Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Timee-event-Copilot

Avatar for Yuki Hattori Yuki Hattori
September 25, 2023
Technology
450
2

 Timee-event-Copilot

Avatar for Yuki Hattori

Yuki Hattori

September 25, 2023

More Decks by Yuki Hattori

See All by Yuki Hattori
コーディングエージェント時代のセキュリティレビュー戦略 - 増大するコード量と脆弱性への対応
Avatar for Yuki Hattori yuhattor
1
220
AOAI Dev Day 2025 GitHub Keynote
Avatar for Yuki Hattori yuhattor
5
1.6k
HOW TO READ Prompt Engineering for LLM (牛本)
Avatar for Yuki Hattori yuhattor
22
11k
AI-Driven-Development-20250310
Avatar for Yuki Hattori yuhattor
3
670
InnerSource Patterns - Japanese
Avatar for Yuki Hattori yuhattor
1
120
Developer Summit 2025 [14-D-1] Yuki Hattori
Avatar for Yuki Hattori yuhattor
29
20k
GitHubの軌跡：リポジトリからAIプラットフォームへ
Avatar for Yuki Hattori yuhattor
3
290
コードAI本 - コード×AIーソフトウェア開発者のための生成AI実践入門
Avatar for Yuki Hattori yuhattor
1
920
Code AI Findy Event
Avatar for Yuki Hattori yuhattor
7
1.5k

Other Decks in Technology

See All in Technology
古今東西SRE
Avatar for Kaoru okaru
1
140
OWASP APTSを眺めてみた
Avatar for su3158 su3158
0
130
ファインディの事業拡大を支える 拡張可能なデータ基盤へのリアーキテクチャ
Avatar for Noriaki Hiraki hiracky16
0
940
「強制アップデート」か「チームの自律」か？エンタープライズが辿り着いたプラットフォームのハイブリッド運用/cloudnative-kaigi-hybrid-platform-operations
Avatar for みずほリサーチ&テクノロジーズ株式会社 先端技術研究部 mhrtech
0
140
The 7 pitfalls of AI
Avatar for Uwe Friedrichsen ufried
0
200
多角的な視点から見たAGI
Avatar for Terisuke terisuke
0
130
AI 時代の Platform Engineering
Avatar for Recruit recruitengineers
PRO
1
110
サービスの信頼性を高めるため、形骸化した「プロダクションミーティング」を立て直すまでの取り組み
Avatar for すてにゃん stefafafan
1
250
AI時代に、 データアナリストがデータエンジニアに異動して
Avatar for jackojacko_ jackojacko_
0
250
拝啓、あの夏の僕へ〜あなたも知っているApp Runnerの世界〜
Avatar for 荒木 ARK news_it_enj
0
220
自動テストだけで
リリース判断できるチームへ - 鍵はテストの量ではなくリリース判断基準の再設計にあった / Redesigning Release Criteria for Lightweight Releases
Avatar for えわ ewa
7
3.5k
生成AIが変える SaaS の競争原理と弁護士ドットコムのプロダクト戦略
Avatar for 弁護士ドットコム bengo4com
1
3.6k

Featured

See All Featured
SEO in 2025: How to Prepare for the Future of Search
Avatar for Michael King ipullrank
3
3.4k
Ethics towards AI in product and experience design
Avatar for Skipper Chong Warson skipperchong
2
270
Unsuck your backbone
Avatar for Amy Palamountain ammeep
672
58k
The Illustrated Children's Guide to Kubernetes
Avatar for Chris Short chrisshort
51
52k
GraphQLとの向き合い方2022年版
Avatar for Yosuke Kurami quramy
50
15k
State of Search Keynote: SEO is Dead Long Live SEO
Avatar for Ryan Jones ryanjones
0
190
How Fast Is Fast Enough? [PerfNow 2025]
Avatar for Tammy Everts tammyeverts
3
560
The Invisible Side of Design
Avatar for Vitaly Friedman smashingmag
302
52k
The Art of Programming - Codeland 2020
Avatar for Erika Heidi erikaheidi
57
14k
Design and Strategy: How to Deal with People Who Don’t "Get" Design
Avatar for Morgane Peng morganepeng
133
19k
Getting science done with accelerated Python computing platforms
Avatar for Jacob Tomlinson jacobtomlinson
2
190
The Pragmatic Product Professional
Avatar for Laura Van Doore lauravandoore
37
7.3k

Transcript

  1. 開発⽣産性をあげる を 徹底解剖！ Yuki Hattori Customer Success Architect GitHub Japan

  2. None

  3. 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

  4. 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

  5. OpenAI Model 文脈 提案

  6. 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

  7. GitHub Copilot X Copilot for Pull Requests Copilot for Docs

    Copilot for the CLI Copilot Chat

  8. 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/

  9. December, 2022 GitHub Copilot GitHub Copilot Behind the curtain

  10. 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

  11. 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

  12. 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

  13. 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。

  14. 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": "<!DOCTYPE html>", "python": "#\!/usr/bin/env python3", "ruby": "#\!/usr/bin/env ruby",

  15. Prompt Crafting: Markers Path: foo/foo.py Language Marker HTML: <!DOCTYPE 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。

  16. 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。

  17. 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

  18. 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

  19. 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

  20. December, 2022 GitHub Copilot GitHub Copilot Tips and Tricks BJOBUJWFEFW

  21. None
  22. None
  23. None
  24. None
  25. None
  26. None
  27. None
  28. None
  29. None
  30. None
  31. None
  32. None
  33. None
  34. None

  35. 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
  36. None
  37. None