從 GitHub Copilot 到 Enterprise Copilot：打造符合企業需求的智能開發助手之路 | .NET Conf 2023 Taiwan
2 likes•554 views
Alan Tsai在文档中分享了GitHub Copilot在企业开发中的应用及其带来的效益，介绍了如何根据企业需求打造智能开发助手。此外，探讨了生成式AI对开发人员工作的影响和未来发展前景。
從 GitHub Copilot 到 Enterprise Copilot：打造符合企業需求的智能開發助手之路 | .NET Conf 2023 Taiwan
- 1. 從 GitHub Copilot 到 Enterprise Copilot 打造符合企業需求的智能開發助手之路 Alan Tsai
- 2. 簡單的自我介紹 • Alan Tsai • 蔡孟玹 • 後端工程師 - .NET 技術為主 • 喜歡學習不同東西 • Azure • Data Science、Chatbot • Container、DevOps • 加强開發的Tools、架構 • 翻譯文章/軟體 • 兩本翻譯書 • 三門線上課程 • 看小說、玩手游 @Alan Tsai 的學習筆記 4
- 3. 教就是最好的學習方式 - 喜歡考證驗證所學 @Alan Tsai 的學習筆記 5
- 4. 喜歡技術分享 • 2022 .NET Conf • 談 Event Driven Architecture 之前 是不是該把 Event 規格搞定？ CloudEvents 是什麼？ | 邁上 Cloud Native App 之路 • 2021 .NET Conf • 不會 Javascript 沒關係 用 Blazor 來解決前端需求成為 Full Stack .NET 開發者吧 • 2020 Global Azure • Azure API Management 協助邁向Open API及Micro Service架構的好用服務 @Alan Tsai 的學習筆記 6
- 5. 喜歡技術分享 • Tibame • AZ-900、AZ-104、AZ-204 • GitHub Copilot 企業導入，在製造業、金融業、服務業，已培訓近800人次 • Trainocate • AZ-104、AZ-204、AZ-400、DP-200、DP-201、PL-900、DA-100 • 台灣智慧自動化與機器人協會 • 運用Python進行大數據分析、機器學習基礎理論課程及人工智慧 – ML.NET • 中華電信學院 • DevOps與CI/CD實務研習班、Windows Container 技術實務班 • 使用Azure AI打造有人工智能的Line聊天機器人 @Alan Tsai 的學習筆記 7
- 6. 歡迎訂閲、按讚 + 分享 FB 粉絲頁 http://fb.alantsai.net Alan Tsai 的學習筆記 https://blog.alantsai.net http://yt.alantsai.net http://bili.alantsai.net 影片 [email protected] [email protected] @Alan Tsai 的學習筆記 8
- 7. 有多少人用過 GitHub Copilot？ @Alan Tsai 的學習筆記 9
- 8. 有多少人公司有採買 GitHub Copilot？ @Alan Tsai 的學習筆記 10
- 10. Agenda • 什麼是 GitHub Copilot • GitHub Copilot 帶來的效益是什麼？ • 如何打造自己的 Copilot @Alan Tsai 的學習筆記 12
- 11. 什麼是 GitHub Copilot GitHub Copilot is an AI pair programmer that offers autocomplete-style suggestions as you code About GitHub Copilot for Individuals - GitHub Docs @Alan Tsai 的學習筆記 13
- 12. 什麼是 GitHub Copilot You can receive suggestions from GitHub Copilot either by starting to write the code you want to use, or by writing a natural language comment describing what you want the code to do About GitHub Copilot for Individuals - GitHub Docs @Alan Tsai 的學習筆記 14
- 13. 為什麼 GitHub Copilot Research: quantifying GitHub Copilot’s impact on developer productivity and happiness 2022-09-07 @Alan Tsai 的學習筆記 15
- 14. 為什麼 GitHub Copilot The economic impact of the AI-powered developer lifecycle and lessons from GitHub Copilot 2023-06-27 @Alan Tsai 的學習筆記 16
- 15. 為什麼 GitHub Copilot Survey reveals AI’s impact on the developer experience 2023-06-13 92% U.S.-based developers using AI coding tools 70% better code quality completion time 57% believe that AI could help them upskill @Alan Tsai 的學習筆記 17
- 16. 為什麼 GitHub Copilot 永豐銀行導入微軟 GitHub Copilot 賦能開發加速金融創新 2023-11-22 90% 提升工作 效率與品質 86% 有效協助處理 例行工作 60% 加快 40 ~ 60% 開發時間 @Alan Tsai 的學習筆記 18
- 17. 真的有那麼神嗎？ @Alan Tsai 的學習筆記 19
- 18. 嘗試描述讓 Copilot 去產生 Code 再檢查正確 性以及是否符合 業務邏輯，這樣 有比自己寫 Code 還有效率嗎 是否可以題示開 發團隊內部的共 用函示庫, 而不 是每次將邏輯重 新寫一次 為何註解打完， function 的外框寫好 (private void function() { })，內容 並不會給建議，只會 在打到一半時的空白 鍵後(private void )給 建議? 對於較新的Library (例如Confluent Kafka) 能提供的建 議較少且不精確，還 是要回頭上網google， 導致可能會花更多時 間。 偶爾會遇到運算的時 間太久，自己打還比 較快。 若功能對應的程式碼 較多，一次無法全部 給出建議，要如何繼 續產生下面的建議程 式碼? @Alan Tsai 的學習筆記 20
- 19. @Alan Tsai 的學習筆記 21
- 20. 公司可以買github copilot給開發者使用嗎 @Alan Tsai 的學習筆記 22
- 21. 影響 - 生成式 AI 的崛起 • ChatGPT偷家：Stack Overflow正被程式設計師拋棄，訪問量一個月 驟降3200W • 受ChatGPT等AI Chatbot衝擊，Stack Overflow裁員28% @Alan Tsai 的學習筆記 23
- 22. 歡迎進入 1 人成軍的年代 @Alan Tsai 的學習筆記 24
