การวัดผลกระทบและเพิ่มประสิทธิภาพหน่วยคําขอพรีเมียม (PRU)

5 นาที

Premium Request Units (PRU) เป็นเชื้อเพลิงที่อยู่เบื้องหลังคุณสมบัติการตรวจสอบที่ทรงพลังที่สุดของ GitHub Copilot ทุกครั้งที่คุณมอบหมายให้ Copilot ตรวจสอบคําขอดึงข้อมูลขนาดใหญ่ ขอให้ Copilot ใช้คําสั่งที่กําหนดเองของที่เก็บของคุณกับฐานรหัสทั้งหมด หรือเรียกใช้การวิเคราะห์เชิงลึกเกี่ยวกับการเปลี่ยนแปลงใน IDE ของคุณ คุณกําลังใช้ PRU ทรัพยากรระดับพรีเมียมเหล่านี้ช่วยให้ Copilot มีพลังการประมวลผลเพิ่มเติมและความลึกของบริบทที่จําเป็นในการให้เหตุผลที่สมบูรณ์ยิ่งขึ้น

วัตถุประสงค์การเรียนรู้

ในตอนท้ายของหน่วยนี้ คุณจะสามารถ:

กําหนด PRU และอธิบายว่าเปิดใช้งานความสามารถในการตรวจสอบขั้นสูงของ Copilot ได้อย่างไร
วัดผลกระทบของบทวิจารณ์ที่ขับเคลื่อนโดย PRU ต่อเวิร์กโฟลว์ของคุณ
ใช้กลยุทธ์กับงบประมาณและเพิ่มประสิทธิภาพ PRU ให้คุ้มค่าที่สุด

ทําความเข้าใจกับ PRU

ลองนึกถึงหน่วยคําขอพรีเมี่ยม (PRU) เป็นโทเค็นที่ปลดล็อก "อุปกรณ์พิเศษ" ของ Copilot งานประจําที่มีน้ําหนักเบา เช่น การแนะนําการปรับโครงสร้างเล็กๆ น้อยๆ ให้กับบรรทัดเดียว มักจะไม่ใช้ PRU แต่งานระดับพรีเมียมทําได้ ตัวอย่างเช่น การขอให้ Copilot ตรวจสอบการเปลี่ยนแปลง 1,500 บรรทัดในหลายไฟล์ ใช้ไฟล์ของคุณ .github/copilot-instructions.md และตรวจสอบปัญหาด้านความปลอดภัยและรูปแบบต้องใช้บริบทและอํานาจในการให้เหตุผลมากขึ้น

ด้วย PRU Copilot สามารถสแกนความแตกต่างทั้งหมด ตีความแนวทางการตรวจสอบที่กําหนดเองของคุณ และส่งคืนการแก้ไขที่ดําเนินการได้ภายในไม่กี่วินาที หากไม่มีสิ่งเหล่านี้ จะให้คําแนะนําเริ่มต้นที่มีน้ําหนักเบาเท่านั้น PRU สร้างความแตกต่างระหว่างคําแนะนําด่วนและการวิเคราะห์ที่ครบถ้วนและสอดคล้องกับมาตรฐานของทีมของคุณโดยตรงภายในคําขอดึงข้อมูลหรือ IDE ของคุณ

สถานการณ์ตัวอย่าง:

นักพัฒนาผลักดันการปรับโครงสร้างขนาดใหญ่ที่สัมผัสกับไฟล์หลายสิบไฟล์ Copilot ซึ่งได้รับมอบหมายให้เป็นผู้ตรวจสอบใช้ PRU เพื่อใช้แนวทางความปลอดภัยและรูปแบบของที่เก็บกับการเปลี่ยนแปลงทั้งหมดตั้งค่าสถานะการแก้ไขสตริงที่ไม่ปลอดภัยหลายรายการและแม้กระทั่งร่างความคิดเห็น Markdown ที่อธิบายปัญหา แทนที่จะใช้เวลาหลายชั่วโมงในการตรวจสอบด้วยตนเอง

เหตุใด PRU จึงมีความสําคัญต่อทีม

PRU คือสิ่งที่ทําให้ Copilot สามารถปรับขนาดได้อย่างแท้จริงในสภาพแวดล้อมที่มีปริมาณมาก คุณสามารถ:

รับการวิเคราะห์เชิงลึก: ระบุช่องโหว่ที่ละเอียดอ่อนตรรกะที่ซ้ํากันหรือการละเมิดสไตล์ในความแตกต่างขนาดใหญ่ก่อนที่จะไปถึงการผลิต
บังคับใช้ความสอดคล้อง: ใช้การตรวจสอบความปลอดภัย ความสามารถในการอ่าน หรือรูปแบบเดียวกันกับทุกคําขอดึงข้อมูลโดยอัตโนมัติ
จัดการกับกิจกรรมที่ต่อเนื่อง: ในช่วงรอบการเผยแพร่ที่วุ่นวาย ให้พึ่งพาบทวิจารณ์ที่ขับเคลื่อนโดย PRU เพื่อรักษาคุณภาพให้คงที่ในขณะที่ผู้ตรวจสอบที่เป็นมนุษย์จัดการการตัดสินใจด้านการออกแบบที่ซับซ้อน

