摘要

已完成

在本課程模組中，我們透過有效的提示，揭開最佳化 GitHub Copilot 錯綜複雜的面紗。 利用工具的最大潛力在於提示工程的藝術和科學。 現在，您已具備精簡的技能和深入解析，以提升撰寫程式碼體驗和輸出。 完成本課程模組後，您已了解：

提示工程原則、最佳做法，以及 GitHub Copilot 如何從您的提示中學習以提供內容感知回應。 GitHub Copilot 如何處理使用者提示以產生回應或程式碼建議的基本流程。 GitHub Copilot 中程式碼建議和聊天的資料流程。 LLM (大型語言模型) 及其在 GitHub Copilot 和提示中的角色。 如何製作有效的提示來最佳化 GitHub Copilot 的效能，確保每個程式碼建議的準確性和相關性。 提示與 Copilot 回應之間錯綜複雜的關係。 Copilot 如何在不同的情況下 (包括安全傳輸和內容篩選) 如何處理來自提示的資料。

參考

• GitHub 內部：使用 GitHub Copilot 背後的大型語言模型 (LLM) - GitHub 部落格
• 如何使用 GitHub Copilot：提示、秘訣和使用案例 - GitHub 部落格
• GitHub copilot 如何處理數據

提供意見反應

針對此 Microsoft Learn 課程模組提交內容意見反應或建議的變更。 GitHub 會維護內容，而小組成員會對要求進行分類。 感謝您花時間來改善我們的內容！