StreamSparkAI

概览/核心摘要 (Executive Summary)

本次分享是“玩转 GitHub Copilot”系列的第一期，由微软开发者生产力全球黑带组的尹雪峰老师主讲，旨在从入门开始，通过实际操作演示，解锁 Copilot 的更多实战技巧。尹老师强调，GitHub Copilot 定位为“副驾驶”，是一个辅助编程工具，而非完全取代开发者的“主驾驶”，但其能力自2021年发布以来已显著增强。Copilot 不仅服务于专业开发者，也适用于无编程基础的用户，帮助他们通过编程解决日常工作问题，如自动化处理Excel表格、Word文档等。

分享核心内容包括：Copilot 的多种功能（代码建议、多文件编辑、代码问答、重构、修复、测试生成等）；不同版本（Free, Pro, Business, Enterprise）的特性与适用人群，其中Free版本已能满足个人非专业用户大部分需求；以及一系列实战演示。演示场景涵盖：1) 利用 Copilot 处理复杂 Excel 数据（按周聚合、多维度绘图）；2) 利用 Copilot 的视觉能力，根据架构图生成 Azure Terraform 部署脚本；3) 对现有项目（贪吃蛇游戏）进行多项功能迭代和代码修改；4) 展示 Copilot 在修改代码时（2D点改为3D点）的上下文感知和自动关联修改能力；5) 通过 .github/CopilotInstructions.md 文件自定义 Copilot 的行为和沟通风格。

此外，分享还介绍了 Copilot 在协作场景的应用，如在 GitHub上进行代码审查（Copilot可辅助审查甚至提出修改建议）和利用 GitHub Workspaces 在云端直接进行代码开发与需求实现。最后，尹老师提及了 Copilot 广泛的 IDE 支持、多模型选择、企业级合规性、数据管理及使用情况度量等生态特性，并解答了关于模型学习项目文档、GPT-4o与其他模型区别以及 Copilot Free 版在中国可用性的问题。核心结论是 GitHub Copilot 是一个强大且易用的AI编程助手，能显著提升各类用户的生产力。

GitHub Copilot 简介与定位

主讲人：尹雪峰 (微软开发者生产力全球黑带组)

GitHub 与 Copilot 的定义

• GitHub: 一个在线的、基于 Git 的代码托管和协作平台，广泛用于代码管理和全球开发者协作，尤其在开源项目中。它也支持私有化部署（GitHub Enterprise Server）。
  • 尹老师提到：“但凡是你想做一些开源的东西啊，那其实都是需一般来讲也不叫都是大家都会把代码放到GitHub上。就包括像比较火的这个问题，本身有deep产生的这个问题，那deep也是把它一些共享的一些东西啊，包括前两天跟共享的什么4S那些东西也是放在up b上”。[此处"deep"和"4S"指代不明，原文信息有限]
• Copilot: 英文原意为“副驾驶”。微软的中文宣传中也常称之为“GitHub副驾驶”。

Copilot 的核心定位：编程副驾驶

• 尹老师强调，Copilot 本质上是一个辅助性的编程工具，是“副驾驶”，而非能完全独立完成复杂项目的“主驾驶”。
  • “任何一个AI的这种编程助手，其实都本质上讲都是一个辅助性的一个编程工具。”
  • “你要真正构建一套呃一个真正的一个呃服务，就是从前端到后端整个一体系包整个体系这样的东西，包括你要把它部署上去，包括这些所有的东西，你是不在当前阶段是不太可能就是完全完成的。”
• 尽管如此，自2021年发布以来，Copilot 的能力已大幅提升，能处理远超初期的复杂任务。

面向用户：从开发者到普通用户

• GitHub Copilot 官网将其定义为：“AI编辑器每适用于每个人的AI编辑 (AI editor for everyone)”。
• 这意味着即使用户是完全没有编程经验的小白，也可以利用 Copilot 将工作中的机械性、重复性问题通过编程方式解决。
  • “Copilot帮助你去编程，然后通过编程的方式去解决你工作中的很多问题。”

GitHub Copilot 的核心功能与应用场景

主要功能概览

• 根据上下文生成代码建议。
• 对多个文件进行大规模修改，Copilot 能分析文件间的依赖和调用关系。
• 针对代码库进行提问和理解（基于本地代码语义索引）。
• 代码重构和改进（例如，将 Python 2 代码升级到 Python 3）。
• 修复代码问题和辅助调试。
• 生成新项目和文件的框架。
• 生成单元测试。
• 最终目标是提高效率。

