Github Copilot 初体验
撰文：Dluck
封面： Github 官方博客
我们编程时写出的代码，在未编译前通常以纯文本格式存在。因此，实际上我们能使用任何文本编辑器来编写代码，包括系统自带的记事本。但是，好的工具能够让我们事半功倍。面对复杂的工作任务，我们需要 IDE（集成开发环境）这样的生产力工具。IDE 本质上就是更高级的文本编辑器，集成了许多人性化功能来提升效率，比如：自动补全变量，提示可能会用到的函数列表，语法高亮，显示语法错误等等。
IDE 本身也在不断进化。我的第一门编程语言是 Java，使用的是 Eclipse，当时自动补全功能还比较简陋，局限于符号的提示与选单，我也没有对 IDE 究竟有多强大建立起概念。后来，开始学习开发框架后，我慢慢接触到 JetBrains 出品的 IDEA。IDEA 的提示更智能，例如：可以在数组后输入「.for」自动构成 foreach 循环，也可以使用快捷键自动生成 Getter/Setter、构造函数、重载函数等等。毫无疑问，JetBrains 系列产品为编码工作带来了更高的效率，提供了更加全面、智能的补全功能。
最近一段时间，AI 技术的进步则让代码补全有了更上一层楼的机会。接下来，我们为大家介绍的 Github Copilot 就是这样一款基于 AI 的代码补全工具。
GitHub Copilot 是什么
Github Copilot 是 GitHub 和 OpenAI 合作开发的人工智能工具，可以在编辑代码时帮助你自动生成可能会需要的代码。
GitHub Copilot 能够提取代码上下文，给出整行代码或整个函数的补全建议。它可以帮助我们完成下列任务：
- 将注释转化为代码；
- 自动填充重复代码；
- 编写测试；
- 快速发现解决问题的替代方法；
- 无需网络搜索即可快速探索新的 API；
- 适应用户编写代码的方式，帮助用户更快地完成工作。
原理是什么？
我们先介绍一下 GPT-3。GPT-3（Generative Pre-trained Transformer 3）是一个用于处理自然语言的 AI 模型，由 OpenAI 训练开发。GPT-3 通过阅读几乎一切人类可阅读的内容来进行训练，理论上，它能够完成一切通过语言完成的工作，而且完成效果还非常接近人类。已经有实验证明 GPT-3 可用于撰写文章、回答问题、编写代码生成应用程序、设计表格、开发游戏、将文字描述便携为成型的网页等等。
而 OpenAI Codex 则是基于 GPT-3 开发的一款针对编程所设计的 AI 模型。Codex 从公共代码仓库学习人类编写的代码，其代码来源包括 Github 上的公共代码仓库。官网原文如下：
OpenAI Codex is a descendant of GPT-3; its training data contains both natural language and billions of lines of source code from publicly available sources, including code in public GitHub repositories. （OpenAI Codex 是 GPT-3 的衍生项目；它的训练数据包括自然语言和数以亿计来自公开可用来源的源代码，其中包括 Github 公开仓库的代码。）
最后，GitHub Copilot 则是使用了 Codex 进行研发的一款商业产品。Github 将算法进行包装，做成了插件和网页，进行应用分发。现在 GitHub Copilot 支持在 Visual Studio Code、Visual Studio、JetBrains Rider 上通过插件形式集成进 IDE，以便我们使用。
使用 & 体验
要想使用 GitHub Copilot，首先需要注册一个 Github 账号。有了帐号后，按下面的步骤可以找到并启用 GitHub Copilot：
1. 找到设置页面：在任何页面的右上角，单击个人资料照片，然后单击“设置”。
2. 找到 GitHub Copilot 设置页面：在边栏的「代码、规划和自动化」部分，单击「GitHub Copilot」。
3. 启用 GitHub Copilot：在 GitHub Copilot 设置页面上，单击「启用 GitHub Copilot」。
在 Rider IDE 进行设置
- 在偏好设置里安装 Github Copilot Plugin；
- 重启 IDE；
- 登陆 Github 完成验证。
设置完成后，IDE 提示可以使用「Tab」来自动补全代码，使用「⌥ + ]」或者「⌥ + [」来选择其他候选的补全选项。
体验如何
在编写代码的过程中，Github Copilot 会自动提示可能的补全方案，此时按下「Tab」即可完成补全。
