Dane narzędzia GitHub Copilot

  • 4 minut

W tej lekcji omówimy sposób obsługi danych w usłudze GitHub Copilot w różnych środowiskach, funkcjach i konfiguracjach.

Obsługa danych na potrzeby sugestii dotyczących kodu Copilot w usłudze GitHub

Narzędzie GitHub Copilot w edytorze kodu nie zachowuje żadnych monitów, takich jak kod lub inny kontekst używany do celów dostarczania sugestii dotyczących trenowania podstawowych modeli. Odrzuca monity po zwrócenia sugestii.

Subskrybenci usługi GitHub Copilot Individual mogą zrezygnować z udostępniania swoich monitów za pomocą usługi GitHub, która w przeciwnym razie zostanie użyta do dostosowania podstawowego modelu usługi GitHub.

Obsługa danych na potrzeby czatu Copilot w usłudze GitHub

Usługa GitHub Copilot Chat działa jako interaktywna platforma, umożliwiając deweloperom angażowanie się w interakcje konwersacyjne z asystentem sztucznej inteligencji w celu uzyskania pomocy dotyczącej kodowania. Poniżej przedstawiono kroki, które mogą być różne od innych funkcji, takich jak uzupełnianie kodu:

  • Formatowanie: Copilot skrupulatnie formatuje wygenerowaną odpowiedź w celu uzyskania optymalnej prezentacji w interfejsie czatu. Wyróżnia fragmenty kodu w celu zwiększenia czytelności i mogą zawierać opcje bezpośredniej integracji z kodem. Copilot prezentuje sformatowaną odpowiedź w oknie czatu copilot w środowisku IDE, co pozwala na łatwe przeglądanie podanych informacji i interakcję z nimi.
  • Zaangażowanie użytkowników: możesz aktywnie współpracować z odpowiedzią, zadając pytania uzupełniające, żądając wyjaśnień lub podając dodatkowe dane wejściowe. Interfejs czatu utrzymuje historię konwersacji, aby ułatwić kontekstowe zrozumienie w kolejnych interakcjach.
  • Przechowywanie danych: w przypadku czatu copilot używanego poza edytorem kodu usługa GitHub zwykle zachowuje monity, sugestie i kontekst pomocniczy przez 28 dni. Określone zasady przechowywania czatu Copilot w edytorze kodu mogą się różnić.

To samo dotyczy interfejsu wiersza polecenia, aplikacji mobilnych i usługi GitHub Copilot Chat w GitHub.com.

Typy monitów obsługiwane przez czat Copilot w usłudze GitHub

Usługa GitHub Copilot Chat przetwarza szeroką gamę monitów związanych z kodowaniem, pokazując swoją wszechstronność jako asystenta kodowania konwersacyjnego. Oto kilka typowych typów danych wejściowych:

  • Pytania bezpośrednie: możesz zadać konkretne pytania dotyczące pojęć związanych z kodowaniem, bibliotekami lub rozwiązywania problemów. Na przykład "Jak mogę zaimplementować algorytm szybkiego sortowania w języku Python?" lub "Dlaczego mój składnik React nie renderuje?"
  • Żądania związane z kodem: możesz zażądać generowania, modyfikowania lub wyjaśnienia kodu. Przykłady obejmują "Pisanie funkcji do obliczania współczynnika", "Napraw ten błąd w moim kodzie" lub "Wyjaśnij ten fragment kodu".
  • Zapytania open-ended: możesz eksplorować pojęcia kodowania lub szukać ogólnych wskazówek, zadając otwarte pytania, takie jak "Jakie są najlepsze rozwiązania dotyczące pisania czystego kodu?" lub "Jak mogę poprawić wydajność mojej aplikacji w języku Python?"
  • Monity kontekstowe: możesz podać fragmenty kodu lub opisać konkretne scenariusze kodowania w celu uzyskania dostosowanej pomocy. Na przykład "Oto część mojego kodu, możesz zasugerować ulepszenia?" lub "Kompiluję aplikację internetową, czy możesz mi pomóc w przepływie uwierzytelniania?"

Zdolność Copilot Chat do przetwarzania różnych typów danych wejściowych zwiększa swoje narzędzie jako kompleksowego towarzysza kodowania.

Ograniczone okna kontekstowe

Ilustracja okna kontekstowego narzędzia GitHub Copilot.

Chociaż funkcja GitHub Copilot Chat wyróżnia się w zrozumieniu i odpowiadaniu na monity, ważne jest, aby potwierdzić ograniczenie okien kontekstowych. Odnosi się to do ilości otaczającego kodu i tekstu, który model może przetwarzać jednocześnie w celu wygenerowania sugestii. Okno kontekstu narzędzia GitHub Copilot zwykle waha się od około 200–500 wierszy kodu lub maksymalnie kilku tysięcy tokenów. To ograniczenie może się różnić w zależności od określonej implementacji i wersji używanego rozwiązania Copilot.

Copilot Chat obecnie działa z oknem kontekstowym 4k tokenów, zapewniając szerszy zakres zrozumienia i reagowania na zapytania użytkowników w porównaniu ze standardowym Copilot.

Pomimo tych postępów należy pamiętać o ograniczeniach okna kontekstowego podczas tworzenia monitów. Podzielenie złożonych problemów na mniejsze, bardziej ukierunkowane zapytania lub udostępnienie odpowiednich fragmentów kodu może znacznie zwiększyć zdolność modelu do zapewnienia dokładnych i przydatnych odpowiedzi.