首先，讓我們從不熟悉 GitHub Copilot 或 prompt engineering 的人的基礎(chǔ)知識開始。

什么是 GitHub Copilot ?

GitHub Copilot 是一個(gè) AI 結(jié)對開發(fā)工程師被 GitHub 開發(fā)并且 GitHub Copilot 由 OpenAI Codex 提供支持，OpenAI CodeX 是 OpenAI 創(chuàng)建生成式預(yù)訓(xùn)練語言模型。它根據(jù)注釋和代碼的上下文提供上下文話的代碼建議。要使用它，可以在以下 IDEs 安裝 Github Copilot 插件：

• Visual Studio

• Visual Studio Code

• Neovim

• JetBrains IDEs (IntelliJ, PyCharm, WebStorm, etc)

GitHub Copilot 可以自己編碼嗎？

在 GitHub，使用術(shù)語「AI 結(jié)對開發(fā)程序員」、「AI 助手」和 「Copilot」因?yàn)闆]有開發(fā)人員，這個(gè)工具就無法工作！事實(shí)上，人工智能系統(tǒng)只能執(zhí)行開發(fā)人員編程執(zhí)行的任務(wù)，它們不具備自由意志或獨(dú)立決策的能力。在這種情況下，GitHub Copilot 利用代碼中的上下文和編寫的注釋來立刻建議代碼！借助 GitHub Copilot，可以將注釋轉(zhuǎn)換為代碼、自動(dòng)填充重復(fù)的代碼并顯示可選建議。

GitHub Copilot 的底層是如何工作的？

在底層，GitHub Copilot 從注釋和代碼中抽取上下文，生成逐行建議和整個(gè)函數(shù)。OpenAI CodeX 是一種機(jī)器學(xué)習(xí)模型，可以將自然語言轉(zhuǎn)換為代碼，為 GitHub Copilot 提供支持。

什么是 prompt engineering?

Prompt engineering 是給 AI 模型提供特定指令去產(chǎn)生想要結(jié)果的一種實(shí)踐。提示是可以觸發(fā) AI 模型響應(yīng)的一系列文本或一行代碼?？梢詫⑦@個(gè)概念比作收到論文提示?？赡軙盏揭粋€(gè)提示，要求寫一篇關(guān)于克服挑戰(zhàn)的經(jīng)歷的文章，或者寫一本經(jīng)典書籍，例如《了不起的蓋茨比》。因此，可以根據(jù)所學(xué)內(nèi)容對提示做出響應(yīng)。大型語言模型或 LLM 的表現(xiàn)與此類似。

這是 prompt engineering 的另一個(gè)例子

當(dāng)學(xué)習(xí)編程時(shí)，我曾參加過一項(xiàng)活動(dòng)，向機(jī)器人指示如何制作三明治。這是一項(xiàng)有趣兒愚蠢的活動(dòng)，它教會我：

• 計(jì)算機(jī)只能做你告訴他們做的事情

• 你的指示需要非常具體

• 它們更擅長一步一步接受訂單

• 算法只是一系列指令

例如，如果告訴機(jī)器人去制作三明治，我需要告訴它：

1. 打開面包袋

2. 從袋子中取出兩片面包

3. 將面包并排放在柜臺上

4. 用黃油刀將花生醬涂在一片面包上

5. 等等

如果沒有這些明確的指令，機(jī)器人可能會做一些愚蠢的事情，例如在兩片面包上涂花生醬，或者它可能根本不做任何事情。機(jī)器人不知道三明治是什么，也不知道如何制作三明治。它只知道遵循指示。

與此類似，GitHub Copilot 需要清晰的分步說明來生成最有幫助的代碼。

接下來，讓我們討論 prompt engineering 的最佳實(shí)踐，以便向 GitHub Copilot 提供清晰的指令并生成想要的結(jié)果。

使用 GitHub Copilot 進(jìn)行 prompt engineering 的最佳實(shí)踐

提供高級上下文，然后提供更詳細(xì)的說明

對我來說最好的技巧是在文件頂部的注釋中提供高級上下文，然后以注釋和代碼的形式提供更詳細(xì)的說明。

例如，如果構(gòu)建一個(gè)待辦事項(xiàng)的應(yīng)用程序。在頂部，我會注釋寫到：「使用 Next.js 構(gòu)建一個(gè)待辦事項(xiàng)應(yīng)用程序，允許用戶添加、編輯和刪除待辦事項(xiàng)」。然后在下面幾行中，將會編寫一條注釋來創(chuàng)建：

