Messen von Auswirkungen und Optimieren von Premium-Anforderungseinheiten (PRUs)

  • 5 Minuten

Premium Request Units (PRUs) sind der Treibstoff hinter gitHub Copilots leistungsstärksten Rezensionsfeatures. Jedes Mal, wenn Sie Copilot zum Überprüfen einer großen Pull-Anforderung zuweisen, bitten, die benutzerdefinierten Anweisungen Ihres Repositorys auf eine gesamte Codebasis anzuwenden oder eine umfassende Analyse der Änderungen in Ihrer IDE auszuführen, verwenden Sie PRUs. Diese Premiumressourcen bieten Copilot die zusätzliche Verarbeitungsleistung und Kontexttiefe, die erforderlich ist, um umfassendere Gründe, zuverlässigere Ausgaben und Vorschläge bereitzustellen, die den Standards Ihres Teams entsprechen.

Lernziele

Am Ende dieser Einheit können Sie:

  • Definieren Sie PRUs, und erläutern Sie, wie sie die erweiterten Überprüfungsfunktionen von Copilot ermöglichen.
  • Messen Sie die Auswirkungen von PRU-gestützten Rezensionen auf Ihren Workflow.
  • Strategien zur Budgetierung anwenden und PRUs für maximalen Nutzen optimieren.

Grundlegendes zu PRUs

Stellen Sie sich Premium Request Units (PRUs) als Token vor, die Copilots „geheimen Gang“ entsperren. Routine- und einfache Aufgaben wie das Vorschlagen einer kleinen Umgestaltung für eine einzelne Zeile verbrauchen häufig keine PRUs. Aber Aufgaben auf Premiumebene schon. Copilot könnte beispielsweise aufgefordert werden, eine Änderung von 1.500 Zeilen über mehrere Dateien hinweg zu überprüfen, Ihre .github/copilot-instructions.md Datei anzuwenden sowie nach Sicherheits- und Stilproblemen zu suchen, was wesentlich mehr Kontext und gedankliche Kapazität erfordert.

Mit PRUs kann Copilot ganze Diffs scannen, Ihre benutzerdefinierten Prüfrichtlinien interpretieren und anwendbare Korrekturen in Sekunden zurückgeben. Ohne sie werden nur die standardmäßigen, einfachen Vorschläge bereitgestellt. PRUs sorgen dafür, dass der Unterschied zwischen schnellen Hinweisen und einer umfassenden, kontextreichen Analyse gemacht wird, die direkt in Ihre Pull-Anforderungen oder IDE integriert und an die Standards Ihres Teams angepasst ist.

Beispielszenario:

Ein Entwickler führt eine massive Refaktorisierung durch, an denen Dutzende von Dateien beteiligt sind. Copilot, der als Prüfer zugewiesen wurde, verwendet PRUs, um die Sicherheits- und Stilrichtlinien des Repositorys auf die gesamte Änderung anzuwenden, kennzeichnet mehrere unsichere Zeichenfolgeninterpolationen und erstellt sogar Entwürfe von Markdown-Kommentaren, die das Problem erklären. Anstatt Stunden mit manuellen Überprüfungen zu verbringen, können sich die menschlichen Prüfer jetzt auf die architektonischen Auswirkungen der Umgestaltung konzentrieren.

Warum PRUs für Teams wichtig sind

PRUs machen Copilot in Umgebungen mit hohem Volumen wirklich skalierbar. Mit ihnen können Sie:

  • Erhalten Sie tiefere Analysen: Erkennen Sie subtile Schwachstellen, duplizierte Logik oder Stilverletzungen über große Diffs hinweg, bevor sie die Produktion erreichen.
  • Konsistenz erzwingen: Wenden Sie die gleichen Sicherheits-, Lesbarkeits- oder Stilüberprüfungen für jede Pullanforderung automatisch an.
  • Behandeln von Aktivitätsbrüchen: Verlassen Sie sich während beschäftigter Veröffentlichungszyklen auf PRU-gestützte Rezensionen, um Qualität stabil zu halten, während menschliche Prüfer komplexe Designentscheidungen verarbeiten.

