Resumen

En este módulo, revelamos las complejidades de la optimización de GitHub Copilot mediante indicaciones eficaces. Aprovechar el potencial máximo de la herramienta se encuentra en el arte y la ciencia de la ingeniería de solicitudes. Ahora, estás equipado con aptitudes y conocimientos refinados para mejorar tu experiencia de codificación y los resultados. Después de completar este módulo, habrá aprendido a:

Principios de creación de solicitudes, procedimientos recomendados y cómo aprende GitHub Copilot de las solicitudes para proporcionar respuestas contextuales. El flujo subyacente de cómo GitHub Copilot procesa las solicitudes de usuario para generar respuestas o sugerencias de código. El flujo de datos para sugerencias de código y chat en GitHub Copilot. LLM y su rol en GitHub Copilot y preguntar. Procedimiento para crear solicitudes eficaces que optimicen el rendimiento de GitHub Copilot, lo que garantiza la precisión y la relevancia en cada sugerencia de código. La relación intrincada entre las solicitudes y las respuestas de Copilot. Cómo Copilot gestiona los datos de las solicitudes en diferentes situaciones, incluida la transmisión segura de datos y el filtrado de contenido.

Referencias

• Dentro de GitHub: Trabajar con los modelos de lenguaje de gran tamaño (LLM) detrás de GitHub Copilot - El Blog de GitHub
• Uso de GitHub Copilot: Mensajes, sugerencias y casos de uso: el blog de GitHub
• Cómo gitHub copilot controla los datos

Envío de comentarios

Use este formulario de problema para proporcionar comentarios de contenido o cambios sugeridos para este módulo de Microsoft Learn. GitHub mantiene este contenido y un miembro del equipo evaluará la solicitud. Gracias por darse el tiempo de mejorar nuestro contenido.