• 待辦事項(xiàng)組件列表，讓 GitHub Copilot 在評論下方生成該組件。

• 按鈕組件，讓 GitHub Copilot 在評論下方生成該組件。

• 輸入組件，讓 GitHub Copilot 在評論下方生成該組件。

• 添加函數(shù)，讓 GitHub Copilot 在評論下方生成該函數(shù)。

• 編輯函數(shù)，讓 GitHub Copilot 在評論下方生成該函數(shù)。

• 刪除函數(shù)，讓 GitHub Copilot 在評論下方生成該函數(shù)。

• 等等

以下是使用上述技術(shù)讓 p5.js 建造房屋的示例：

在下面的 GIF 中，在頂部寫了一條注釋，概括性描述了希望 p5.js 繪制的內(nèi)容。我想畫一座白色的房子，有棕色的屋頂、紅色的門和紅色的煙囪。然后，為房子的每個(gè)元素編寫注釋，然后讓 GitHub Copilot 為每個(gè)元素生成代碼。

提供具體細(xì)節(jié)

當(dāng)你提供具體詳細(xì)信息時(shí)，GitHub Copilot 將可以生成更準(zhǔn)確的代碼建議。例如如果你想要 GitHub Copilot 從 API 查詢數(shù)據(jù)，需要告訴它你想要查詢的數(shù)據(jù)類型、如何處理數(shù)據(jù)和希望訪問的 API endpoint。

這是一個(gè)沒有指定具體信息的注釋，GitHub Copilot 不太可能生成有用的建議：

// Get data from API
function getData() {
    //code goes here
}

在上面的例子中，GitHub Copilot 除了函數(shù)名以及左右括號之外，沒有產(chǎn)生任何內(nèi)容。

這是一個(gè)指定具體信息的注釋，GitHub Copilot 更有可能生成有用的建議：

// Pass in user ids and retrieve user data from jsonplaceholder.typicode.com API, then return it as a JSON object
async function getUserData(userId) {
    const response = await fetch(`https://jsonplaceholder.typicode.com/users/${userId}`);
    const data = await response.json();
    return data;
}

提供例子

除了告訴 GitHub Copilot 想要它做什么之外，還可以提供你喜歡的編碼風(fēng)格的例子來向其展示希望它做什么。雖然 GitHub Copilot 使用的 AI 模型已經(jīng)接受過大量數(shù)據(jù)的訓(xùn)練，但向 GitHub Copilot 提供示例可以幫助其理解特定代碼片段的上下文和約束。向人工智能模型展示希望它們做什么的示例是機(jī)器學(xué)習(xí)中的常見做法。

以下是工程師用來訓(xùn)練人工智能模型的一些方法：

• 零樣本學(xué)習(xí)（Zero-shot learning）

• 單樣本學(xué)習(xí)（One-shot learning）

• 少樣本學(xué)習(xí)（Few-shot learning）

我要求 ChatGPT 像我 5 歲的時(shí)候一樣想我解釋這些方法之間的區(qū)別，以下是它給我的內(nèi)容：

零樣本學(xué)習(xí)

這就像當(dāng)你看到一個(gè)以前從未見過的新玩具，但你知道它是什么，因?yàn)樗雌饋硐衲阋娺^的其他玩具。例如，如果你見過許多不同種類的毛絨動(dòng)物，即使你以前從未見過這種動(dòng)物，你也能夠認(rèn)出一種新的動(dòng)物。類似的，計(jì)算機(jī)可以通過使用它對相似事物的了解來對新事物做出有根據(jù)的猜測，從而學(xué)習(xí)識別新事物。

單樣本學(xué)習(xí)

