在您的 IDE 中负责任地使用 GitHub Copilot Chat

关于 GitHub Copilot Chat

GitHub Copilot Chat 是一款聊天界面，可让您与 GitHub Copilot 进行交互，在 GitHub 网站和受支持的 IDE 中询问和接收与编码相关的问题的答案。聊天界面提供了访问编码信息和支持的功能，无需您浏览文档或搜索在线论坛。有关更多信息，请参阅“什么是 GitHub Copilot？”。

GitHub Copilot Chat 可以回答各种与编码相关的问题，主题包括语法、编程概念、测试用例、调试等等。GitHub Copilot Chat 并非旨在回答非编码问题或提供编码以外主题的一般信息。

GitHub Copilot Chat 主要支持的语言为英语。

GitHub Copilot Chat 通过结合自然语言处理和机器学习来理解您的问题并提供答案。此过程可以分解为多个步骤。

输入处理

来自用户的输入提示由 Copilot Chat 系统预处理，并结合上下文信息（例如，用户当前正在查看的存储库的名称和用户打开的文件），然后发送到大型语言模型。用户输入可以采用代码片段或纯文本的形式。

用户可以创建可选的 .github/copilot-instructions.md 文件，从中自动将其他上下文信息添加到聊天提示中。这些附加信息不会显示在聊天中，但如果将说明发送到模型，则该文件会在聊天回复中列为参考。用户可以在 Copilot 扩展设置中禁用此功能。

大型语言模型将获取提示，收集其他上下文（例如存储在 GitHub 上的存储库数据），并根据提示提供回复。该系统仅旨在响应与编码相关的问题。

语言模型分析

然后，预处理的提示将通过 Copilot Chat 语言模型，该模型是在大量文本数据上训练的神经网络。语言模型分析输入提示。

响应生成

语言模型根据其对输入提示的分析以及提供给它的上下文生成响应。语言模型可以收集其他上下文并根据提示提供响应。此响应可以采用生成的代码、代码建议或对现有代码的解释的形式。

当您使用 @github 聊天参与者时，Copilot Chat 将能够从您存储在 GitHub 上的代码以及 Bing 的搜索结果（如果您的管理员已启用）中收集上下文。

输出格式化

Copilot Chat 生成的响应将被格式化并呈现给用户。Copilot Chat 可能会使用语法高亮显示、缩进和其他格式化功能来提高生成响应的清晰度。根据用户的提问类型，还可以提供指向模型在生成响应时使用的上下文的链接，例如源代码文件或文档。

GitHub Copilot Chat 旨在为您提供与您的问题最相关的答案。但是，它可能并非总是能提供您要查找的答案。Copilot Chat 的用户有责任审查和验证系统生成的响应，以确保其准确性和适用性。此外，作为我们产品开发流程的一部分，我们进行红队测试以了解和提高 Copilot Chat 的安全性。输入提示和输出补全将通过内容过滤器运行。内容过滤系统检测并阻止特定类别内容的输出，包括有害、冒犯性或偏离主题的内容。有关提高 GitHub Copilot Chat 性能的更多信息，请参阅“提升 GitHub Copilot Chat 的性能”。

利用网络搜索来回答问题

当您使用 @github 聊天参与者时，如果您的管理员已启用，GitHub Copilot Chat 可以使用 Bing 搜索来帮助回答您的问题。

您的 GitHub Enterprise 管理员可以为整个企业启用 Bing，也可以将此决定委托给组织管理员。有关更多信息，请参阅“在您的企业中执行 GitHub Copilot 的策略”。

在利用 Bing 时，Copilot 将使用您的提示内容以及其他可用上下文，代表您生成 Bing 搜索查询并将其发送到 Bing 搜索 API。Copilot 将在其回复中提供指向搜索结果的链接。发送到 Bing 的搜索查询受Microsoft 的隐私声明约束。

