Github Copilot学习笔记

（一）Prompt Engineering

• 利用AI工具生成prompt
  
• 筹划好的prompt结构
  
• 利用MarkDown语法，按Role, Skills, Constrains, Background, Requirements和Demo这几个维度形貌需求。然后收输入提示词：作为 [Role], 拥有 [Skills], 严酷遵守 [Constrains]，根据[Background]和[Requirements], 参考[Demo]开始工作.
  
• 
  
  

1.Specific Persona 明确Copilot的身份

• 好的例子
  

1.你是一个Senior的Typescript Developer，非常留意代码质量、抽象度、稳固性和代码执行服从

2.Break Down 任务拆解

• 原则
  

1.AI最相识AI本身，与AI聊天，合作完成任务的拆解
2.不要试图在一次对话或者一个文件中让AI全部扫描，让它本身做拆分逐个学习和理解，反复提问
3.Specific Requirements with Constrain 明确需求，包罗输入输出和实现标准及束缚条件

目标明确
确定束缚条件
用什么语言或格式输出
可以提供示例
4.Keep the context Relevant保持上下文关联

• 原则
  

1.让AI逐个理解你的输入，扣问它的疑惑点或者扣问其是否对项目有了进一步的相识，check它理解的正确性，并考察它几个紧张的概念，纠正它的错误理解，并最终让它编写“学习笔记”，形成Knowledge Bases的Local MD文件
2.在具体功能细节上利用注释和函数作用声明
3.在Setttings中声明Instructions，文件内包含了对Copilot的各种规范、规则、和期望
4.由于GitHub Copilot 的Search能力，除了自带的Github Search之外，得基于第三方Participant（比如Bing），以是结合ChatGPT的Search能力帮助其进行竞品分析，这也是一个获取其他相关质料来投喂的一种方式
5.可以自动扣问AI一次可以分析多少条case
6.当AI无法分析PDF或DOC等文件时，可以让它提供代码，转化成文本文件，然后作为AI的输入

（二）Reviewing and Redifining Suggestions

• 原则
  

1.Check and then Accept, check的过程中假如发现AI理解或者发起错误，不要盲目继续，而是直接指出错误的地方，让它重新调解后再给出发起，不断的沟通和要求其调解，直到满足后才Accept

• 好的例子
  

1.明确告知AI你给的是A，而我想要B，克制机械地重复给我B
2.先对其认知，扣问它对需求的理解是什么，问它有什么狐疑，并给予逐一答复并再三确认，先给予再要求输出
3.直接重开一个Chat
（三）Efficient Collaboration

• 原则
  

从Chat到Edit到Inline，是一个从Overview到Detail，从整体到细节的过程，从High Level的讨论 （用Chat），到执行（Edit）, 再到微调（Inline Suggestion）。这个流程下来，本身不用动手写一行代码，全程在指挥（聊天）

• 好的例子
  

1.GitHub Copilot实在在代码相关的功能方面体现比较有优势，比如代码、命令行、注释、数据库查询生成；API与框架筹划；代码表明、Debugging；以及IaC方面的发起生成等。 结合VSCode，可以直接进行文件编辑，比如测试用例编写。
ChatGPT 则可以大概在代码之外给出更多更具体的发起，风趣的是，我跟ChatGPT相识该怎样用好GitHub Copilot，它倒是给出了不少有效的发起。

（四）Improvement



免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。