如何GitHub Copilot 提高开发人员的生产力由Preeti Verma

经过 R Systems4m1970/01/01

太長; 讀書

Preeti Verma 在 R Systems Blogbook 第 1 章的获奖文章中探讨了 GitHub Copilot 如何通过自动化代码任务,协助调试,并加快学习新技术来提高生产力,其中包括实时建议和测试生成。

featured image - 如何GitHub Copilot 提高开发人员的生产力由Preeti Verma

‘laptop screen displaying arbitrary code’ Image created by HackerNoon AI Image Generator

介绍

基于OpenAI的Codex,GitHub Copilot是一款人工智能驱动的编码助理,与Visual Studio Code、JetBrains和Neovim等流行的IDE无缝集成,通过分析背景、评论和现有代码,Copilot提供实时建议,从单行自动完成到完整的功能,极大地加速开发工作流程。

减少锅炉代码.
学习新框架/语言更快.
有效地调试和文档。
减轻锅炉板代码。
更快地学习新框架/语言。
有效地调试和文档。
流线协作。

1 加速重复任务

1 加速重复任务

板块代码生成

Boilerplate代码世代

Copilot在生成重复代码结构方面表现出色,例如:

类定义 (例如,反应组件,Python数据模型)。
API终端点 (例如,Flask,FastAPI)。
数据库查询 (例如,SQL,ORM片段)。

类定义 (例如,反应组件,Python数据模型)。类别定义
API端点 (例如,Flask,FastAPI)。API终端点

数据库查询 (例如,SQL,ORM片段)。数据库查询

例子:

例子

开发人员在Python文件中键入 def create_user 可能会收到:

python def create_user(用户名: str,电子邮件: str) -> 用户: ""在数据库中创建新用户。" user = User(username=username, email=email) db.session.add(user) db.session.commit()返回用户

python
def create_user(username: str, email: str) -> User:  
    """Create a new user in the database."""  
    user = User(username=username, email=email)  
    db.session.add(user)  
    db.session.commit()  
    return user

影响:

影响力

节省了30–50%的键盘打击(GitHub,2022年)。
减少了日常任务的认知负荷。
Save 30–50% 的键盘打击(GitHub, 2022)。<强>30～50%

减少日常任务的认知负荷。

2 背景了解代码完成

2 背景意识的代码完成

Copilot分析:

打开文件和导入.
变量名称和函数签名.
评论和文本字符串。
打开文件和导入。
变量名称和函数签名。
评论和教程。

使用案例:

使用案例

在JavaScript文件中,输入了 axios ,键入:

javascript // 从 API

javascript
// Fetch user data from API

Triggers Copilot 建议:

javascript const response = wait axios.get('/api/users');返回响应.data;

javascript
const response = await axios.get('/api/users');  
return response.data;

优势:

Minimizes context-switching 到文档。

Minimizes context-switching 到文档。背景交换

3 学习新技术

3 学习新技术

Copilot 作为未知语言/框架的实时导师。

例子:为Python开发人员而努力

例子:为Python开发人员而努力

开发者写道:

rust // 计算 n

的因子值

rust
// Calculate factorial of n

Copilot 建议:

rust fn factorial(n: u32) -> u32 {匹配 n { 0 => 1, _ => n * factorial(n - 1), }

rust
fn factorial(n: u32) -> u32 {  
    match n {  
        0 => 1,  
        _ => n * factorial(n - 1),  
    }  
}

结果:

结果

更快登机到新的堆栈。
鼓励实验。
更快登陆到新的堆栈。

鼓励实验。

4 调试和文档

4 调试和文档

自动生成的Docstrings

自动生成的Docstrings

对于 Python 函数:

python def calculate_discount(价格:浮动,折扣:浮动) ->浮动:

python
def calculate_discount(price: float, discount: float) -> float:

Copilot 添加:

python """ 计算了折扣的价格。Args:价格(float):原始价格。折扣(float):折扣的百分比(0-1)。python
"""  
Calculates the discounted price.  

Args:  
    price (float): Original price.  
    discount (float): Discount percentage (0-1).  

