GitHub Copilot-gegevens
In deze les behandelen we hoe GitHub Copilot gegevens verwerkt voor verschillende omgevingen, functies en configuraties.
Gegevensverwerking voor Suggesties voor GitHub Copilot-code
GitHub Copilot in de code-editor bewaart geen prompts zoals code of andere context die wordt gebruikt voor het verstrekken van suggesties voor het trainen van de basismodellen. De prompts worden genegeerd zodra er een suggestie wordt geretourneerd.
GitHub Copilot Individual-abonnees kunnen zich afmelden voor het delen van hun prompts met GitHub, die anders worden gebruikt om het basismodel van GitHub te verfijnen.
Gegevensverwerking voor GitHub Copilot-chat
GitHub Copilot Chat werkt als een interactief platform, zodat ontwikkelaars kunnen deelnemen aan gespreksinteracties met de AI-assistent om coderingsondersteuning te ontvangen. Hier volgen de stappen die worden uitgevoerd die kunnen verschillen van andere functies, zoals het voltooien van code:
- Opmaak: Copilot formatteert zorgvuldig het gegenereerde antwoord voor een optimale presentatie in de chatinterface. Het markeert codefragmenten om de leesbaarheid te verbeteren en kan opties bevatten voor directe integratie in uw code. Copilot toont het opgemaakte antwoord in het Copilot Chat-venster in de IDE, zodat u de verstrekte informatie eenvoudig kunt bekijken en ermee kunt werken.
- Gebruikersbetrokkenheid: U kunt actief contact opnemen met het antwoord door vervolgvragen te stellen, verduidelijkingen aan te vragen of aanvullende input te geven. De chatinterface onderhoudt een gespreksgeschiedenis om contextueel begrip in volgende interacties mogelijk te maken.
- Gegevensretentie: Voor Copilot Chat die buiten de code-editor wordt gebruikt, behoudt GitHub doorgaans prompts, suggesties en ondersteunende context gedurende 28 dagen. Specifieke bewaarbeleidsregels voor Copilot Chat binnen de code-editor kunnen variëren.
Hetzelfde geldt voor CLI, Mobile en GitHub Copilot Chat op GitHub.com.
Prompttypen die worden ondersteund door GitHub Copilot Chat
GitHub Copilot Chat verwerkt een breed scala aan codegerelateerde prompts, waarmee de veelzijdigheid ervan wordt gedemonstreerd als gespreksassistent. Hier volgen enkele algemene invoertypen:
- Directe vragen: u kunt specifieke vragen stellen over codeconcepten, bibliotheken of het oplossen van problemen. Bijvoorbeeld' 'Hoe kan ik een algoritme voor snelle sortering implementeren in Python?' of 'Waarom wordt mijn React-onderdeel niet weergegeven?'
- Codegerelateerde aanvragen: u kunt code genereren, wijzigen of uitleggen. Voorbeelden hiervan zijn 'Een functie schrijven om factorial te berekenen', 'Deze fout in mijn code oplossen' of 'Dit codefragment uitleggen'.
- Open-beëindigde query's: u kunt codeerconcepten verkennen of algemene richtlijnen zoeken door vragen met een open einde te stellen, zoals 'Wat zijn de best practices voor het schrijven van schone code?' of 'Hoe kan ik de prestaties van mijn Python-toepassing verbeteren?'
- Contextuele prompts: u kunt codefragmenten opgeven of specifieke coderingsscenario's beschrijven om hulp op maat te zoeken. Bijvoorbeeld: 'Hier is een deel van mijn code, kunt u verbeteringen voorstellen?' of 'Ik maak een webtoepassing, kunt u mij helpen met de verificatiestroom?'
De mogelijkheid van Copilot Chat om diverse invoertypen te verwerken, verbetert het hulpprogramma als een uitgebreide coderingsassistent.
Beperkte contextvensters
Hoewel GitHub Copilot Chat excelleert bij het begrijpen en reageren op prompts, is het essentieel om de beperking van contextvensters te erkennen. Dit verwijst naar de hoeveelheid omringende code en tekst die het model tegelijkertijd kan verwerken om suggesties te genereren. Het contextvenster van GitHub Copilot varieert doorgaans van ongeveer 200-500 regels code of tot een paar duizend tokens. Deze beperking kan variëren, afhankelijk van de specifieke implementatie en versie van Copilot die wordt gebruikt.
Copilot Chat werkt momenteel met een contextvenster van 4k-tokens, wat een breder bereik biedt voor inzicht in en reageren op gebruikersquery's in vergelijking met de standaard Copilot.
Ondanks deze ontwikkelingen moet u rekening houden met beperkingen van contextvensters bij het maken van prompts. Het opsplitsen van complexe problemen in kleinere, meer gerichte query's of het leveren van relevante codefragmenten kan de mogelijkheid van het model om nauwkeurige en nuttige antwoorden te bieden aanzienlijk verbeteren.