สรุป
ในมอดูลนี้ เราเปิดเผยความซับซ้อนของการปรับ GitHub Copilot ให้เหมาะสมผ่านการพร้อมท์ที่มีประสิทธิภาพ การควบคุมศักยภาพสูงสุดของเครื่องมือนั้นเกี่ยวข้องกับศาสตร์และศิลป์ของการออกแบบพร้อมท์ ตอนนี้คุณมีทักษะและข้อมูลเชิงลึกขั้นยอดในการยกระดับประสบการณ์การเขียนโค้ดและเอาต์พุตของคุณแล้ว เมื่อจบมอดูลนี้ คุณได้เรียนรู้ว่า:
หลักการของวิศวกรรมพร้อมท์ แนวทางปฏิบัติ และวิธีที่ GitHub Copilot เรียนรู้จากพร้อมท์ของคุณเพื่อให้การตอบกลับตามบริบท โฟลว์พื้นฐานของวิธีที่ GitHub Copilot ประมวลผลพร้อมท์ของผู้ใช้เพื่อสร้างการตอบกลับหรือคำแนะนำโค้ด โฟลว์ข้อมูลสำหรับคำแนะนําโค้ดและการแชทใน GitHub Copilot LLM (โมเดลภาษาขนาดใหญ่) และบทบาทใน GitHub Copilot และพร้อมท์ วิธีการสร้างพร้อมท์ที่มีประสิทธิภาพที่ปรับประสิทธิภาพของ GitHub Copilot ให้เหมาะสม เพื่อรับรองความแม่นยำและความเกี่ยวข้องในทุกคำแนะนำโค้ด ความสัมพันธ์ที่ซับซ้อนระหว่างพร้อมท์และการตอบกลับของ Copilot Copilot จัดการข้อมูลจากพร้อมท์ในสถานการณ์ต่างๆ รวมถึงการส่งข้อมูลและการกรองเนื้อหาที่ปลอดภัย
เอกสารอ้างอิง
- ภายใน GitHub: การทำงานกับแบบจำลองภาษาขนาดใหญ่ (LLM) ที่อยู่เบื้องหลัง GitHub Copilot - บล็อก GitHub
- วิธีใช้ GitHub Copilot: พร้อมท์ เคล็ดลับ และกรณีการใช้งาน - บล็อก GitHub
- วิธีที่ GitHub copilot จัดการข้อมูล
แสดงความคิดเห็น
ส่งคําติชมเกี่ยวกับเนื้อหาหรือการเปลี่ยนแปลงที่แนะนําสําหรับมอดูล Microsoft Learn นี้ GitHub เป็นผู้ดูแลเนื้อหานี้ และสมาชิกในทีมจะทำการคัดกรองคำขอ ขอขอบคุณที่สละเวลาในการปรับปรุงเนื้อหาของเรา!