Tóm tắt

  • 2 phút

Trong mô-đun này, chúng tôi đã công bố các tính năng của việc tối ưu hóa GitHub Copilot thông qua nhắc nhở hiệu quả. Khai thác tiềm năng tối đa của công cụ nằm trong nghệ thuật và khoa học kỹ thuật nhắc nhở. Giờ đây, bạn được trang bị các kỹ năng tinh chỉnh và thông tin chuyên sâu để nâng cao trải nghiệm mã hóa và đầu ra của mình. Với việc hoàn thành mô-đun này, bạn đã học được:

Nguyên tắc kỹ thuật nhanh chóng, phương pháp tốt nhất và cách GitHub Copilot tìm hiểu từ lời nhắc của bạn để cung cấp phản hồi theo ngữ cảnh. Luồng cơ bản về cách GitHub Copilot xử lý lời nhắc người dùng tạo phản hồi hoặc đề xuất mã. Dòng dữ liệu cho các đề xuất mã và trò chuyện trong GitHub Copilot. LLMs (Mô hình Ngôn ngữ Lớn) và vai trò của chúng trong GitHub Copilot và nhắc nhở. Làm thế nào để thủ công lời nhắc hiệu quả tối ưu hóa hiệu suất của GitHub Copilot, đảm bảo độ chính xác và liên quan trong mỗi gợi ý mã. Mối quan hệ tinh vi giữa lời nhắc và phản hồi của Copilot. Cách Copilot xử lý dữ liệu từ lời nhắc trong các tình huống khác nhau, bao gồm truyền an toàn và lọc nội dung.

Tham khảo

Cung cấp phản hồi

Sử dụng biểu mẫu sự cố này để cung cấp phản hồi nội dung hoặc các thay đổi được đề xuất cho mô-đun Microsoft Learn này. GitHub duy trì nội dung này và một thành viên trong nhóm sẽ phân loại yêu cầu. Cảm ơn bạn đã dành thời gian để cải thiện nội dung của chúng tôi!