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.

What is GitHub Copilot?

What can Copilot really do?

Exploring GitHub Copilot modes

Highlight, prompt, done

No edits, just ideas

Inline, Ask, or Edit? You decide

Introducing Agent Mode

What sets Agent Mode apart

Wait, what is Copilot asking?

Getting Started with GitHub Copilot

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.

Guiding Copilot with context

Just add #context

Let’s walk Copilot through it

Adding domain expertise

Who should you ask?

You asked, Copilot answered

Working efficiently with Copilot

Guess who suggested that

Let Copilot do the testing

The Science of Context

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.

Menyesuaikan Copilot

Bertipe, terdokumentasi, dan sesuai merek

Opsi

Instruksi Efektif

Instruksi Tidak Efektif

Apa yang membuat sebuah instruksi menjadi baik?

Memilih dan mengganti model

Model serbaguna

Model penalaran lanjut

Cocokkan model dengan tugas

Model berbeda, kemampuan berbeda

Tunggu, apakah model ini lebih mahal?

Memperluas Copilot dengan alat MCP

Tiba-tiba, Copilot bisa lebih banyak

Alur permintaan alat MCP

Apa yang baru saja terjadi di balik layar?

Customizing and Extending Copilot

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

Testing and code quality with Copilot

Quick tests or custom prompt?

How would you prompt Copilot?

Building tests that span components

Security with GitHub Copilot

Matching the right security approach

From vulnerability to prevention

Preventing bad patterns

Performance optimization with GitHub Copilot

What are you optimizing for?

Diagnosing a slow endpoint

Congratulations!

Applied Copilot: Testing, Security, and Performance

GitHub Copilot lebih dari sekadar pelengkap otomatis yang cerdas—ini adalah asisten pengodean berbasis AI yang membantu Anda memahami, menulis, dan menyempurnakan kode dengan mudah. Dalam kursus ini, Anda akan mengeksplorasi Copilot di Visual Studio Code, mulai dari saran pelengkapan otomatis hingga penyuntingan inline dan mode berbasis chat, serta mempelajari cara menggunakan masing-masing secara efektif untuk tugas mulai dari perbaikan cepat hingga refaktor lintas berkas. Anda akan belajar memberikan konteks yang tepat melalui variabel chat, peserta, dan progressive prompting, sekaligus merampingkan alur kerja dengan perintah slash dan aksi cerdas. Anda akan membentuk perilaku Copilot dengan instruksi kustom dan pemilihan model, menyesuaikannya dengan standar proyek atau konvensi tim. Terakhir, Anda akan memadukan semuanya dengan menggunakan Copilot untuk membuat rangkaian pengujian, menangkap kerentanan keamanan, dan mengoptimalkan kinerja. Pada akhirnya, Anda akan memiliki keterampilan untuk menjadikan Copilot mitra pengodean yang andal—meningkatkan produktivitas, mengurangi kesalahan, dan menulis kode yang tidak hanya lebih cepat, tetapi juga lebih baik.

Kuasi GitHub Copilot untuk memahami, menulis, dan menyempurnakan kode dengan konteks dan fitur cerdas.

Pengembangan Perangkat Lunak dengan GitHub Copilot

Pelajari GitHub Copilot untuk memahami, menulis, dan menyempurnakan kode dengan konteks, penyesuaian, dan fitur cerdas.

Kecerdasan Buatan untuk Rekayasa Perangkat Lunak

GitHub Copilot Fundamentals (GH-300)

Gunakan `pandas` dan `matplotlib` untuk semua skrip analisis data

Sertakan type hint di semua tanda tangan fungsi

Tulis pengujian menggunakan `pytest` dan beri nama file uji dengan prefiks "test_"

Jaga agar semua jawaban tidak lebih dari 10 baris kode kecuali diberitahu sebaliknya

Format respons dengan nada yang ramah dan kasual seolah-olah Anda sedang pair programming

Apa yang membuat sebuah instruksi menjadi baik?

Pengembangan Perangkat Lunak dengan GitHub Copilot

Latihan interaktif langsung