Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
Timee-event-Copilot
Search
Yuki Hattori
September 25, 2023
Technology
2
410
Timee-event-Copilot
Yuki Hattori
September 25, 2023
Tweet
Share
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
yuhattor
1
92
AOAI Dev Day 2025 GitHub Keynote
yuhattor
5
1.2k
HOW TO READ Prompt Engineering for LLM (牛本)
yuhattor
22
9.7k
AI-Driven-Development-20250310
yuhattor
3
580
InnerSource Patterns - Japanese
yuhattor
1
68
Developer Summit 2025 [14-D-1] Yuki Hattori
yuhattor
29
17k
GitHubの軌跡:リポジトリからAIプラットフォームへ
yuhattor
3
230
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
yuhattor
1
780
Code AI Findy Event
yuhattor
7
1.3k
Other Decks in Technology
See All in Technology
Bill One 開発エンジニア 紹介資料
sansan33
PRO
4
14k
技育祭2025【秋】 企業ピッチ/登壇資料(高橋 悟生)
hacobu
PRO
0
100
コンテキストエンジニアリング入門〜AI Coding Agent作りで学ぶ文脈設計〜
kworkdev
PRO
1
870
Shirankedo NOCで見えてきたeduroam/OpenRoaming運用ノウハウと課題 - BAKUCHIKU BANBAN #2
marokiki
0
190
アイテムレビュー機能導入からの学びと改善
zozotech
PRO
0
150
研究開発部メンバーの働き⽅ / Sansan R&D Profile
sansan33
PRO
3
20k
AIツールでどこまでデザインを忠実に実装できるのか
oikon48
6
3.4k
[Codex Meetup Japan #1] Codex-Powered Mobile Apps Development
korodroid
2
690
Simplifying Cloud Native app testing across environments with Dapr and Microcks
salaboy
0
150
CoRL 2025 Survey
harukiabe
0
190
OAuthからOIDCへ ― 認可の仕組みが認証に拡張されるまで
yamatai1212
0
100
オープンソースでどこまでできる?フォーマル検証チャレンジ
msyksphinz
0
130
Featured
See All Featured
Fashionably flexible responsive web design (full day workshop)
malarkey
407
66k
Thoughts on Productivity
jonyablonski
70
4.9k
実際に使うSQLの書き方 徹底解説 / pgcon21j-tutorial
soudai
PRO
189
55k
Writing Fast Ruby
sferik
629
62k
Chrome DevTools: State of the Union 2024 - Debugging React & Beyond
addyosmani
8
910
The Illustrated Children's Guide to Kubernetes
chrisshort
49
51k
The Cult of Friendly URLs
andyhume
79
6.6k
KATA
mclloyd
32
15k
Bash Introduction
62gerente
615
210k
Building a Scalable Design System with Sketch
lauravandoore
463
33k
Helping Users Find Their Own Way: Creating Modern Search Experiences
danielanewman
30
2.9k
The Art of Programming - Codeland 2020
erikaheidi
56
14k
Transcript
開発⽣産性をあげる を 徹底解剖! Yuki Hattori Customer Success Architect GitHub Japan
None
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
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
OpenAI Model 文脈 提案
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
GitHub Copilot X Copilot for Pull Requests Copilot for Docs
Copilot for the CLI Copilot Chat
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/
December, 2022 GitHub Copilot GitHub Copilot Behind the curtain
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
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
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
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。
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",
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。
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。
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
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
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
December, 2022 GitHub Copilot GitHub Copilot Tips and Tricks BJOBUJWFEFW
None
None
None
None
None
None
None
None
None
None
None
None
None
None
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
None
None