有时，AI 并不会一次给出完整的提示代码，例如，图示的代码就并非一次性生成的，而是逐行自动补全，最终生成了一个可以实际使用的函数（甚至包括注释）。下图的例子在 Unity3D 中绘制了一条射线用于检测前方是否有物品，只有第一行注释是我写下的。
下面的例子很有趣：当我尝试把乐谱的音高编写成数组时，Github Copilot 也给出了他所理解的音乐：
在这样的例子中，对重复的流行乐片段，Github Copilot 有时可以给出不错的答案。比如预先输入《卡农》的重复性模进片段，Github Copilot 往往可以完全正确地补全乐谱。可见，在面临重复性较高的功能开发，或是使用一些常用的算法时，依靠 AI 补全是一个称得上非常可靠的选择。不过，如果需求非常复杂，大部分情况下，它并不能独立地给出完美的解决方案。GitHub 团队在对一组 Python 函数进行基准性测试后发现尝试十次后，大约 57% 情况下可以给出正确的答案。部分情况下，Github Copilot 也会给出无法通过编译的代码。
Github Copilot 的不足之处
使用 Github Copilot 很久后，Rediit 大佬 Colin Eberhardt 指出了几点不足：
- Github Copilot 很多时候响应得不够快。虽然它已经快到秒出答案，但这对快速输出状态的程序员来说仍然是不够的。要么它的提示还没出现你就继续输入了，要么你会因为等它而暂时停下思路。
- Github Copilot 总是会自动提示。这种提示和输入存在冲突：有时，当你需要等等看提示怎么说另一些时，会不断有内容弹出，接着消失。或许，自动模式并不是 Github Copilot 的「最佳打开方式」？
- Github Copilot 生成代码质量不足。它生成的代码可以满足大部分简单且重复的功能需求，但对于熟练的程序员，可能会额外浪费很多精力来校验它自动生成的代码是否正确。
Github Copilot 版权问题
许多人指出 Github Copilot 会使用有版权的代码作为提示内容（参见 Jacob Crume 的文章“GitHub Copilot is Now Available for All and Not Everyone Likes It”）。少数派作者 100gle 在《GitHub Copilot：革命未竟，未来可期》中更是举出了很多例子。最为出名的莫过于，如果你在编辑器中输入 Fast inverse square root ，便会得到一段代码，它和当年《雷神之锤》使用的算法完全一致。
现代开源软件多使用 GPL （GNU General Public License）协议，这个协议要求你也将代码开源，且使用 GPL 协议。而通过 Github Copilot 补全时我们并不确定这段代码的作者为它指定的协议。开源许可证的主要作用是对软件的使用、复制、修改和再发布等进行限制。而显然使用 AI 补全显然会破坏这一点。
可以预见的是，同当今各种 AI 作画工具面对的种种争议一样，Github Copilot 也一定会因为版权问题，难以被大型企业所用，至少短期内如此。
使用建议
- Github Copilot 能帮助初学者面对不那么熟悉的编程语言或开发框架时，快速学习常用的接口调用方式和简单的实现方案。这意味着我们可以不用为了某些基础问题反复翻找 API 手册，或体验 CSDN 这样的技术博客网站的层层传送门。
- Github Copilot 可以帮助我们在不熟悉的领域快速上手，只需要一些注释便可快速生成部分业务逻辑，然后进行测试。当然，最终代码的可靠性还是需要开发者人为辨别和控制。
- Github Copilot 可以在重复性劳动时显著提升效率。比如你需要写一大堆单元测试，它们无法靠复制/粘贴批量生成，同时有一些细微的逻辑变化需要处理。又或是你需要开发一些重复性功能，比如批量声明一些数据类型好几十次。这时 Github Copilot 补全的代码往往很可靠。
Github Copilot 或许并不能承载类似“AI 即将取代程序员”的想象，但在当下，它无疑是程序员的好帮手。作为辅助，它提供的补全并没有智能到让完全不会编程的用户完成开发，但也并不只是简单的提示工具。合理运用 Github Copilot 能够为开发者的学习成长带来很大帮助。
与此同时，它不可避免地存在一些缺陷，代码的版权问题也限制了它商业化的应用前景。不够熟练的程序员可能也会对它失望——就像它名字中的 Copilot 一样，Github Copilot 更接近优秀的副驾驶角色，但工作总归还是需要一位优秀的主驾驶领导。
最好的旅行靴已经送到我们手中，走出什么样的路还需要开发者自己去定夺。
*本文内容系作者独立观点，不代表 indienova 立场。未经授权允许，请勿转载。