這就像當(dāng)你第一次看到一個(gè)新玩具，你的爸爸和媽媽告訴你玩具叫什么和用途。只要聽過一次，你就可以記住它是什么，并且下次看到它時(shí)就能認(rèn)出它。計(jì)算機(jī)可以學(xué)習(xí)和識別新事物用同樣的方式通過僅展示幾個(gè)例子并從中學(xué)習(xí)。

少樣本學(xué)習(xí)

少樣本學(xué)習(xí)就像通過只看幾個(gè)例子來學(xué)習(xí)做新事情一樣。例如，假設(shè)說你想學(xué)習(xí)如何畫一只貓，但你之前只看過幾張貓的圖片。通過幾次學(xué)習(xí)，即使你以前沒有見過很多貓，你仍然可以學(xué)習(xí)如何畫貓。它就像是一種魔力，可以幫助你快速學(xué)習(xí)新事物，即使你沒有很多可供學(xué)習(xí)的例子。

以下是向 GitHub Copilot 提供示例和不提供示例時(shí)，它的回答。

不提供示例

# Create a list of the first 10 prime numbers
primes = []

for num in range(2, 30):
    if all(num % i != 0 for i in range(2, num)):
        primes.append(num)
print(primes)

在上面的代碼片段中，Github Copilot 將準(zhǔn)確返回前 10 個(gè)數(shù)字，但效率低，因?yàn)樗鼘⒀h(huán)遍歷 2 到 30 之間的所有 29 個(gè)數(shù)字。通過提供希望 GitHub Copilot 執(zhí)行的操作的具體示例，可以獲得更有效的結(jié)果。

提供示例

# Create a list of the first 10 prime numbers
# Example: [2, 3, 5, 7, 11, 13, 17, 19, 23, 29]
primes = []

for num in range(2, 30):
    if all(num % i != 0 for i in range(2, num)):
        primes.append(num)
    if len(primes) == 10:
        break
print(primes)

在上面的代碼片段中，GitHub Copilot 將返回前 10 個(gè)素?cái)?shù)并在找到全部 10 個(gè)時(shí)停止。目標(biāo)是獲得準(zhǔn)確但快速的結(jié)果，在將其推向正確的方向后，GitHub Copilot 成功實(shí)現(xiàn)了這一目標(biāo)。

附加建議

迭代你的提示

如果初始提示返回了所需的響應(yīng)，可以刪除生成的代碼建議，使用更多詳細(xì)信息和示例編輯評論，然后重試。對于你和 GitHub Copilot 來說，這是一個(gè)學(xué)習(xí)過程。使用它的次數(shù)越多，與 GitHub Copilot 溝通的就越順暢。

在 IDE 中保持相關(guān)文件打開的選項(xiàng)卡

目前，GitHub Copilot 無法獲取整個(gè)代碼庫的上下文。然而，它可以讀取當(dāng)前的文件以及在 IDE 中打開的任何文件。我發(fā)現(xiàn)保留希望 GitHub Copilot 引用的相關(guān)文件的選項(xiàng)卡是很有幫助的。例如，當(dāng)我寫一個(gè)依賴其他文件變量的函數(shù)，我將在 IDE 中保持該文件打開。這將有助于 GitHub Copilot 提供更準(zhǔn)確的建議。

給你的 AI 助手一個(gè)身份

我從 BitRise 的開發(fā)者倡導(dǎo)者 Leilah Simone 收到建議。我尚未使用 GitHub Copilot 嘗試此建議，但是這是有用的建議。它有助于控制用戶收到的響應(yīng)類型。在 Leila 的案例中，她要求 ChatGPT 表現(xiàn)的像一名高級的 IOS 工程師。她說：「這幫助她減少了語法和 linting 的問題」。

使用可預(yù)測模式

正如我們在上述許多種例子中看到的，GitHub Copilot 將遵循代碼中的模式。AI 愛好者和開發(fā)者 YK aka CS Dojo ，分享了他如何利用這一點(diǎn)來發(fā)揮自己的優(yōu)勢：

