Slide 1
Slide 1 text
開発⽣産性をあげる
を
徹底解剖！
Yuki Hattori
Customer Success Architect
GitHub Japan
Slide 2
Slide 2 text
No content
Slide 3
Slide 3 text
開発者の⽣産性向上
本当の問題に集中でき、満⾜度も向上
イノベーションを加速
より速くプロトタイプやイノベーションを実現
スキルギャップを埋める
新しい開発⾔語や技術を習得
開発者に⼤きな
アドバンテージを提供
Slide 4
Slide 4 text
55%
46%
74%
のコードがCopilotによるもの
速くタスクを完了
がより満⾜する仕事に
集中できたと証⾔
プロジェクトの⽂脈に即したコードを提案
Slide 5
Slide 5 text
OpenAI
Model
文脈
提案
Slide 6
Slide 6 text
今後のGitHub Copilot
リファクタリング (コード翻訳)
コードレビュー (コード解説)
ドキュメント化
今後のGitHub Copilot
ユニットテスト
コードエラー検知
デバッグ
コードレビュー
AI による Pull Request
現在のGitHub Copilot
コメントをコードに変換
繰り返すコードを補完
代替⼿段を表⽰
1
計画
2
分析
3
設計
4
実装
5
テストと統合
6
メンテナンス
X
エディタを⾶び出し
SDLC 全体を AI で⽀援
Slide 7
Slide 7 text
GitHub Copilot X
Copilot for Pull Requests
Copilot for Docs
Copilot for the CLI
Copilot Chat
Slide 8
Slide 8 text
GitHub Copilot Future
コードやドキュメントから、ユニットテストを
自動生成
TestPilot
Codespaces上に存在するすべてのコードを使う
ことで提案を改善
GitHub Copilot for
*Your* Codebase
キーボードを使わずにコードを書く
Copilot Voice
https://githubnext.com/
Slide 9
Slide 9 text
December, 2022 GitHub Copilot
GitHub Copilot
Behind the curtain
Slide 10
Slide 10 text
GitHub Copilot の裏側
• GitHub Copilot の仕組み
• GitHub Copilot がエディタの情報をどのように取るのか
= GitHub Copilot Prompt Crafting
• Tips and Tricks
Slide 11
Slide 11 text
GitHub Copilot の 3 Layer
Copilot Platform
Copilot Client OpenAI Model
API
* 上記は GitHub Copilot のアーキテクチャを抽象化した図です
Githubによって開発及び保守。
認証、セキュリティ、プライバシー
Githubによって開発及び保守。
カスタムプロンプト作成と自動補完
ユーザーエクスペリエンスを提供
OpenAI によって開発
Azure でホスト
スケーラブルなデリバリー
Slide 12
Slide 12 text
GitHub Copilot のモデル
GitHub Copilot のモデル選定重要事項
• 精度
• 速度 ←とても重要
現在は GPT3.5-turbo の派生版である Sahara-base を利用
Codex は今は利用しておりません
今後モデルは変わる可能性があります
Slide 13
Slide 13 text
Large Language Models
LLM
To k
1. Attention
2. Tokenization
3. Autoregressive（自己回帰型）
Very Very …. Very Large Neural Network
To,k ens
To,k,ens in
To,k,ens, in .
Tokens in. To,k,ens, in, .
テキストはトークンに分割され、モデルに1つずつ供給されます。
前のトークンに基づいて次のトークンを予測する、訓練済のモデルです。
Slide 14
Slide 14 text
Prompt Crafting
• Language Marker: プログラミング⾔語情報
• Path Marker: 現在のファイルへのパス
• Neighboring Tabs: ⾮アクティブなオープンしているタブ
Language Marker の例
"html": "",
"python": "#\!/usr/bin/env python3",
"ruby": "#\!/usr/bin/env ruby",
Slide 15
Slide 15 text
Prompt Crafting: Markers
Path:
foo/foo.py
Language Marker
HTML:
Python: #\!/usr/bin/env python3
Ruby: #\!/usr/bin/env ruby
ファイルパスおよび言語マーカーは、強力なシグナルを言語モデルに
提供し、出力の構文と文法を調整します。
Slide 16
Slide 16 text
Prompt Crafting: 隣接ファイル
Open Tab 1 Open Tab 2
他のオープンタブからのコード
スニペットは類似性を検索し、
プロンプトに追加のコンテキス
トとして注入されます。
Slide 17
Slide 17 text
Snippet Inclusion – 隣接するタブ
• 最⼤で 20 ファイルまで 過去の履歴 (FIFO) を遡り読み込む
• 同じ⾔語のファイルを読み込む
Slide 18
Slide 18 text
文字の類似性でファイル内を検索
• GitHub Copilot は 現在⽂字の類似性 を活⽤して類似性を求める
• 関数名はシンプルかつ、意味のあるものにする必要性
• AB テストなどでこの⽅法は変わります / カーソル履歴など
• ⼀貫して⾔えること
• ⼀貫性のある命名規則ときれいなコード
• 現在何をしているのかにフォーカスしながら作業
Slide 19
Slide 19 text
GitHub Copilot の制限
• プロンプトの制限トークン数
• トークンが無限に渡せるわけではない
• 渡せるトークンの数は増加中
• より多くの情報を渡すには…?
• ⽇本語よりも英語を使う
• 短く、わかりやすい変数名
• ⼀⽅でトークンが多ければ確実に精度が上が
るわけではないのでご注意を
https://platform.openai.com/tokenizer
Slide 20
Slide 20 text
December, 2022 GitHub Copilot
GitHub Copilot
Tips and Tricks
BJOBUJWFEFW
Slide 21
Slide 21 text
No content
Slide 22
Slide 22 text
No content
Slide 23
Slide 23 text
No content
Slide 24
Slide 24 text
No content
Slide 25
Slide 25 text
No content
Slide 26
Slide 26 text
No content
Slide 27
Slide 27 text
No content
Slide 28
Slide 28 text
No content
Slide 29
Slide 29 text
No content
Slide 30
Slide 30 text
No content
Slide 31
Slide 31 text
No content
Slide 32
Slide 32 text
No content
Slide 33
Slide 33 text
No content
Slide 34
Slide 34 text
No content
Slide 35
Slide 35 text
まとめ: あまり気にしすぎない
• 「知っている」と「知らない」では GitHub Copilot の飼い慣らしに差はでますが、
GitHub ではそれを意識しないでも高いコード提案ができるようにプロダクトを作っています。
• 結局のところ「良いコーディング」をすれば、提案されるコードも「良いコード」になります。
• 人間にとって良いコーディング
• 文脈を知らない人でもわかるようなコーディング
• ミスを誘発しないような確かなコーディング
Slide 36
Slide 36 text
No content
Slide 37
Slide 37 text
No content