilots mest kraftfulde gennemgangsfunktioner. Hver gang du tildeler Copilot at gennemgå en stor pull-anmodning, beder den om at anvende dit lagers brugerdefinerede instruktioner på en hel kodebase eller kører en dyb analyse af ændringer i din IDE, bruger du PRU'er. Disse premium-ressourcer giver Copilot den ekstra processorkraft og kontekstdybde, der er nødvendig for at give rigere ræsonnement, mere pålidelige output og forslag, der stemmer overens med dit teams standarder.

Læringsmål

Ved afslutningen af denne enhed vil du kunne:

  • Definer PRU'er, og forklar, hvordan de aktiverer Copilots avancerede gennemgangsfunktioner.
  • Mål effekten af PRU-drevne anmeldelser på din arbejdsgang.
  • Anvend strategier til at budgettere og optimere PRU'er for maksimal værdi.

Forståelse af PRU'er

Tænk på Premium Request Units (PRU'er) som tokens, der låser op for Copilots "ekstra udstyr". Rutineprægede, lette opgaver - som at foreslå en lille refaktor til en enkelt linje - forbruger ofte ikke PRU'er. Men det gør opgaver på premium-niveau. Hvis du f.eks. beder Copilot om at gennemgå en ændring på 1.500 linjer på tværs af flere filer, anvende din .github/copilot-instructions.md fil og tjekke for sikkerheds- og stilproblemer, kræver det langt mere kontekst og ræsonnement.

Med PRU'er kan Copilot scanne hele forskelle, fortolke dine brugerdefinerede retningslinjer for gennemgang og returnere handlingsrettede rettelser på få sekunder. Uden dem giver den kun sine standardforslag. PRU'er gør forskellen mellem hurtige tip og fuldstændig, kontekstrig analyse, der er tilpasset dit teams standarder – direkte i dine pullanmodninger eller IDE.

Eksempel på scenarie:

En udvikler skubber en massiv refaktor, der rører snesevis af filer. Copilot, der er udpeget som korrekturlæser, bruger PRU'er til at anvende lagerets sikkerheds- og stilretningslinjer på hele ændringen, markerer flere usikre strenginterpolationer og udarbejder endda Markdown-kommentarer, der forklarer problemet. I stedet for at bruge timer på manuelle kontroller kan menneskelige korrekturlæsere nu fokusere på den arkitektoniske effekt af refaktoreringen.

Hvorfor PRU'er er vigtige for teams

PRU'er er det, der gør Copilot virkelig skalerbar i miljøer med stor volumen. Med dem kan du:

  • Få en dybere analyse: Find subtile sårbarheder, duplikeret logik eller stilovertrædelser på tværs af store forskelle, før de når produktionen.
  • Gennemtving konsistens: Anvend automatisk den samme sikkerhed, læsbarhed eller typografikontrol på tværs af alle pullanmodninger.
  • Håndter udbrud af aktivitet: I travle udgivelsescyklusser kan du stole på PRU-drevne gennemgange for at holde kvaliteten stabil, mens menneskelige korrekturlæsere håndterer komplekse designbeslutninger.

Eksempel på scenarie:

Dit team vedligeholder en arkitektur for mikrotjenester i Go, Python og TypeScript. Under en pre-release crunch bruger Copilot PRU'er til at gennemgå hver tjeneste for sprogspecifikke bedste praksis - markere et risikabelt eval() kald i JavaScript og anbefale en sikrere parser, samtidig med at der registreres en manglende fejlkontrol i en Go-handler. Dette gør det muligt for dit team at flette rettelser hurtigt på tværs af alle tjenester uden at gå glip af kritiske detaljer.

Måling af effekten af PRU-drevne anmeldelser

For at forstå afkastet på PRU'er skal du spore målinger som:

  • PR leveringstid: Hvor hurtigt pull-anmodninger går fra åbne til flettede efter tilføjelse af Copilot-anmeldelser.
  • Kvalitetsindikatorer: Reduktion af sikkerheds- eller typografiproblemer efter fletning, der er markeret af andre værktøjer.
  • Udviklerens oplevelse: Feedback om, hvorvidt Copilot gør anmeldelser hurtigere eller klarere.

Eksempel på metrik:

Før du brugte PRU'er, tog det i gennemsnit tre dage for store pull-anmodninger at flette og udløste ofte stilrettelser efter udgivelsen. Efter at have aktiveret PRU-drevne gennemgange smeltede de samme PR'er sammen på én dag med langt færre opfølgende forpligtelser.

Optimering af PRU-brug

Styring af PRU'er sikrer, at du bruger dem der, hvor de tilføjer mest værdi:

  • Planlægge: Indstil advarsler, når du rammer 75%, 90%og 100% af dit månedlige PRU-forbrug.
  • Brug PRU'er strategisk: Reserver præmieanmeldelser til store eller højrisikoændringer; stole på standard Copilot-forslag til enkle redigeringer.
  • Afgræns dine prompter: Rene, specifikke anmodninger reducerer unødvendige forsøg og spildte PRU'er.
  • Skaler op, hvis det er nødvendigt: Hvis dit team konsekvent maksimerer PRU'er, kan du overveje en Copilot-plan på højere niveau for at understøtte arbejdsbyrden.

Eksempel på scenarie:

Et team bemærker, at mange PRU'er bruges på trivielle dokumentationsændringer. De opdaterer deres arbejdsgang til at bruge ikke-PRU-anmodninger til små redigeringer og reserverer PRU-drevne gennemgange til kode, der påvirker produktionen. Som følge heraf falder deres månedlige PRU-forbrug med 30% uden at miste kvalitet.

PRU'er er mere end en teknisk detalje - det er dem, der gør Copilots avancerede gennemgangsfunktioner mulige. Ved at forstå, hvordan PRU'er fungerer, måle deres effekt og optimere deres brug, kan du levere dybere, kontekstrige anmeldelser uden at spilde ressourcer. Dette giver teams mulighed for at skalere kodegennemgange af høj kvalitet selv under stramme deadlines, mens de stadig overlader den endelige bedømmelse og godkendelse til menneskelige korrekturlæsere.