github copilot：您的AI对程序员

使用GitHub CopIlot，在编辑器内部提供全线或整个函数的建议。

Github Copilot培训了数十亿行公告，将您需要的知识放在触手可及，节省您的时间并帮助您保持专注。

GitHub Copilot今天可用作为Visual Studio代码扩展名。它在Visual Studio代码工作的任何地方 - 在您的计算机上或GitHub代码空间上的云中。它足以在您键入时使用。

GitHub Copilot使用广泛的框架和语言。技术预览尤其适用于Python，JavaScript，Cyperscript，Ruby以及Go，但它理解了数十种语言，可以帮助您几乎任何东西都找到您的方式。

使用GitHub CopIlot，您总是负责。您可以通过替代建议循环，选择接受或拒绝，并手动编辑建议的代码。 GitHub Copilot适应您所做的编码，匹配您的编码风格。

GitHub Copilot由Codex提供动力，由Openai创建的新AI系统。 GitHub Copilot比大多数代码助理更明显地理解更多的上下文。因此，无论是在DocString，注释，功能名称还是代码本身中，Github Copilot都使用您提供的上下文并综合代码来匹配。与Openai一起，我们设计GitHub Copilot在制作安全和有效的代码时更聪明，因为开发人员使用它。

跳过文档并停止搜索示例。 GitHub CopIlot有助于您在您的编辑中重点关注。

将评论转换为代码。写一个描述所需逻辑的注释，并让GitHub Copilot为您组装代码。

用于重复码的自动夹。 GitHub Copilot非常适合快速生产样板和重复码模式。喂它一些例子，让它生成其余的！

没有辛劳的测试。测试是任何强大的软件工程项目的骨干。导入单元测试包，让GitHub CopIlot建议符合实现代码的测试。

告诉我替代品。想评估一些不同的方法吗？ GitHub Copilot可以向您展示一个解决方案列表。使用所提供的代码或编辑以满足您的需求。

无论您是新的语言或框架，还是只是学习代码，Github Copilot都可以帮助您找到自己的方式。解决错误，或者学习如何使用新框架，而无需花费大部分时间都会通过文档剥夺或搜索网络。

数百名工程师，包括许多人，每天都在使用GitHub Copilot。它＆＃39;在他们工作的方式转变 - 这里他们所说的话：

试图通过Googling代码以不熟悉的语言代码一切都喜欢用短语浏览一个外国。使用github copilot就像雇用翻译。

它让我感到惊讶于它是如何准确理解我的评论和生成准确的建议。选择10个不同的建议的能力是顶部的樱桃。

在第一天，GitHub Copilot已经教会了JavaScript对象比较中的细微差别，并与我的数据库模式一样舒适。这是我见过的ml的最大思想吹嘘。

我＆＃39; M留下的Github Copilot如何完全了解我想要输入的内容。 GitHub CopIlot在在反应组件上工作时特别有用，在那里它令人生意的准确预测。 GitHub Copilot已成为我的程序员工具包的不可或缺的一部分。

GitHub Copilot发现我在工作中的测试文件缺少特定测试并建议并为我写了测试。

GitHub CopIlot是AI对程序员，可帮助您更快地编写代码和更少的工作。 github copilot从评论和代码中绘制上下文，并立即建议单个线条和整个函数。 GitHub Copilot由Openai Codex提供动力，是由Openai创建的新AI系统。 GitHub CopIlot技术预览可作为Visual Studio代码扩展名可用。

Openai Codex培训了公开的源代码和自然语言，因此它理解编程和人类。 GitHub Copilot Editor扩展将您的评论和代码发送到GitHub Copilot服务，然后使用Openai Codex来合成和建议单个线条和整个功能。

我们最近在开源repos中对一组Python函数进行了基准测试，该函数具有良好的测试覆盖范围。我们消失了函数体，并要求GitHub CopIlot填补它们。该模型在第一次尝试时43％的时间得到了43％，而57％的时间允许10次尝试。它一直都更聪明。

不可以。github copilot试图了解你的意图并生成它可以的最好的代码，但它表明的代码可能并不总是有效，甚至有意义。虽然我们正在努力使GitHub CopIlot更好地，但应仔细测试GitHub Copilot建议的代码，如任何其他代码一样仔细测试，审查和审核。作为开发人员，您总是负责。

将代码划分为小功能时，它最佳工作，使用有意义的名称参数，并根据您的方式写入好的文档和评论。当它帮助您导航不熟悉的库或框架时，它似乎也是最好的。

github copilot在提出建议时使用当前文件作为上下文。它还没有将项目中的其他文件作为合成的输入。这意味着，例如，将类型声明复制/粘贴到您正在处理的文件中，可以改善GitHub Copilot的建议。这是我们将来会改善的事情。

github copilot实际上并不测试它所暗示的代码，因此代码甚至可能无法编译或运行。 GitHub CopIlot只能持有非常有限的上下文，因此甚至剪切了超过几百行的单源文件，并且仅使用立即上下文。和GitHub Copilot可能会建议图书馆和语言的旧或已弃用的用途。您可以在任何地方使用代码，但您可以自行承担风险。

