Aumentar la productividad de los desarrolladores con IA

Completado

En esta unidad, exploraremos cómo GitHub Copilot simplifica los flujos de trabajo de desarrollo, lo que permite a los desarrolladores centrarse en resolver problemas complejos en lugar de reducirse en tareas de codificación rutinarias.

Al final de esta unidad, podrá hacer lo siguiente:

• Comprenda cómo las herramientas con tecnología de inteligencia artificial como GitHub Copilot pueden reducir los esfuerzos repetitivos de codificación.
• Identifique las áreas clave del flujo de trabajo donde GitHub Copilot puede tener el mayor impacto.

Casos de uso comunes de inteligencia artificial para optimizar la productividad del desarrollador

GitHub Copilot ofrece numerosas maneras de acelerar y simplificar las tareas de desarrollo comunes. Examinemos algunas áreas clave en las que GitHub Copilot resulta especialmente beneficioso:

Aceleración del aprendizaje de nuevos lenguajes de programación y marcos

Aprender nuevos lenguajes de programación o marcos puede ser difícil, pero GitHub Copilot hace que este proceso sea más suave y más rápido, lo que permite a los desarrolladores comprender rápidamente nuevos conceptos y aplicarlos en la práctica. GitHub Copilot ayuda a salvar la brecha entre el aprendizaje y la implementación real a través de:

• Sugerencias de código: ofrece sugerencias de fragmentos de código que muestran el uso de funciones y bibliotecas desconocidas, que guían a los desarrolladores sobre el uso y la implementación adecuados al trabajar con marcos nuevos.
• Compatibilidad con idiomas: admite una amplia gama de idiomas, lo que le ayuda a realizar la transición sin problemas de un idioma a otro.
• Integración de documentación: al proporcionar sugerencias insertadas relacionadas con el uso de API y los parámetros de función, GitHub Copilot reduce la necesidad de hacer referencia constantemente a la documentación externa.

Veamos un ejemplo. Imagine que trabaja en un proyecto de Golang en un lenguaje con el que no está familiarizado. GitHub Copilot puede generar el código automáticamente. A continuación, puede usar la opción "Explicar esto" en el menú contextual para explicar lo que hace el código.

Minimización del cambio de contexto

El cambio de contexto es una purga significativa de productividad para los desarrolladores y puede interrumpir el flujo de trabajo y reducir el foco. GitHub Copilot ayuda a mantener el foco proporcionando sugerencias de código relevantes en el contexto actual, lo que le permite concentrarse en resolver problemas complejos. Las siguientes son las formas en que GitHub Copilot ayuda a lograr esto:

• Asistencia en el editor: GitHub Copilot proporciona sugerencias de código directamente en el IDE, lo que minimiza la necesidad de buscar soluciones en línea.
• Referencias rápidas: al trabajar con API o bibliotecas, GitHub Copilot puede sugerir llamadas y parámetros de método correctos, lo que reduce la necesidad de consultar la documentación.
• Finalización de código: mediante el autocompletar patrones de código repetitivos, GitHub Copilot permite a los desarrolladores mantener su entrenamiento de pensamiento sin interrupción.

En el ejemplo siguiente, observe cómo puede trabajar con recursos externos (como API o bibliotecas) en el código sin necesidad de dejar el editor para consultar la documentación. Esto ahorra tiempo valioso y le permite centrarse en tareas más estratégicas, mejorando la productividad general y permitiendo una entrega de proyectos más rápida.

Escritura mejorada de documentación

GitHub Copilot mejora significativamente el proceso de escritura y mantenimiento de la documentación de código:

• Comentarios insertados: genera comentarios insertados contextualmente relevantes que explican secciones de código complejas.
• Descripciones de función: sugiere automáticamente descripciones de funciones, incluidas las explicaciones de parámetros y los detalles del valor devuelto.
• Generación LÉAME: ayuda a crear archivos LÉAME del proyecto mediante la sugerencia de estructura y contenido en función del código base del proyecto.
• Coherencia de la documentación: ayuda a mantener un estilo de documentación coherente en un proyecto.

GitHub Copilot puede asimilar el código y ayudarle a escribir comentarios o documentación relevantes para funciones o todo el código.

Automatización de las cosas aburridas

GitHub Copilot destaca en el control de tareas de codificación rutinarias, liberando tiempo para que los desarrolladores se centren en aspectos más complejos y creativos de su trabajo. Estas son las maneras de aprovechar GitHub Copilot para la automatización:

• Generación de código reutilizable: GitHub Copilot puede generar rápidamente código reutilizable para funcionalidades comunes, como configurar una API de REST o crear una estructura de clases.
• Creación de datos de ejemplo: al realizar pruebas, GitHub Copilot puede generar datos de ejemplo realistas, lo que ahorra tiempo en la creación manual de datos.
• Escritura de pruebas unitarias: GitHub Copilot puede sugerir casos de prueba e incluso generar pruebas unitarias completas basadas en el código sugerido.
• Traducción y refactorización de código: GitHub Copilot ayuda en la refactorización de código mediante la sugerencia de patrones mejorados o implementaciones más eficaces e incluso la conversión de lenguajes de programación.

