Einführung

  • 2 Minuten

GitHub Copilot, unterstützt von OpenAI, ändert das Spiel in der Softwareentwicklung, indem entwicklungsbasierte Workflows von der ersten Codeerstellung bis hin zu produktionsbereiten Implementierungen beschleunigt werden. GitHub Copilot ist in der Lage, die komplizierten Details Ihres Projekts zu erfassen, indem es Daten trainiert, die sowohl natürliche Sprache als auch Milliarden von Quellcodezeilen aus öffentlich zugänglichen Quellen enthalten, einschließlich Code in öffentlichen GitHub-Repositorys. Auf diese Weise kann GitHub Copilot Ihnen kontextbezogenere Vorschläge bereitstellen, die Ihnen helfen, Codeänderungen schnell bereitzustellen und Routineentwicklungsaufgaben zu automatisieren.

Um jedoch GitHub Copilot optimal nutzen zu können und Ihre Entwicklungsgeschwindigkeit zu maximieren, müssen Sie sich über das Prompt Engineering informieren. Prompt Engineering ist, wie Sie GitHub Copilot sagen, was Sie mit Präzision und Effizienz benötigen. Die Qualität des Codes, den er zurückgibt, und wie schnell Sie in Richtung der perfekten Lösung iterieren können, hängt davon ab, wie klar und strategisch Ihre Eingabeaufforderungen sind.

In diesem Modul lernen Sie Folgendes:

  • Grundsätze des Prompt Engineering, bewährte Verfahren und wie GitHub Copilot aus Ihren Eingaben lernt, um kontextbewusste Antworten zu geben, die die Entwicklungszyklen beschleunigen.
  • Erweiterte Eingabeaufforderungsstrategien, einschließlich Rollenaufforderungen und Verwaltung des Chatverlaufs, um bessere Ergebnisse mit weniger Iterationen zu erzielen.
  • Der zugrunde liegende Fluss, wie GitHub Copilot Benutzeraufforderungen verarbeitet, um Antworten oder Codevorschläge effizient zu generieren.
  • Der Datenfluss für Codevorschläge und Chats in GitHub Copilot
  • LLMs (Large Language Models) und ihre Rolle in GitHub Copilot und bei Prompts
  • So erstellen Sie effektive Eingabeaufforderungen, mit denen die Leistung von GitHub Copilot optimiert wird, wobei präzision und relevanz in jedem Codevorschlag sichergestellt wird, während Die Überarbeitungszyklen minimiert werden.
  • Die verflochtene Beziehung zwischen den Eingabeaufforderungen und den Antworten des Copiloten, um Ihren Entwicklungsworkflow effizienter zu gestalten.
  • Behandeln von Daten aus Prompts durch Copilot in verschiedenen Situationen, einschließlich sicherer Übertragung und Inhaltsfilterung