Copilot zyskuje nowe możliwości

Twój zespół przygotowuje się do dużego wydania, a ty żonglujesz wieloma zgłoszeniami i gałęziami w GitHubie. Pracujesz w VS Code z GitHub Copilotem i marzy ci się, żeby mógł on samodzielnie wykonywać zadania – na przykład wyświetlać otwarte zgłoszenia czy tworzyć pull requesty.

Koleżanka z zespołu proponuje zainstalowanie serwera GitHub MCP, żeby rozszerzyć możliwości Copilota. Próbujesz – i nagle Copilot potrafi znacznie więcej.

Co najlepiej opisuje rolę serwera MCP w umożliwieniu takiego działania?

To ćwiczenie jest częścią kursu

Programowanie z GitHub Copilot

Zobacz kurs

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Programowanie z GitHub Copilot

SkillTag.level.intermediateSkillTag.label

4.8+

1058 reviews

Rozpocznij kurs za darmo

Dowiedz się, jak w pełni wykorzystać GitHub Copilot w różnych interfejsach – autouzupełnianiu, trybie inline, trybach czatu i trybie agenta. Poznaj, kiedy używać każdej funkcji, jak skutecznie kierować Copilotem i jak uwolnić jego pełny potencjał – zarówno przy szybkich poprawkach, jak i złożonych zadaniach obejmujących wiele plików.

Exercise 1: Czym jest GitHub Copilot?Exercise 2: Co naprawdę potrafi Copilot?Exercise 3: Odkrywanie trybów GitHub Copilot Exercise 4: Zaznacz, zapytaj, gotowe Exercise 5: Bez edycji, tylko pomysły Exercise 6: Inline, Ask czy Edit? Twój wybór Exercise 7: Wprowadzenie do trybu agenta Exercise 8: Co wyróżnia Agent Mode Exercise 9: Chwila, o co pyta Copilot?

Zwiększ dokładność Copilota, dostarczając mu kontekst, zmienne czatu i wyspecjalizowanych uczestników. Naucz się łączyć te funkcje z poleceniami slash i inteligentnymi akcjami, aby usprawnić debugowanie, przeglądy kodu i nawigację po projekcie. Zdobądź praktyczne techniki, które uczynią z Copilota bardziej niezawodnego i efektywnego partnera w programowaniu.

Exercise 1: Sterowanie Copilotem za pomocą kontekstu Exercise 2: Dodaj #context Exercise 3: Prowadź Copilota krok po kroku Exercise 4: Dodawanie wiedzy dziedzinowej Exercise 5: Kogo zapytać?Exercise 6: Zapytałeś – Copilot odpowiedział Exercise 7: Efektywna praca z Copilotem Exercise 8: Zgadnij, kto to zaproponował Exercise 9: Pozwól Copilotowi pisać testy

Naucz się kształtować zachowanie Copilota za pomocą własnych instrukcji i wyboru modelu. Definiuj standardy kodowania, egzekwuj konwencje obowiązujące w projekcie lub organizacji i wybieraj właściwy model AI – zależnie od tego, czy liczy się szybkość, rozumowanie, czy praca z wieloma plikami. Przejmij kontrolę nad tym, jak Copilot dostosowuje się do twojego procesu pracy.

Exercise 1: Dostosowywanie Copilota Exercise 2: Typowane, udokumentowane i zgodne ze standardami Exercise 3: Co sprawia, że instrukcja jest dobra?Exercise 4: Wybór i przełączanie modeli Exercise 5: Dopasuj model do zadania Exercise 6: Różne modele, różne możliwości Exercise 7: Chwila, czy ten model jest droższy?Exercise 8: Rozszerzanie Copilota za pomocą narzędzi MCP Exercise 9: Copilot zyskuje nowe możliwości

Bieżące ćwiczenie

Exercise 10: Co się właśnie wydarzyło za kulisami?

Wyjdź poza codzienne zastosowania Copilota. Naucz się generować kompleksowe zestawy testów, wykrywać i naprawiać luki bezpieczeństwa oraz optymalizować wydajność kodu.

Exercise 1: Testowanie i jakość kodu z Copilotem Exercise 2: Szybkie testy czy własny prompt?Exercise 3: Jak napisać prompt dla Copilota?Exercise 4: Tworzenie testów obejmujących wiele komponentów Exercise 5: Bezpieczeństwo z GitHub Copilot Exercise 6: Dobieranie właściwego podejścia do bezpieczeństwa Exercise 7: Od podatności do zapobiegania Exercise 8: Zapobieganie niepożądanym wzorcom Exercise 9: Optymalizacja wydajności z GitHub Copilot Exercise 10: Co optymalizujesz?Exercise 11: Diagnozowanie wolnego endpointu Exercise 12: Gratulacje!