Beispielszenario:

Ihr Team unterhält eine Microservices-Architektur in Go, Python und TypeScript. Während der Vorbereitung auf die Veröffentlichung nutzt Copilot PRUs, um jeden Dienst hinsichtlich sprachspezifischer Best Practices zu überprüfen. Dabei kennzeichnet es einen riskanten eval()-Aufruf in JavaScript und empfiehlt einen sichereren Parser. Gleichzeitig wird eine fehlende Fehlerprüfung in einem Go-Handler identifiziert. Auf diese Weise können Sie Korrekturen in allen Diensten schnell zusammenführen, ohne dass wichtige Details fehlen.

Messen der Auswirkungen von PRU-gestützten Bewertungen

Um die Rendite für PRUs zu verstehen, verfolgen Sie Metriken wie:

  • PR-Vorlaufzeit: Wie schnell Pull Requests von „offen“ zu „zusammengeführt“ werden, nachdem Copilot-Rezensionen hinzugefügt wurden.
  • Qualitätsindikatoren: Reduzierung von Sicherheits- oder Stilproblemen nach dem Zusammenführen, die von anderen Tools gekennzeichnet werden.
  • Entwicklererfahrung: Feedback dazu, ob Copilot Rezensionen schneller oder klarer macht.

Beispielmetrik:

Vor der Verwendung von PRUs dauerten große PRs nach der Veröffentlichung durchschnittlich drei Tage und lösten nach der Veröffentlichung regelmäßig Stilkorrekturen aus. Nach der Aktivierung von PRU-gestützten Rezensionen, konnten dieselben PRs an einem Tag mit deutlich weniger Nachverfolgungscommits zusammengeführt werden.

Optimieren der PRU-Verwendung

Durch die Verwaltung von PRUs wird sichergestellt, dass Sie sie ausgeben, wo sie den größten Wert hinzufügen:

  • Planen Sie voraus: Legen Sie Benachrichtigungen fest, wenn Sie auf 75%, 90%und 100% Ihrer monatlichen PRU-Nutzung stoßen.
  • Verwenden Sie PRUs strategisch: Reservieren Sie Premiumbewertungen für große oder risikoreiche Änderungen; verwenden Sie standardmäßige Copilot-Vorschläge für einfache Bearbeitungen.
  • Verfeinern Sie Ihre Eingabeaufforderungen: Saubere, spezifische Anforderungen reduzieren unnötige Wiederholungen und verschwendete PRUs.
  • Skalieren Sie bei Bedarf: Wenn Ihr Team PRUs konsistent ausschließt, sollten Sie einen Copilot-Plan auf höherer Ebene in Betracht ziehen, um die Workload zu unterstützen.

Beispielszenario:

Ein Team bemerkt, dass viele PRUs für triviale Dokumentationsänderungen aufgewendet werden. Sie aktualisieren ihren Workflow, um Nicht-PRU-Anforderungen für kleine Bearbeitungen zu verwenden und PRU-basierte Rezensionen für Code zu reservieren, der sich auf die Produktion auswirkt. Dadurch sinkt die monatliche PRU-Nutzung um 30%, ohne qualität zu verlieren.

PRUs sind mehr als nur ein technisches Detail – sie ermöglichen Copilots erweiterte Überprüfungsfunktionen. Indem Sie verstehen, wie PRUs funktionieren, ihre Auswirkungen messen und ihre Nutzung optimieren, können Sie tiefere, kontextreiche Rezensionen bereitstellen, ohne Ressourcen zu verschwenden. Dadurch können Teams hochqualitative Code-Reviews auch unter engen Fristen skalieren, während das abschließende Urteil und die Freigabe den menschlichen Prüfern überlassen bleiben.