贡献的最佳方法是注册技术预览。通过使用GitHub CopIlot并共享您的反馈，您可以帮助改进电源GitHub Copilot的模型。

当然！请使用#githubcopilot当您发布时，我们可以看到您的产品！

GitHub Copilot由Openai Codex提供动力，是由Openai创建的新AI系统。它已经接受了各种英语语言和源代码的培训，包括Github上的公共存储库中的代码。

培训机器在公开数据上学习模型现在是整个机器学习界的常见做法。模型从公共集体智能增强了洞察力和准确性。但这是一个新的空间，我们热衷于与这些主题的开发人员进行讨论，并在制定适当的培训AI模型方面的行业。

当第一次启动新平台或API时，开发人员最不熟悉它。还有很少使用的公共代码使用该API，并且机器学习模型不太可能在没有微调的情况下生成代码。在未来，我们将提供突出较新的API和样本的方法，以提高他们在Github Copilot的建议中的相关性。

GitHub Copilot是代码合成器，而不是搜索引擎：绝大多数代码是唯一生成的，从未见过。我们发现约0.1％的时间，建议可能包含一些来自训练集的逐字的片段。以下是对模型的行为进行深入研究。当您不提供足够的上下文时（特别是在编辑空文件时）时，发生了许多这些情况，或者当存在常见的情况下，可能甚至是通用的，解决问题。我们正在构建原始跟踪器，以帮助检测从培训集重复的罕见代码实例，以帮助您对GitHub Copilot的建议提供良好的实时决策。

您负责在GitHub Copilot的帮助下创建的内容。我们建议您仔细测试，查看和验证代码，根据您自己写的任何代码。

不，虽然每个友好的机器人喜欢偶尔的谢谢，但你绝不有义务义务信用GitHub Copilot。

由于GitHub Copilot在公开可用的代码上培训，因此其培训集包括该代码中包含的公共个人数据。从我们的内部测试来看，我们发现它非常罕见，即Github Copilot建议包括从训练集中逐字的个人数据。在某些情况下，该模型将建议似乎是个人数据 - 电子邮件地址，电话号码，访问密钥等 - 但实际上是从训练数据中的模式合成的构成信息。对于技术预览，我们已经实施了一个基本的过滤器，该过滤器会在标准格式中显示时阻止电子邮件，但如果您努力努力，仍然可以提出这种内容。

世界上有很多具有不安全的编码模式，错误或对过时的API或习语的引用的公共代码。当GitHub Copilot基于此数据合成代码建议时，它还可以合成包含这些不期望的模式的代码。这是我们在GitHub的很多关于Github的事情，近年来我们提供了诸如操作，依赖和CodeQL等工具来开源项目，以帮助提高代码质量。同样，随着GitHub Copilot改进，我们将努力排除培训集中的不安全或低质量代码。当然，您应该始终使用GitHub CopIlot以及测试实践和安全工具以及您自己的判断。

技术预览包括筛选器来阻止攻击性词语，避免在敏感上下文中综合建议。由于底层技术的预发布性，GitHub Copilot有时可能产生不希望的输出，包括偏置，歧视，滥用或令人反感的产出。如果您看到冒犯性输出，请直接向[email protected]报告它们，以便我们可以改善我们的保障措施。 GitHub非常认真地提出这一挑战，我们致力于使用GitHub Copilot来解决它。

带入更智能的系统有可能对开发人员体验带来巨大的变化。我们预计这项技术将使现有工程师能够更加富有成效，减少手动任务，并帮助他们专注于有趣的工作。我们还认为GitHub Copilot有可能降低进入障碍，使更多人能够探索软件开发并加入下一代开发人员。

为了生成建议，Github CopIlot将您正在编辑的文件的一部分传输到服务。此上下文用于综合您的建议。 GitHub Copilot还记录了建议是否被接受或拒绝。此遥测用于改善AI系统的未来版本，以便GitHub Copilot将来可以为所有用户提供更好的建议。在未来，我们将为用户提供控制如何使用遥测的选项。有关我们使用遥测的更多信息可以在这里找到。

所有数据都被安全地发送和存储。对遥测的访问严格限于个人的必要性。检查收集的源代码将主要是自动的，当人类读取它时，它专门用于改善模型或检测滥用。

不可以。我们使用遥测数据，包括关于哪些建议用户接受或拒绝的信息，以改善模型。为其他用户生成代码时，我们不会引用您的私人代码。

GitHub Copilot需要最先进的AI硬件。在技​​术预览期间，我们将GitHub Copilot提供给有限数量的测试人员。当我们推出商业产品时，我们将尽可能广泛地提供。

如果技术预览成功，我们的计划是在将来建立GitHub Copilot的商业版本。我们希望使用预览来了解人们如何使用GitHub Copilot以及在规模上运行它所需的内容。

还没有。 目前，我们专注于仅在Visual Studio代码中提供最佳体验。