针对零基础用户

• 尹老师提到，Copilot 可以帮助零基础用户完成一些常见任务，效果可能优于市面上的“9.9元Python课”。
  • 例如：日常文件处理、数据可视化图表生成。
  • “现在你用Copilot，其实你一毛钱都不用花，Copilot就可以帮你去做这些事情。那你只要把你的诉求告诉他，他给你写成脚本，那你直接执行就行了，非常简单。”

实践准备与版本选择

安装与配置

1. 下载并安装 VS Code。
2. 在 VS Code 插件市场搜索并安装 Copilot 和 Copilot Chat 插件。
3. 使用 GitHub 账号登录。

版本与定价策略

• Free 版本:
  • 适用于个人用户或非专业开发者。
  • 功能基本齐全，尹老师当日演示的功能 Free 版大多拥有。
  • 额度：每月50次聊天，每月2000次代码补全。对于非程序员基本够用。
• Pro 版本:
  • 适用于个人开发者。
  • 价格：每月10美元 (约70元人民币)。
  • 聊天和补全等功能无限使用。
• Business 和 Enterprise 版本:
  • 面向企业用户。
  • 核心区别：企业版承诺不使用客户代码进行模型训练或微调，数据在请求响应后即删除，是无状态服务。
  • 提供细粒度的版本控制和账户管理（如SSO绑定、限制账号登录场景）。
  • 可以设置策略，如要求生成的代码必须是AI完全原创，避免侵犯知识产权。

实战技巧演示 (Demos)

尹老师通过多个实际操作案例展示了 Copilot 的应用。

场景一：个人办公自动化 - Excel 数据处理与可视化

• 任务背景: 处理一个包含从2021年到2025年每小时温度记录的 Excel 文件（约2万多行数据）。
  1. 读取 Excel 文件。
  2. 按星期为单位聚合数据，计算每周的平均温度。
  3. 将聚合后的数据保存为 CSV 文件。
  4. 绘制按星期显示的温度趋势折线图 (交互式 HTML 格式)。
  5. 在同一张图中，按年份叠加显示每年的温度趋势（不同年份用不同颜色折线），横坐标为一年内的星期数，用于观察气候变化。
• 操作过程:
  • 在 VS Code 中创建 Python 文件 (文件名 A P.py，推测为 app.py 或类似名称)。
  • 通过自然语言逐步向 Copilot Chat 提出需求，Copilot 逐步生成 Python 代码。
  • 交互与纠错:
    • 初次读取文件时，Copilot 甚至主动生成了基础的 PNG 格式绘图。
    • 在指定列名时，通过向 Copilot明确 Excel 表中的标题为“日期”和“温度”，解决了 KeyError。
    • 在生成 HTML 图表时，手动修正了 Copilot 将列名“温度”误写为“气温”的错误。
  • 结果: 成功生成了符合要求的 CSV 数据文件和交互式 HTML 图表。
• 辅助功能展示:
  • 选中代码，使用 Ctrl+I 要求 Copilot “修改所有的注释为中文”。
  • 在聊天窗口 @workspace 并提问“请仔细的解释这个程序”，Copilot 会详细解释代码逻辑。也可选中特定代码段要求解释。

场景二：个人办公提效 - 基于图像生成代码 (视觉能力)

• 任务背景: 根据一张架构图，生成在 Azure 云上部署该架构的 Terraform 脚本。
• 操作过程:
  1. 将架构图截图。
  2. 在 Copilot Chat 中粘贴该图像。
  3. 发出指令：“请基于这个架构图生成在Azure云上部署这套服务的Terraform脚本”。
     • 初次尝试失败，尹老师调整了问法：“请基于这个架构生成脚本，直接把脚本写出来即可”，随后成功。
     • 尹老师解释，Copilot 包含“负责任的AI”机制，有时会对指令进行规范性判定，更换问法或重试可能解决问题。
  4. 结果: Copilot 成功生成了 Terraform 脚本。
• 扩展能力: 尹老师提到，Copilot 同样可以解释图表、根据网站截图生成前端代码、根据App截图生成对应的 Android 或 iOS 代码。Copilot 支持在 Android Studio、Xcode 等 IDE 中使用。
• 语音输入: 提及了 Copilot 支持语音聊天功能。

