Сводка
В этом модуле мы раскрыли тонкости оптимизации GitHub Copilot, используя эффективные подсказки. Использование максимального потенциала инструмента лежит в искусстве и науке о командной инженерии. Теперь вы оснащены усовершенствованными навыками и аналитическими сведениями, чтобы повысить опыт написания кода и выходные данные. После завершения этого модуля вы узнали:
Принципы разработки запросов, рекомендации по лучшим практикам и как GitHub Copilot учится на ваших запросах для предоставления контекстно-осведомленных ответов. Основной механизм работы GitHub Copilot, который обрабатывает запросы пользователей для генерации ответов или предложений кода. Поток данных для предложений кода и чата в GitHub Copilot. LLMs (большие языковые модели) и их роль в GitHub Copilot и предложениях. Как создать эффективные запросы, которые оптимизируют производительность GitHub Copilot, обеспечивая точность и релевантность в каждом предложении кода. Сложная связь между запросами и ответами Copilot. Как Copilot обрабатывает данные из запросов в различных ситуациях, включая безопасную передачу и фильтрацию содержимого.
Ссылки
- Внутри GitHub: работа с большими языковыми моделями (LLMs) для GitHub Copilot — блог GitHub
- Как использовать GitHub Copilot: запросы, советы и варианты использования — блог GitHub
- Как GitHub copilot обрабатывает данные
Предоставление отзыва
Используйте эту форму проблемы для предоставления отзывов о содержимом или предлагаемых изменений для этого модуля Microsoft Learn. GitHub поддерживает это содержимое, и член команды выполнит запрос. Спасибо за то, что улучшайте наше содержимое!