- 23. Prepare Environment - Supported IDE Visual Studio Code Visual Studio Jet Brains neovim Azure Data Studio @Alan Tsai 的學習筆記 25
- 24. Visual Studio Code - Copilot Shortcut Key @Alan Tsai 的學習筆記 26
- 25. GitHub Copilot Overview @Alan Tsai 的學習筆記 27
- 26. Best Practice - 3S ▪ Single Responsibility ▪ One line one thing ▪ Specific Prompt ▪ Variable name ▪ userId vs Id ▪ Give example ▪ Constraint package, style, etc ▪ Short Response ▪ Guide response ▪ Trust but verify @Alan Tsai 的學習筆記 28
- 27. In the future https://webinar.ithome.com.tw/2023/session @Alan Tsai 的學習筆記 29
- 28. GitHub Copilot X GitHub Copilot X @Alan Tsai 的學習筆記 30
- 29. GitHub Copilot X https://githubnext.com/#projects @Alan Tsai 的學習筆記 31
- 30. GitHub Universe 2023 Universe 2023: Copilot transforms GitHub into the AI-powered developer platform @Alan Tsai 的學習筆記 32
- 32. GitHub Copilot 和 GitHub 有什麼關係？ @Alan Tsai 的學習筆記 34
- 33. 使用 LLM 模型的 4 種模式 Four Ways that Enterprises Deploy LLMs | Fiddler AI Blog @Alan Tsai 的學習筆記 35
- 34. Prompt Engineering Awesome ChatGPT Prompts @Alan Tsai 的學習筆記 36
- 35. Prompt Engineering ExplainThis @Alan Tsai 的學習筆記 37
- 36. Prompt Engineering Four Ways that Enterprises Deploy LLMs | Fiddler AI Blog @Alan Tsai 的學習筆記 38
- 37. Prompt Engineering Chain-of-Thought Prompting Elicits Reasoning in Large Language Models @Alan Tsai 的學習筆記 39
- 38. Prompt Engineering 生成式AI輔助之軟體開發指引 @Alan Tsai 的學習筆記 40
- 39. Prompt Engineering 是一門玄學 @Alan Tsai 的學習筆記 41
- 40. Retrieval Augmented Generation (RAG) Retrieval Augmented Generation (RAG) in Azure AI Search @Alan Tsai 的學習筆記 42
- 41. Fine Tunning Four Ways that Enterprises Deploy LLMs | Fiddler AI Blog @Alan Tsai 的學習筆記 43
- 42. Train your model Awesome LLM @Alan Tsai 的學習筆記 44
- 43. Train your model Awesome LLM @Alan Tsai 的學習筆記 45
- 44. Train your model Meta’s first 65B LLaMa model training took 1,022,362 hours on 2048 NVidia A100-80GB’s (about $4/hr on cloud platforms) costing approximately $4M @Alan Tsai 的學習筆記 46
- 45. Train your model How do Transformers work? @Alan Tsai 的學習筆記 47
- 46. 開發 LLM Application The architecture of today’s LLM applications @Alan Tsai 的學習筆記 48
- 47. LLM Architecture The architecture of today’s LLM applications @Alan Tsai 的學習筆記 49
- 48. What is Copilot • The availability of LLMs has led to the emergence of a new software application, often referred to as a copilot. • Copilots are often integrated into other applications and provide a way for users to get help with common tasks from a generative AI model. • Copilots are based on a common architecture, so developers can build custom copilots for various business-specific applications and services. @Alan Tsai 的學習筆記 50
- 49. Microsoft Copilot @Alan Tsai 的學習筆記 51
- 50. What is Copilot Stack @Alan Tsai 的學習筆記 52
- 51. What is Copilot Stack @Alan Tsai 的學習筆記 53
- 52. Semantic Kernel What is Semantic Kernel? @Alan Tsai 的學習筆記 54
- 53. Prompt Flow @Alan Tsai 的學習筆記 55
- 54. Prompt Flow @Alan Tsai 的學習筆記 56
- 55. Prompt Flow What is Azure Machine Learning prompt flow @Alan Tsai 的學習筆記 57
- 56. 結論 Visual Studio Code Extension @Alan Tsai 的學習筆記 58
- 57. Schillace Laws Schillace Laws of Semantic AI Don’t write code if the model can do it; the model will get better, but the code won't @Alan Tsai 的學習筆記 59
- 58. Resource • Microsoft Ignite: Generative AI with Azure OpenAI • A 12 Lesson course teaching everything you need to know to start building Generative AI applications @Alan Tsai 的學習筆記 60
- 59. 61
- 60. 62
- 61. 63 2023/12/31前 輸入優惠碼【GAI85】 享85折優惠 歡 迎 至 微 軟 攤 位 洽 詢