Puede acelerar el proceso de desarrollo mediante GitHub Copilot para generar código reutilizable, que luego se puede personalizar para satisfacer sus necesidades específicas.

Escenarios avanzados de automatización con plantillas

GitHub Copilot puede controlar tareas de automatización más sofisticadas que normalmente requerirían un esfuerzo manual significativo:

• Esquema de base de datos y configuración de ORM: Genere modelos de base de datos completos, archivos de migración y configuraciones ORM basadas en descripciones de entidades simples.
• Estructuración de puntos de conexión de API: Cree puntos de conexión completos de la API REST con un correcto manejo de errores, validación y comentarios de documentación.
• Administración de configuración: Genere archivos de configuración para diferentes entornos (desarrollo, ensayo, producción) con la configuración adecuada.
• Infraestructura de prueba: Configure marcos de pruebas completos, incluidos datos ficticios, accesorios y funciones auxiliares para escenarios de prueba complejos.

Por ejemplo, al compilar un nuevo microservicio, Copilot puede generar toda la estructura del proyecto, incluidas las configuraciones de Docker, los archivos de canalización de CI/CD y la configuración de supervisión básica en función de algunos comentarios descriptivos sobre sus requisitos de servicio.

Nota:

Las generaciones complejas de varios archivos consumen más PRUs (~3–5 PRUs para el andamiaje de proyectos completos). Las tareas reutilizables simples suelen usar 1–2 PRU. Obtenga más información sobre las unidades de solicitud Premium.

Automatización del desarrollo basada en historias

GitHub Copilot destaca en la transformación de casos de usuario sencillos y requisitos de características directamente en implementaciones completas y listas para producción:

• scaffolding de características: convertir descripciones de características de alto nivel en estructuras de código completas con separación adecuada de problemas, incluidos los modelos de base de datos, los puntos de conexión de API y los componentes de front-end.
• Implementación de lógica de negocios: Genere la funcionalidad básica basada en reglas de negocio descritas en lenguaje sin formato, controlando automáticamente patrones comunes como validación, transformación de datos y lógica de flujo de trabajo.
• Patrones de integración: Cree patrones estandarizados para conectar diferentes partes del ecosistema de aplicaciones, incluida la autenticación, el registro y la integración de servicios externos.
• Automatización de un extremo a otro: A partir de un único caso de usuario, genere la pila de características completa, incluida la lógica de back-end, los cambios de base de datos, la documentación de api y la implementación básica del front-end.
• Calidad integrada: Incluya automáticamente el control de errores, la validación de entrada, el registro y las consideraciones de seguridad básicas como parte de la implementación inicial.

Este enfoque permite una iteración rápida desde el concepto hasta el prototipo de trabajo, lo que permite a los equipos validar ideas rápidamente y recopilar comentarios al principio del proceso de desarrollo.

Aceleración de flujos de trabajo de solicitudes de incorporación de cambios

GitHub Copilot transforma el proceso de solicitud de incorporación de cambios mediante la generación de cambios listos para revisar y reducir el tiempo de desarrollo a implementación:

Generación de código lista para pr

Al trabajar en características o correcciones de errores, Copilot ayuda a crear cambios completos que minimizan los ciclos de revisión:

• Implementaciones completas: Genere implementaciones completas de funciones con manejo de errores, log de eventos y cobertura de casos límite adecuada.
• Patrones de código coherentes: Asegúrese de que el nuevo código sigue las convenciones de proyecto establecidas y los patrones arquitectónicos.
• Integración de documentación: Incluya comentarios en línea, documentación de funciones y actualizaciones del archivo README como parte de la generación inicial de código.
• Cobertura de pruebas: Genere pruebas unitarias correspondientes, pruebas de integración y uso de ejemplo junto con la nueva funcionalidad.

Asistencia de revisión de código inteligente

Copilot puede ayudar a preparar el código para su revisión e incluso ayudar durante el propio proceso de revisión:

• Comprobaciones de calidad previas al envío: Antes de crear un pull request, use Copilot para identificar posibles problemas, sugerir mejoras y asegurarse de que se cumplen los estándares de calidad del código.
• Revisar la redacción de comentarios: Genere comentarios de revisión constructivos y específicos que expliquen claramente los problemas y sugieran mejoras concretas con ejemplos de código.
• Iteración rápida: Cuando los revisores solicitan cambios, Copilot puede generar inmediatamente varias alternativas de implementación, lo que permite a los autores elegir el mejor enfoque sin reescritura extensa.
• Refinamiento de documentación: Mejore automáticamente los comentarios de código y la documentación en función de las preguntas y comentarios de los revisores, lo que garantiza la claridad de los futuros mantenedores.
• Resolución de conflictos: Ayude a resolver conflictos de combinación al comprender la intención de ambas ramas de código y sugerir enfoques de integración óptimos.

Este enfoque optimizado reduce significativamente el número de rondas de revisión necesarias, lo que permite una entrega de características más rápida al tiempo que mantiene altos estándares de calidad de código.

Nota:

Pedir a Copilot varios borradores de refactorización en una solicitud de incorporación de cambios puede consumir 2-3 PR por borrador. Obtenga más información sobre las unidades de solicitud Premium.