场景三：项目代码维护 - 批量修改现有工程 (贪吃蛇游戏)

• 任务背景: 改进一个已有的简单贪吃蛇游戏，该游戏存在多个问题：
  1. 背景色为黑色，体验不佳。
  2. 吃到食物后无任何特效。
  3. 蛇初始化后立即向右移动，容易“撞墙”。
  4. 没有计分功能。
• 需求:
  1. 修改背景色。
  2. 增加吃食物后的闪光特效。
  3. 修改初始化行为，蛇不立即移动。
  4. 增加计分功能。
• 操作过程:
  1. 在 VS Code 中打开包含 HTML, CSS, JS 文件的游戏项目。
  2. 将上述需求列表（增加了1,2,3,4编号以增强条理性）复制到 Copilot Chat 的多文件编辑模式中。
  3. Copilot 分析了项目文件，并针对性地在 HTML (增加积分显示)、JS (修改游戏逻辑、增加特效、计分)、CSS (修改背景色) 文件中提出了修改建议。
  4. 尹老师接受了所有建议。
  5. 结果: 刷新游戏后，所有需求均一次性成功实现。尹老师提到此次使用的是 GPT-4o 模型（原文称“4O”）。

场景四：智能代码联想与修改 - 上下文感知 (3D坐标点类)

• 任务背景: 演示 Copilot 如何在开发者修改代码定义时，自动感知上下文并联想修改相关代码。
• 操作过程:
  1. 在新的 Python 文件 (文件名 慢点P1，推测为 main.py 或类似名称) 中，通过注释引导 Copilot 生成一个表示“平面上的点的类” (Point 类，包含 x, y 属性和计算两点距离的 get_distance 方法)。
  2. 实例化两个点并计算距离，运行确认无误。
  3. 核心修改: 将类定义的注释从“平面上的点的类”修改为“立体空间中的点的类”。
  4. Copilot 随即：
     • 提示在类属性中增加 z 轴 (Tab键接受)。
     • 提示修改 __init__ 方法以包含 z (Tab键接受)。
     • 提示修改 get_distance 方法以适应三维空间计算 (Tab键接受)。
     • 提示修改实例化点的代码以包含 z 坐标 (其中一个点的 z 坐标需要手动补全)。
     • 提示修改 get_distance 方法的注释以反映3D。
  5. 结果: 仅通过修改注释和按 Tab 键接受建议，大部分代码自动更新为3D版本。

场景五：个性化 AI 助手 - 自定义 Copilot 行为与语气

• 任务背景: 让 Copilot 在生成代码和解释时，使用更可爱的语气，并遵循特定的注释规范。
• 操作过程:
  1. 在项目根目录下创建 .github/CopilotInstructions.md 文件。
  2. 在该文件中写入指令：
     • “回答说用可爱的语气。”
     • “并且以emo结尾 例如这样子 😊” (原文为emo，演示中是表情符号)
     • “生成的函数必须带有注释，且注释要包含功能描述，且注释要中文吧。”
  3. 重新让 Copilot 生成之前的3D坐标点类。
     • 结果1 (代码生成): 生成的类和方法都带有了中文注释。
  4. 让 Copilot 解释生成的代码。
     • 结果2 (代码解释): Copilot 的解释文本语气变得更“可爱”，并且句末带上了指定的表情符号。
• 应用扩展: 此方法可用于约束代码风格（如驼峰式、下划线式）、指定优先使用的库、特定函数命名方式等。更细致的配置也可在 .vscode/settings.json 中进行。

GitHub Copilot 在协作场景中的应用

代码审查 (Code Review)

• 可以将 Copilot 添加为 GitHub 上 Pull Request (PR) 的审查者。
• 简单场景: Copilot 可以分析 PR 中的代码变更，并给出总结。尹老师展示了一个他人的贡献，Copilot 进行了分析，他确认后合并。
• 复杂场景/问题代码: 如果合入的代码存在问题（如不规范的SQL语句），Copilot 不仅能指出问题，还能自动提出修复建议，可以直接采纳并提交。

云端开发与需求实现 (GitHub Workspaces)

