Typé, documenté et cohérent avec la marque

Vous étendez une application de gestion de tâches et souhaitez ajouter une fonction utilitaire qui renvoie le nombre de tâches terminées. Vous avez déjà configuré un fichier copilot-instructions.md avec les conventions de codage de votre équipe.

Vous saisissez ensuite l’invite :

"Write a function that returns the total number of completed tasks."

L’image montre la fonction générée par Copilot.

Quelle instruction personnalisée a le plus probablement influencé la façon dont la fonction a été écrite ?

Cet exercice fait partie du cours

<cours>Développement logiciel avec GitHub Copilot</cours>

Exercice interactif pratique

Transformez la théorie en action avec l’un de nos exercices interactifs

Commencer l’exercice

Cet exercice fait partie du cours

<cours>Développement logiciel avec GitHub Copilot</cours>

IntermédiaireNiveau de compétence

4.9+

Commencer le cours gratuitement

Learn how to make the most of GitHub Copilot across its different interfaces—autocomplete, inline, chat modes, and Agent mode. Discover when to use each feature, how to guide Copilot effectively, and how to unlock its full potential for both quick fixes and complex, multi-file tasks.

Exercise 1: What is GitHub Copilot?Exercise 2: What can Copilot really do?Exercise 3: Exploring GitHub Copilot modes Exercise 4: Highlight, prompt, done Exercise 5: No edits, just ideas Exercise 6: Inline, Ask, or Edit? You decide Exercise 7: Introducing Agent Mode Exercise 8: What sets Agent Mode apart Exercise 9: Wait, what is Copilot asking?

Enhance Copilot’s accuracy by guiding it with context, chat variables, and expert participants. Learn to combine these features with slash commands and smart actions to streamline debugging, code reviews, and project navigation. Gain practical techniques that transform Copilot into a more reliable and efficient coding partner.

Exercise 1: Guiding Copilot with context Exercise 2: Just add #context Exercise 3: Let’s walk Copilot through it Exercise 4: Adding domain expertise Exercise 5: Who should you ask?Exercise 6: You asked, Copilot answered Exercise 7: Working efficiently with Copilot Exercise 8: Guess who suggested that Exercise 9: Let Copilot do the testing

Learn how to shape Copilot’s behavior with custom instructions and model selection. Define coding standards, enforce project or organization-wide conventions, and choose the right AI model for speed, reasoning, or multi-file tasks. Gain control over how Copilot adapts to your workflow.

Exercise 1: Personnaliser Copilot Exercise 2: Typé, documenté et cohérent avec la marque

Exercice actuel

Exercise 3: Qu’est-ce qui fait une bonne instruction ?Exercise 4: Sélectionner et changer de modèle Exercise 5: Faites correspondre le modèle à la tâche Exercise 6: Des modèles différents, des atouts différents Exercise 7: Attendez, ce modèle coûte-t-il plus cher ?Exercise 8: Étendre Copilot avec des outils MCP Exercise 9: Soudain, Copilot peut en faire plus Exercise 10: Que s’est-il passé en coulisses ?

Go beyond everyday Copilot usage. Learn to generate comprehensive test suites, identify and fix security vulnerabilities, and optimize code performance.

Exercise 1: Testing and code quality with Copilot Exercise 2: Quick tests or custom prompt?Exercise 3: How would you prompt Copilot?Exercise 4: Building tests that span components Exercise 5: Security with GitHub Copilot Exercise 6: Matching the right security approach Exercise 7: From vulnerability to prevention Exercise 8: Preventing bad patterns Exercise 9: Performance optimization with GitHub Copilot Exercise 10: What are you optimizing for?Exercise 11: Diagnosing a slow endpoint Exercise 12: Congratulations!