Returns:  
    float: Final price after discount.  
"""  
错误分辨率
错误分辨率Copilot 解释常见的错误(例如:TypeError、未定义变量)并建议修复。
 
 
5 单元测试生成
5 单元测试生成Copilot的测试案例草案与常见的测试框架相一致(例如, pytest, Jest)。
例子:
 例子 为一个函数:
 
 
python def divide(a: float, b: float) -> float: return a / b 
python
def divide(a: float, b: float) -> float:  
    return a / b  
 
 
Typing def test_divide 引发器:
 
 
python def test_divide(): assert divide(10, 2) == 5 assert divide(0, 1) == 0 with pytest.raises(ZeroDivisionError): divide(1, 0) 
python
def test_divide():  
    assert divide(10, 2) == 5  
    assert divide(0, 1) == 0  
    with pytest.raises(ZeroDivisionError):  
        divide(1, 0)  
Impact:
影响力 改进了测试覆盖率 以最小努力。
改进 测试覆盖率 用最小努力。测试覆盖面 
 
6 数据库查询支持
 6. 数据库查询支持Copilot 简化了 SQL/NoSQL 查询:
例子:
 例子 类似的评论:
 
 
sql - 获取2023年创建的活跃用户 
sql
-- Get active users created in 2023  
 
 
生成:
 
 
sql SELECT * FROM users WHERE status = 'active' AND created_at >= '2023-01-01'; 
sql
SELECT * FROM users  
WHERE status = 'active' AND created_at >= '2023-01-01';  
支持的工具:
支持的工具 SQLAlchemy, Django ORM, MongoDB 查询。
SQLAlchemy, Django ORM, MongoDB 查询。 
 
7 合作 & 代码一致性
 7. 合作 & 代码一致性 强化模式:一致的docstrings、错误处理和风格。
 帮助新团队成员:通过评论解释遗传代码。
强化模式:一致的字符串,错误处理和风格。强化模式
帮助新团队成员登机:通过评论解释遗传代码。帮助新团队成员登机 
 
挑战和缓解
挑战与缓解
挑战
 挑战  
 
 
 
 
 
 
 
  
 
  
 
  
 
 
 强化 
 强化
 暴力事件
不正确的建议
安全风险(如硬密钥)
过度依赖
 Challenge  
 
 
 
      
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 <
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
  挑战   挑战
 挑战
 不正确的建议   始终手动检查逻辑。  不正确的建议   始终手动检查逻辑。
 始终手动检查逻辑。
 安全风险(例如,硬代码密钥)   避免使用敏感代码。  安全风险(如硬密钥)   避免使用敏感代码。
避免使用敏感代码。
 过度依赖   用作助手,而不是替代品。  过度依赖  用作助手,而不是替代品。
用作助手,而不是替代品。
 
 
量化效益
量化效益  55% 更快 任务完成(GitHub, 2023)。
 74% 的开发人员报告减少心理努力(Stack Overflow Survey, 2023)。
55%更快 任务完成(GitHub, 2023)。 55% 更快
74%的开发人员报告了减少的心理努力(Stack Overflow 调查,2023年)。74% 的开发者 
 
总结
 结论GitHub Copilot正在通过:
改变开发者的生产力 
 
  作为一个24/7对程序员。
作为一个24/7对程序员的行为。24/7对程序员
  减少对重复任务所花费的时间
.
 
减少对重复任务所花费的时间
。在重复任务上花费的时间 向新技术降低障碍
向新技术降低障碍 Lowering barriers
 
 
为了获得最佳结果,将Copilot的速度与人力监督相结合,以确保代码质量和安全性。人力监督《hr》 这篇文章由 Preeti Verma赢得了R Systems的第1轮博客:第1章
 
这篇文章由 Preeti Verma赢得了R Systems的第一轮博客:第一章
普雷蒂·维尔玛《hr》

Challenge
			<
挑战	挑战
挑战
不正确的建议	始终手动检查逻辑。	不正确的建议	始终手动检查逻辑。始终手动检查逻辑。
安全风险(例如,硬代码密钥)	避免使用敏感代码。	安全风险(如硬密钥)	避免使用敏感代码。避免使用敏感代码。
过度依赖	用作助手,而不是替代品。	过度依赖	用作助手,而不是替代品。用作助手,而不是替代品。量化效益量化效益 55% 更快任务完成(GitHub, 2023)。 74% 的开发人员报告减少心理努力(Stack Overflow Survey, 2023)。 55%更快任务完成(GitHub, 2023)。 55% 更快 74%的开发人员报告了减少的心理努力(Stack Overflow 调查,2023年)。74% 的开发者总结结论 GitHub Copilot正在通过: 改变开发者的生产力作为一个24/7对程序员。作为一个24/7对程序员的行为。24/7对程序员减少对重复任务所花费的时间 .