吴沁芸 - GOPS2024上海站 脱敏稿.pdf

代码生成Copilot

-

大语言模型在真实开发场景下的实践

吴沁芸

个人简介

吴沁芸

代码智能团队高级算法工程师

负责面向开发者的代码编程助手中代码生成相关的

算法研发及业务落地，在MSR、FSE等重要学术会

议上发表过相关学术工作。

GOPS全球运维大会暨研运数智化技术峰会2024·上海站

代码生成Copilot回顾探索

⼯业界代码补全评估体系

目录

代码补全未来：编辑推荐

01代码生成Copilot回顾探索

单击此处编辑标题0102单击此处编辑标题

团队模型

GitHubCopilot

单击此处编辑标题0304单击此处编辑标题

产品形态交互

成功因素

单击此处编辑标题0506单击此处编辑标题

低延时提示工程

GOPS全球运维大会暨研运数智化技术峰会2024·上海站

团队

GitHubCopilot孵化于GitHubNext团队，⼀个主要有程序分析和软件⼯

程研究员组成的研究型团队，其⽬标是探索未来的软件研发⽅式，持续在关

注通⽤代码⽣成领域

GOPS全球运维大会暨研运数智化技术峰会2024·上海站

模型

2020年6⽉GPT-3发布，GPT-3在性能上的突⾏进展让GitHubNext决

定基于它构建⼀款代码智能产品，得益于微软与OpenAI的合作关系，

GitHub和OpenAI开始合作训练基于GPT-3的代码⼤语⾔模型Codex，

并持续迭代其私有模型，提升代码补全场景下的性能

GOPS全球运维大会暨研运数智化技术峰会2024·上海站

产品形态

GitHub在体验到GPT-3后⾸先想到的是做⼀个ChatBot产品，但是经过测试后发现，虽然GPT-3在某些题

⽬上表现很惊艳，但是还是有很多时候给出毫⽆意义的答案，不符合这种产品形态对容错率的要求，会让开发者

失去信任。基于模型的能⼒判断，代码补全是⼀种容错率更⾼，更有⽤户粘性的产品形态。

GOPS全球运维大会暨研运数智化技术峰会2024·上海站

交互

放弃从传统IDE补全的下拉列表选择交互，选择了⽤

GhostText进⾏展⽰，⽤Tab键进⾏采纳，继续输入