GitHub Copilot Chat 的用例

GitHub Copilot Chat 可以在各种场景中提供编码帮助。

生成单元测试用例

Copilot Chat 可以帮助您编写单元测试用例，方法是根据编辑器中打开的代码或您在编辑器中突出显示的代码片段生成代码片段。这可能有助于您编写测试用例，而无需花费太多时间在重复性任务上。例如，如果您正在为特定函数编写测试用例，您可以使用 Copilot Chat 根据函数的签名和主体建议可能的输入参数和预期输出值。Copilot Chat 还可以根据代码的上下文和语义建议断言，以确保函数正常工作。

Copilot Chat 还可以帮助您编写可能难以手动识别的极端情况和边界条件的测试用例。例如，Copilot Chat 可以建议错误处理、空值或意外输入类型的测试用例，帮助您确保代码健壮且有弹性。但是，请注意，生成的测试用例可能无法涵盖所有可能的情况，因此仍然需要手动测试和代码审查才能确保代码的质量。有关生成单元测试用例的更多信息，请参阅“询问 GitHub Copilot Chat 与代码相关的问题”。

解释代码并建议改进

Copilot Chat 可以通过生成对代码功能和目的的自然语言描述来帮助解释选定的代码。如果您想了解代码的行为或非技术利益相关者需要了解代码的工作原理，这将非常有用。例如，如果您在代码编辑器中选择一个函数或代码块，Copilot Chat 可以生成对代码执行的操作以及它如何在整个系统中发挥作用的自然语言描述。这可能包括有关函数的输入和输出参数、其依赖项以及其在更大应用程序中的目的的信息。

Copilot Chat 还可以建议对选定代码的潜在改进，例如改进的错误和极端情况处理，或更改逻辑流程以使代码更易于阅读。

通过生成解释和建议相关文档，Copilot Chat 可以帮助您理解选定的代码，从而改进协作和更有效地进行软件开发。但是，请注意，生成的解释和文档可能并非总是准确或完整的，因此您需要审查并偶尔更正 Copilot Chat 的输出。

提出代码修复建议

Copilot Chat 可以通过根据错误或问题的上下文建议代码片段和解决方案来提出修复代码中错误的建议。如果您难以确定错误的根本原因或需要有关最佳修复方法的指导，这将非常有用。例如，如果您的代码生成错误消息或警告，Copilot Chat 可以根据错误消息、代码语法和周围代码建议可能的修复方法。

Copilot Chat 可以建议更改变量、控制结构或函数调用，这些更改可能会解决问题并生成可以合并到代码库中的代码片段。但是，请注意，建议的修复方法可能并非总是最佳或完整的，因此您需要审查和测试这些建议。

回答编码问题

您可以向 Copilot Chat 寻求有关特定编码问题的帮助或澄清，并以自然语言格式或代码片段格式接收回复。

Copilot Chat 生成的回复将使用模型的训练数据集来回答您的问题。

当您使用 @github 聊天参与者时，生成的回复还可以使用来自 Bing 的搜索结果、您存储库中的代码以及知识库中的 Markdown 文档。

这对于程序员来说是一个有用的工具，因为它可以为常见的编码任务和挑战提供指导和支持。

提升 GitHub Copilot Chat 性能

Copilot Chat 可以支持各种实际应用，例如代码生成、代码分析和代码修复，每种应用都有不同的性能指标和缓解策略。为了增强性能并解决 Copilot Chat 的一些限制，您可以采取多种措施。有关 Copilot Chat 限制的更多信息，请参阅“GitHub Copilot Chat 的限制”。

保持提示主题相关

Copilot Chat 旨在专门解决与编码相关的查询。因此，将提示限制为编码问题或任务可以提高模型的输出质量。

将 Copilot Chat 作为工具，而非替代品

虽然 Copilot Chat 可以成为生成代码的强大工具，但务必将其用作工具，而非人类编程的替代品。您应始终审查和测试 Copilot Chat 生成的代码，以确保其满足您的要求并且没有错误或安全问题。