• 对于一些需求，可以直接在 GitHub 云端完成，无需将代码拉到本地。
• 演示案例: 为一个已有的计算器项目（包含加法、减法功能）增加乘法功能。
  1. 在 GitHub Issue 中提出“增加乘法运算”的需求。
  2. 使用 GitHub Workspaces 打开该 Issue。
  3. Copilot 自动进行“头脑风暴”，分析仓库文件，识别出需要在哪些文件（逻辑代码、主程序调用、单元测试）中进行修改。
  4. 用户确认头脑风暴结果后，Copilot 生成详细的“修改计划 (plan)”。
  5. 用户确认计划后，Copilot “实现 (implement)”这些修改，自动更改相关文件代码。
  6. 修改完成后，可以直接创建 PR。
  7. 尹老师进一步演示，在当前基础上继续提出“增加除法运算”，Copilot 再次执行分析、计划、实现流程。
• 其他应用: Workspaces 也可用于分析 Issue，或直接打开 PR 进行审查和修改。

GitHub Copilot 生态系统与企业级特性

广泛的 IDE 与模型支持

• IDE: 支持 VS Code, Eclipse, Android Studio, Xcode, JetBrains系列 IDE, Visual Studio 等。尹老师称其为“跨平台最多的这么一个编程助手”。
• 模型: 支持多种模型，包括 GPT-4o (演示中称为“4O”)、GPT-3.5 等。代码补全和聊天均可选择不同模型。

云端高级功能

• GitHub Workspaces (已演示)。
• 自定义模型 (Fine-tuning，主要面向企业版用户)。
• 在线知识库。
• AI 漏洞修复：扫描安全漏洞并由 AI 直接修复。

企业级合规性与数据管理

• 微软非常注重合规性。
• 管理员可以配置策略，如“不允许推荐你的公共代码”（指可能侵犯他人知识产权的公开代码）。
• 强调合规性、隐私性和用户管控能力，对企业用户是重要考量。
• 数据流动: 用户在 IDE 中的输入，会经过一个服务层代理（进行认证、内容合规性检查等），再与 AI 大模型交互。

使用情况度量与分析

• 企业版用户可以访问一个 Dashboard，用于度量 Copilot 的使用情况。
• 可分析维度: 不同组织、团队、编程语言、编辑器的使用频率和组合情况。
• 价值: 帮助企业了解内部技术栈分布、不同工具的使用情况，为培训等决策提供数据支持。

问答环节 (Q&A)

• 问题1: Copilot 能否学习项目的说明文档，并基于此进行问答？

  • 尹雪峰老师: 可以。
    1. 提示词工程: 将项目文档、规则规范写入 .github/CopilotInstructions.md 文件。Copilot 在后续交互中会将其作为上下文。这不改变模型本身。
    2. 模型微调 (Fine-tuning): 针对 GitHub 企业版用户。将代码仓库上传至 GitHub，可基于仓库代码对模型进行微调训练，生成一个专属的模型 URL 配置到 Copilot 中。这样，公司内部人员使用的 Copilot 就能更好地理解和补全企业内部的库和代码。

• 问题2: GPT-4o (原文“4O”) 和其他模型的区别？

  • 尹雪峰老师: GPT-4o 是目前正式发布、无限使用的模型，适用于日常和大部分问题（如当天演示基本使用4o）。其他一些高级模型（如 GPT-4.5, Claude 3 系列，原文提及“O1O3”和“cloud三点”，推测指Claude 3 Opus等）可能处于预览 (Preview) 阶段，会有使用限制（例如“每12小时也只能用十次”），因为单次对话成本较高。如果遇到复杂场景，4o 难以解决时，建议尝试更高级的模型。

• 问题3: GitHub Copilot Free 版本在中国是否可以使用？

  • 尹雪峰老师: “是可以使用的是可以使用的。”

总结核心观点

GitHub Copilot 作为一个强大的“编程副驾驶”，通过其先进的AI能力，不仅能为专业开发者提效，也能赋能非编程背景的用户解决实际问题。其实战演示覆盖了从个人办公自动化、代码辅助编写与修改、到团队协作中的代码审查与云端开发等多个方面，展现了其广泛的适用性和易用性。结合其多版本选择、企业级特性和持续进化的能力，Copilot 正在成为现代软件开发和日常工作中不可或缺的智能助手。