對描述其用途的變量和函數(shù)使用一致的、特定的命名約束

聲明變量或函數(shù)時(shí)，使用指定用于變量用途的名稱。這將幫助 GitHub Copilot 了解變量的上下文并生成更多相關(guān)建議。例如，不要使用「value」等通用變量名稱，而應(yīng)使用「input_string」或 「output_file」。

GitHub Copilot 還將使用在代碼中使用的命名約定。例如，如果使用駝峰式命名變量，GitHub Copilot 將建議駝峰式命名變量。如果你使用 snake_case 作為變量，GitHub Copilot 將建議 snake_case 變量。

使用良好的編碼實(shí)踐

雖然 GitHub Copilot 可以作為生成代碼建議的強(qiáng)大工具，但請務(wù)必注意，它并不能取代你自己的編程技能和專業(yè)知識。人工智能模型的好壞取決于它們所訓(xùn)練的數(shù)據(jù)，因此，重要的是使用這些工具作為輔助工具，而不是完全依賴它們。我鼓勵(lì) GitHub Copilot 的每個(gè)用戶：

• review 代碼

• 運(yùn)行單元測試、集成測試和任何其他形式的測試代碼

• 手動(dòng)測試代碼以確保其按預(yù)期工作

• 并使用良好的編碼實(shí)踐，因?yàn)?GitHub Copilot 將遵循你的編碼風(fēng)格和模式作為其建議的指南

超越你的編譯器

當(dāng)前，GitHub Copilot 是最流行的 IDE 中的提供的擴(kuò)展插件。還有 GitHub Copilot Labs，這是一個(gè)可通過 GitHub Copilot 訪問的單獨(dú)實(shí)驗(yàn)性擴(kuò)展。Copilot Labs 可以幫助翻譯、調(diào)試、測試、記錄和重構(gòu)代碼。此外，還退出了 Copilot X，這是一套可以提高 IDE 之外的開發(fā)人員工作效率的功能。Copilot X 包括：

• Copilot for Docs - 使開發(fā)人員免于搜尋大量的文檔。
• Copilot for Pull Requests - 幫助編寫更好的 PR 描述并幫助團(tuán)隊(duì)更好的快速審查和合并 PR
• Copilot Chat - 在編輯器中通過 GitHub Copilot 聊天獲得類似的 ChatGPT 的體驗(yàn)
• Copilot for CLI - 幫助記住 Shell 命令和標(biāo)志，以編更快地在終端運(yùn)行命令
• Copilot Voice - 編寫和編輯代碼、瀏覽代碼庫以及用語音控制 Visual Studio Code

Copilot X 功能/產(chǎn)品目前處于技術(shù)預(yù)覽階段。如果想要使用上述功能之一，可以在 https://github.com/features/preview/copilot-x 上注冊等待名單。

開始使用 GitHub Copilot 練習(xí) prompt engineering

了解如何最佳使用 GitHub 的最佳方法就是開始使用它，可以在此處注冊訪問 GitHub Copilot https://github.com/features/copilot

如果你是企業(yè)領(lǐng)導(dǎo)者并且希望讓團(tuán)隊(duì)訪問 GitHub Copilot，可以在此處注冊 GitHub Copilot https://github.com/github-copilot/business_signup/choose_business_type

讓我們保持共同學(xué)習(xí)

感謝閱讀本篇博文。我很想聽聽你的消息！我還在學(xué)習(xí)更多關(guān)于人工智能、GitHub Copilot、和 prompt engineering 的知識。如果是是 GitHub Copilot 的粉絲并且已經(jīng)學(xué)會如何使用它來改進(jìn)開發(fā)人員工作流程，可以在下面的評論中分享一些你的技巧。

另外，可以查看以下更多的資源了解有關(guān) prompt engineering 的更多信息

• How to get Codex to produce the code you want

• Prompt Design from OpenAI

• Prompt Engineering 101: Introduction to Codex

• Prompt Engineering Guide by Elvis Saravia文章來源地址http://www.zghlxwxcb.cn/news/detail-623396.html

參考資料

• A Beginner’s Guide to Prompt Engineering with GitHub Copilot - DEV Community

到了這里，關(guān)于使用 GitHub Copilot 進(jìn)行 Prompt Engineering 的初學(xué)者指南（譯）的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！