Loading video...

Video Failed to Load

Go Home

与 AI 结对编程:GitHub Copilot 使用入门 随着编程语言和框架的激增,开发工作讽刺地变得更加复杂。开发人员需要记住不同环境中各种语法规则,并且他们发现自己写的很多代码都是重复而枯燥的。作为一个 AI 配对编程助手,GitHub Copilot 能帮助开发者将这些重复任务外包出去,使他们能够更专注于整体架构的设计。我们来看看如何开始使用 GitHub Copilot、探索它的功能,以及如何最大限度地发挥这个工具的潜力。 ▬▬▬▬▬▬ 时间戳 ⌚ ▬▬▬▬▬▬ 00:00 - GitHub Copilot 介绍 01:30 - GitHub Copilot 的工作原理 03:00 - GitHub Copilot 中的数据处理方式 04:33 - 使用 Copilot 调整工作流程 06:03 - 如何有效构建指令提示 08:37 - GitHub Copilot 编程演示 10:21 - GitHub Copilot 的最佳实践建议...

57,755 views • 2 years ago •via X (Twitter)

6 Comments

𝕙𝕠𝕝𝕕𝕖𝕖🐳's profile picture
𝕙𝕠𝕝𝕕𝕖𝕖🐳2 years ago

没有Github Copilot,对其他AI Copilot应该也适用吧

pp's profile picture
pp2 years ago

@readwise save thread

FOMOMAN's profile picture
FOMOMAN2 years ago

谢谢,这个太好了

huashan's profile picture
huashan2 years ago

@readwise save thread

Howie's profile picture
Howie2 years ago

@readwise save thread

veapon's profile picture
veapon2 years ago

他是不是做了美甲😂

Related Videos

《用ChatGPT API构建系统》课程简介 吴恩达:欢迎参加关于使用ChatGPT API构建系统的课程。 之前,Isa和我介绍了如何提示(Prompt)ChatGPT的课程。 但是一个系统需要的远不止一个提示(Prompt)或一个对LLM(大型语言模型)的调用。 在这个短期课程中,我们想和您分享使用LLM构建复杂应用程序的最佳实践。 Isa:我们将以构建一个端到端的客户服务辅助系统为例,该系统将多个调用链接到语言模型, 根据前一个调用的输出使用不同的指令,有时甚至从外部来源查找信息。 例如,对于用户输入的“告诉我有哪些电视出售”,我们将使用以下步骤来处理。 首先,您可以评估输入以确保其不包含任何有问题的内容,例如仇恨言论。 接下来,系统将处理输入。它将确定这是哪种类型的查询。 这是一个投诉还是产品信息请求等? 一旦确定这是一个产品查询,它将检索有关电视的相关信息,并使用语言模型编写一个有帮助的回答。 最后,你需要检查输出内容,确保没有问题,比如不准确或不适当的答案。 吴恩达:在这门课程中,你会发现一个主题,那就是一个应用程序通常需要多个对最终用户不可见的内部步骤。 你通常希望按顺序处理用户输入,经过多个步骤才能得到最终显示给用户的输出。 当你使用LLM构建复杂系统时,从长远来看,你通常还希望不断改进系统。 因此,我还将与您分享开发基于LLM的应用程序的过程感受以及评估和改进系统的最佳实践。 我们感谢许多为这门短期课程做出贡献的人。 在OpenAI方面,我们感谢Andrew Kondrich、Joe Palermo、Boris Power和Ted Sanders。 来自 Ladwig、Eddy Shyu和Tommy Nelson。 Isa:通过这门短期课程,我们希望你能够对自己建立一个复杂的多步应用程序的能力充满信心, 并且能够维护和不断改进它。 让我们开始吧。

宝玉

35,535 views • 3 years ago

🚀Anthropic 悄无声息地推出了一项功能:Agent Teams 让 Claude 在 Claude code 内构建自己的 AI 代理团队! 该功能改变了传统的上下级 AI 架构,允许 Claude 构建一个同级代理团队。 这些代理可以共享任务列表、直接互相发送消息并审查彼此的工作,实现类似于真人团队的协作模式。 在演示中,一个由 QA 工程师、前端开发者和后端开发者组成的 3 人团队展示了这一能力。 QA 代理发现 3 个错误后,直接向前后端开发者发送反馈。开发者修复问题后,应用程序在一轮测试中即成功上线。 该功能在 Claude Code v2.1.32 及更高版本中可用。以下是开启方法与运行规则: 1. 启用方法 确保版本符合要求。在 settings.json 中添加以下配置: "env": { "CLAUDE_CODE_EXPERIMENTAL_AGENT_TEAMS": "1" } 或者将此内容粘贴给 Claude 并说明“添加到我的设置中”,随后重启。 2. 提示词设定 使用纯英文进行提示。开始时需要设定一个明确的目标(代理启动时没有上下文)。 提示词示例:"使用 Sonnet 创建一个 3 人团队",并详细描述每个角色的职责、交付物以及完成后需要联系的下一个代理。 3. 运行规则 - 每个代理拥有自己的独立文件。 - 必须定义确切的输出。 - 指定明确的通信链路(谁与谁交谈)。 - 团队规模建议保持在 3-5 个代理。 4. 适用场景与限制 该功能适用于有独立部分且可以并行运行的复杂工作。对于简单或顺序任务,不建议使用该功能,因为团队协作会消耗 3-4 倍的 Token。

Lonely

19,931 views • 3 months ago