Flujos de trabajo de desarrollo colaborativo

Copilot mejora la colaboración en equipo garantizando la coherencia y la calidad de las diferentes contribuciones de los desarrolladores:

• Normalización del código: Ayude a mantener patrones y estilos de codificación coherentes entre los miembros del equipo.
• Uso compartido de conocimientos: Genere código que siga los procedimientos recomendados del equipo, lo que ayuda a los desarrolladores juniors a aprender de patrones sénior.
• Conservación del contexto: Al asumir el trabajo de otra persona, Copilot puede ayudar a comprender el código existente y continuar el desarrollo con el mismo estilo.
• Resolución de conflictos de mezcla: Ayude a resolver conflictos de combinación complejos mediante la comprensión de la intención de ambas ramas de código.

Flujos de trabajo de IA orquestados

El desarrollo moderno se beneficia cada vez más de la asistencia de inteligencia artificial coordinada en distintos aspectos del proceso de desarrollo. GitHub Copilot puede funcionar como parte de flujos de trabajo orquestados en los que varias funcionalidades de inteligencia artificial se complementan entre sí:

Patrones de desarrollo de varios agentes

Considere un flujo de trabajo en el que los distintos agentes de inteligencia artificial controlan distintos aspectos del desarrollo de características:

1. Borrador de agente: Copilot genera implementaciones de código iniciales en función de los requisitos de características
2. Agente de revisión: Una inteligencia artificial secundaria revisa el borrador para la calidad del código, los problemas de seguridad y el cumplimiento de los estándares del proyecto.
3. Agente de documentación: Genera o actualiza automáticamente la documentación basada en los cambios de código.
4. Agente de prueba: Crea conjuntos de pruebas completos para la nueva funcionalidad

Este enfoque orquestado garantiza una cobertura completa de las tareas de desarrollo al tiempo que mantiene estándares de alta calidad. Cada agente lleva el foco especializado a su dominio, lo que da lugar a código más exhaustivo y listo para producción.

Nota:

Cada transferencia consume ~1 PRU. Normalmente, un flujo de borrador de 2 agentes usa PRU de 2 a 3.

Funcionalidades avanzadas de razonamiento

Para escenarios de desarrollo complejos, GitHub Copilot ofrece modos de razonamiento premium que proporcionan un análisis más profundo y una generación de código más sofisticada:

• Comprensión mejorada del contexto: Analiza bases de código más grandes y relaciones más complejas entre componentes
• Sugerencias avanzadas de arquitectura: Proporciona recomendaciones para el diseño del sistema y los patrones de integración
• Asistencia de refactorización compleja: Controla las transformaciones de código sofisticadas al tiempo que conserva la funcionalidad.
• Coordinación con varios archivos: Organiza los cambios en varios archivos a la vez que mantiene la coherencia.

Nota:

Las ejecuciones premium agregan más contexto y razonamiento, pero a menudo duplican el consumo de PRU (~4+ por solicitud).

Flujos de trabajo automatizados de finalización de historias

GitHub Copilot puede transformar los casos de usuario y los requisitos en características completas e implementables a través de flujos de trabajo automatizados:

• Análisis de requisitos: Análisis de casos de usuario y criterios de aceptación para generar planes de implementación
• Scaffolding de características: cree estructuras de características completas, incluidos controladores, servicios, modelos y pruebas
• Configuración de integración: Generación del código necesario para integrar nuevas características con componentes del sistema existentes
• Automatización de control de calidad: Incluir control completo de errores, registro y supervisión para nuevas características

Este enfoque permite una rápida progresión del concepto al software de trabajo, lo que reduce significativamente el tiempo entre la idea y la implementación.

Finalización de código personalizado

GitHub Copilot se adapta a estilos de codificación individuales y contextos de proyecto, proporcionando sugerencias cada vez más relevantes a lo largo del tiempo y mejorando la eficiencia del código. Aquí se muestra cómo GitHub Copilot logra la finalización personalizada del código:

• Reconocimiento contextual: GitHub Copilot analiza el entorno de desarrollo y la estructura del proyecto para ofrecer finalizaciones de código más precisas y pertinentes.
• Aprendizaje de patrones: a medida que los desarrolladores trabajan en un proyecto, GitHub Copilot aprende de sus patrones y preferencias de codificación, adaptando sugerencias en consecuencia.

En el ejemplo siguiente, observe cómo GitHub Copilot sugirió un estilo de escritura de funciones, pero cuando se usó un estilo preferido, adaptó y continuó sugerencias con el estilo preferido.

Al aprovechar GitHub Copilot de estas maneras, los desarrolladores pueden reducir significativamente el tiempo invertido en tareas rutinarias, acelerar su aprendizaje de nuevas tecnologías y mantener un mejor enfoque en todo el día de trabajo. Esta productividad mejorada permite dedicar más tiempo a resolver problemas complejos e innovar dentro de sus proyectos.

En la unidad siguiente, exploraremos cómo GitHub Copilot se alinea con las preferencias y flujos de trabajo comunes para desarrolladores.