使用安全编码和代码审查实践

虽然 Copilot Chat 可以生成语法正确的代码，但它可能并不总是安全的。您应始终遵循安全编码的最佳实践，例如避免硬编码密码或 SQL 注入漏洞，以及遵循代码审查的最佳实践，以解决 Copilot Chat 的限制。

提供反馈

如果您遇到任何 Copilot Chat 的问题或限制，我们建议您通过 IDE 中 Copilot Chat 界面中的“分享反馈”链接提供反馈。这可以帮助开发人员改进工具并解决任何问题或限制。

保持更新

Copilot Chat 是一项新技术，可能会随着时间的推移而发展。您应随时了解该工具的任何更新或更改，以及可能出现的任何新的安全风险或最佳实践。Visual Studio Code、Visual Studio 和 JetBrains 系列 IDE 默认情况下启用自动扩展更新。对于 GitHub 中的 GitHub Copilot Chat，您将始终可以访问最新的产品体验。如果您启用了自动更新，则在您打开 IDE 时，Copilot Chat 会自动更新到最新版本。有关 IDE 中自动更新的更多信息，请参阅Visual Studio Code 文档、Visual Studio 文档 和JetBrains IDE 的文档。

GitHub Copilot Chat 的限制

根据代码库和输入数据等因素，您在使用 Copilot Chat 时可能会遇到不同级别的性能。以下信息旨在帮助您了解系统限制和与性能相关的关键概念，因为它们适用于 Copilot Chat。

范围有限

Copilot Chat 已接受大量代码的训练，但范围仍然有限，可能无法处理更复杂的代码结构或晦涩的编程语言。对于每种语言，您收到的建议的质量可能取决于该语言的训练数据的数量和多样性。例如，JavaScript 在公共存储库中得到了很好的体现，并且是 GitHub Copilot 最好的支持语言之一。在公共存储库中表示较少的语言可能更难以获得 Copilot Chat 的帮助。此外，Copilot Chat 只能根据正在编写的代码的上下文建议代码，因此它可能无法识别更大的设计或架构问题。

潜在偏差

Copilot 的训练数据来自现有的代码存储库，这些存储库可能包含可能会被该工具延续的偏差和错误。此外，Copilot Chat 可能偏向于某些编程语言或编码风格，这可能导致次优或不完整的代码建议。

安全风险

Copilot Chat 根据正在编写的代码的上下文生成代码，如果使用不当，可能会泄露敏感信息或漏洞。在使用 Copilot Chat 为安全敏感应用程序生成代码时，您应该小心，并始终彻底审查和测试生成的代码。

与公共代码匹配

Copilot Chat 能够生成新代码，它以概率的方式执行此操作。虽然它可能生成与训练集中代码匹配的代码的概率很低，但 Copilot Chat 建议可能包含一些与训练集中代码匹配的代码片段。

代码不准确

Copilot Chat 的限制之一是它可能生成看起来有效的代码，但实际上可能在语义上或语法上不正确，或者可能无法准确反映开发人员的意图。为了降低代码不准确的风险，您应仔细审查和测试生成的代码，尤其是在处理关键或敏感应用程序时。您还应确保生成的代码符合最佳实践和设计模式，并适合代码库的整体架构和风格。

对非编码主题的响应不准确

Copilot Chat 并非旨在回答非编码问题，因此在这些情况下，其响应可能并不总是准确或有帮助的。如果用户向 Copilot Chat 提问一个非编码问题，它可能会生成一个无关或无意义的答案，或者它可能只是表明它无法提供有用的响应。

后续步骤

有关如何使用 GitHub Copilot Chat 的详细信息，请参阅

• "在您的 IDE 中向 GitHub Copilot 提问"
• "在 GitHub 中向 GitHub Copilot 提问"（在 GitHub Enterprise Cloud 文档中）。

进一步阅读

• "GitHub 其他产品和功能条款"
• "GitHub 预发布许可条款"
• GitHub Copilot 信任中心