สถานการณ์ตัวอย่าง:

ทีมของคุณรักษาสถาปัตยกรรมไมโครเซอร์วิสใน Go, Python และ TypeScript ในระหว่างการวิกฤตก่อนการเปิดตัว Copilot ใช้ PRU เพื่อตรวจสอบแต่ละบริการสําหรับแนวทางปฏิบัติที่ดีที่สุดเฉพาะภาษา - ตั้งค่าสถานะการเรียกที่มีความเสี่ยง eval() ใน JavaScript และแนะนําตัวแยกวิเคราะห์ที่ปลอดภัยกว่า ในขณะเดียวกันก็จับการตรวจสอบข้อผิดพลาดที่ขาดหายไปในตัวจัดการ Go วิธีนี้ช่วยให้ทีมของคุณรวมการแก้ไขได้อย่างรวดเร็วในทุกบริการโดยไม่พลาดรายละเอียดที่สําคัญ

การวัดผลกระทบของบทวิจารณ์ที่ขับเคลื่อนโดย PRU

หากต้องการทําความเข้าใจผลตอบแทนจาก PRU ให้ติดตามตัวชี้วัด เช่น:

เวลานําการประชาสัมพันธ์: คําขอดึงข้อมูลเปลี่ยนจากเปิดเป็นรวมเร็วเพียงใดหลังจากเพิ่มบทวิจารณ์ Copilot
ตัวบ่งชี้คุณภาพ: ลดปัญหาด้านความปลอดภัยหรือรูปแบบหลังการผสานที่เครื่องมืออื่นๆ ตั้งค่าสถานะ
ประสบการณ์ของนักพัฒนา: ข้อเสนอแนะว่า Copilot ทําให้บทวิจารณ์เร็วขึ้นหรือชัดเจนขึ้น

ตัวอย่างเมตริก:

ก่อนที่จะใช้ PRU PR ขนาดใหญ่ใช้เวลาเฉลี่ยสามวันในการรวมเข้าด้วยกัน และมักจะเรียกใช้การแก้ไขสไตล์หลังจากการเปิดตัว หลังจากเปิดใช้งานการตรวจสอบที่ขับเคลื่อนโดย PRU แล้ว PR เดียวกันก็รวมเข้าด้วยกันในหนึ่งวันโดยมีการผูกมัดติดตามผลน้อยลงมาก

เพิ่มประสิทธิภาพการใช้งาน PRU

การจัดการ PRU ช่วยให้มั่นใจได้ว่าคุณจะใช้จ่ายในที่ที่เพิ่มมูลค่าสูงสุด:

วางแผนล่วงหน้า: ตั้งค่าการแจ้งเตือนเมื่อใช้งาน PRU เดือนถึง 75%, 90%และ 100%
ใช้ PRU อย่างมีกลยุทธ์: จองรีวิวพรีเมียมสําหรับการเปลี่ยนแปลงขนาดใหญ่หรือมีความเสี่ยงสูง พึ่งพาคําแนะนํามาตรฐานของ Copilot สําหรับการแก้ไขอย่างง่าย
ปรับแต่งข้อความแจ้งของคุณ: คําขอที่สะอาดและเฉพาะเจาะจงช่วยลดการลองใหม่ที่ไม่จําเป็นและ PRU ที่สูญเปล่า
ขยายขนาดหากจําเป็น: หากทีมของคุณใช้ PRU ให้สูงสุดอย่างสม่ําเสมอ ให้พิจารณาแผน Copilot ระดับที่สูงขึ้นเพื่อรองรับปริมาณงาน

สถานการณ์ตัวอย่าง:

ทีมงานสังเกตเห็นว่า PRU จํานวนมากถูกใช้ไปกับการเปลี่ยนแปลงเอกสารเล็กน้อย พวกเขาอัปเดตเวิร์กโฟลว์เพื่อใช้คําขอที่ไม่ใช่ PRU สําหรับการแก้ไขเล็กน้อย และสงวนคําวิจารณ์ที่ขับเคลื่อนโดย PRU สําหรับโค้ดที่ส่งผลต่อการผลิต ส่งผลให้การใช้ PRU ต่อเดือนลดลง 30% โดยไม่สูญเสียคุณภาพ

PRU เป็นมากกว่ารายละเอียดทางเทคนิค แต่เป็นสิ่งที่ทําให้ความสามารถในการตรวจสอบขั้นสูงของ Copilot เป็นไปได้ ด้วยการทําความเข้าใจวิธีการทํางานของ PRU การวัดผลกระทบ และเพิ่มประสิทธิภาพการใช้งาน คุณจะสามารถส่งบทวิจารณ์ที่ลึกซึ้งและเต็มไปด้วยบริบทได้โดยไม่ต้องเสียทรัพยากร สิ่งนี้ช่วยให้ทีมสามารถปรับขนาดการตรวจสอบโค้ดคุณภาพสูงได้แม้ภายใต้กําหนดเวลาที่แน่นหนาในขณะที่ยังคงปล่อยให้การตัดสินขั้นสุดท้ายและการลงนามเป็นของผู้ตรวจสอบที่เป็นมนุษย์

คำติชม

หน้านี้มีประโยชน์หรือไม่