• 亞馬遜推出CodeWhisperer，一個類似GitHub Copilot的AI配對編程工具|TechCrunch
• Github的人工智慧駕駛儀可以讓開發者的工作更輕鬆
• GitHub的AI-powered Copilot將幫助你寫程式碼，每月10美元 - The Verge
• GitHub的人工智慧編程助手Copilot現在普遍可用 | TechCrunch
• GitHub Copilot人工智慧編程助手現已全面投入使用 | InfoWorld
• GitHub Copilot發布，訂閱費用為10美元/月 - The Register
• GitHub的人工智慧編碼工具Copilot將對學生免費開放 | TechCrunch
• 人工智慧如何讓開發者的生活更輕鬆，並幫助每個人學習開發軟體 - The AI Blog
• GitHub Copilot延續了程式碼完成的AI機器人趨勢
• GitHub Copilot採用付費模式，對一些開放原始碼維護者和學生仍然免費
• 請AI幫忙寫程式的GitHub Copilot正式上線，月租費10美元 | iThome
• 工程師可以偷懶了？Github可幫你寫程式的AI輔助工具Copilot上線，月費只要10美元 | T客邦
• GitHub的人工智慧編碼器已經上市||Kilgorenewsherald.com
• 微軟Build大會預示著人工智慧輔助軟體開發時代的到來 -- Visual Studio雜誌

OpenAI Codex 接受了公開可用的源代碼和自然語言的培訓，因此它適用於編程和人類語言。GitHub Copilot 擴展將您的評論和代碼發送到 GitHub Copilot 服務，它依賴於上下文，如下面的隱私中所述 - 即，您正在編輯的文件中的文件內容以及項目中的相鄰或相關文件。它還可以收集存儲庫的 URL 或文件路徑以識別相關上下文。然後 OpenAI Codex 使用註釋和代碼以及上下文來綜合和建議各個行和整個函數。

OpenAI Codex 接受了公開可用的源代碼和自然語言的培訓，因此它適用於編程和人類語言。GitHub Copilot 擴展將您的評論和代碼發送到 GitHub Copilot 服務，它依賴於上下文，如下面的隱私中所述 - 即，您正在編輯的文件中的文件內容以及項目中的相鄰或相關文件。它還可以收集存儲庫的 URL 或文件路徑以識別相關上下文。然後 OpenAI Codex 使用註釋和代碼以及上下文來綜合和建議各個行和整個函數。

GitHub Copilot 由 Codex 提供支持，Codex 是由 OpenAI 創建的生成式預訓練 AI 模型。它已經接受了來自公開來源的自然語言文本和源代碼的培訓，包括 GitHub 上公共存儲庫中的代碼。

在最近的一次評估中，我們發現用戶平均接受了 GitHub Copilot 顯示的所有完成的 26%。我們還發現，平均超過 27% 的開發人員代碼文件是由 GitHub Copilot 生成的，而在 Python 等某些語言中，這一比例高達 40%。但是，GitHub Copilot 並沒有編寫完美的代碼。它旨在根據它可以訪問的上下文生成可能的最佳代碼，但它不會測試它建議的代碼，因此代碼可能並不總是有效，甚至沒有意義。GitHub Copilot 只能保存非常有限的上下文，因此它可能無法使用項目中其他地方甚至同一文件中定義的有用函數。它可能暗示圖書館和語言的舊或不推薦使用。將用非英語編寫的註釋轉換為代碼時，與英語相比可能存在性能差異。

與任何其他代碼一樣，GitHub Copilot 建議的代碼應經過仔細測試、審查和審查。作為開發人員，您始終負責。

GitHub Copilot 接受過公共代碼培訓。當一個新的庫、框架或 API 發佈時，可供模型學習的公共代碼就會減少。這降低了 GitHub Copilot 為新代碼庫提供建議的能力。隨著更多示例進入公共空間，我們將它們整合到訓練集中，並且建議相關性得到提高。將來，我們將提供方法來突出顯示較新的 API 和示例，以提高它們在 GitHub Copilot 建議中的相關性。

公共代碼可能包含不安全的編碼模式、錯誤或對過時 API 或慣用語的引用。當 GitHub Copilot 基於這些數據合成代碼建議時，它還可以合成包含這些不良模式的代碼。這是我們在 GitHub 非常關心的事情，近年來我們為開源項目提供了 GitHub Actions、Dependabot 和 CodeQL 等工具，以幫助提高代碼質量。當然，您應該始終將 GitHub Copilot 與良好的測試和代碼審查實踐和安全工具以及您自己的判斷結合使用。

GitHub Copilot 是一種工具，就像編譯器或筆一樣。GitHub 不擁有 GitHub Copilot 生成的建議。你在 GitHub Copilot 的幫助下編寫的代碼屬於你，你要對它負責。我們建議您在將代碼投入生產之前仔細測試、審查和審查代碼，就像您編寫的任何包含非獨立來源的材料的代碼一樣。

GitHub Copilot 建議的絕大多數代碼以前從未見過。我們最新的內部研究表明，大約 1% 的情況下，建議可能包含一些長度超過約 150 個字符的代碼片段與訓練集匹配。先前的研究表明，當 GitHub Copilot 無法從您正在編寫的代碼中收集足夠的上下文時，或者當有一個常見的，甚至可能是通用的解決問題的方法時，就會發生許多這樣的情況。

我們構建了一個過濾器來幫助檢測和抑制 GitHub Copilot 建議包含與 GitHub 上的公共代碼匹配的代碼的罕見情況。您可以在設置過程中選擇打開或關閉該過濾器。啟用過濾器後，GitHub Copilot 會根據 GitHub 上大約 150 個字符的公共代碼檢查代碼建議及其周圍代碼是否匹配或接近匹配（忽略空格）。如果有匹配項，則不會向您顯示建議。我們計劃繼續發展這種方法，並歡迎反饋和評論。

您應該採取與您編寫的任何使用非獨立來源材料的代碼相同的預防措施。其中包括嚴格的測試、IP 掃描和檢查安全漏洞。在查看之前，您應該確保您的 IDE 或編輯器不會自動編譯或運行生成的代碼。

鑑於公共資源主要使用英語，GitHub Copilot 在開發人員提供的自然語言提示不是英語和/或語法不正確的情況下可能效果不佳。因此，非英語使用者可能會體驗到較低的服務質量。

此外，缺乏經驗的開發人員可能難以使用 GitHub Copilot 有效地生成代碼，並且他們缺乏經驗可能會妨礙他們有效審查和編輯 GitHub Copilot 提出的建議的能力。最後，我們正在對 GitHub Copilot 的殘障開發人員易用性進行內部測試，並努力確保所有開發人員都可以訪問 GitHub Copilot。請隨時在我們的反饋論壇中分享您對 GitHub Copilot 可訪問性的反饋。

我們承認代碼生成系統中的公平性和包容性是重要的新興研究領域。我們正在與包括微軟負責任人工智能辦公室在內的專家合作，努力推進 GitHub Copilot 的負責任人工智能實踐。我們還將審查新的研究並從我們收到的反饋中學習，以改進 GitHub Copilot，使其可供廣泛的開發人員使用，並為具有不同背景的人提供類似的服務質量。

引入更智能的系統有可能給開發人員體驗帶來巨大的變化。我們不希望 GitHub Copilot 取代開發人員。相反，我們希望 GitHub Copilot 與開發人員合作，增強他們的能力，使他們更有效率，減少手動任務，並幫助他們專注於有趣的工作。我們也相信 GitHub Copilot 有潛力降低進入門檻，讓更多人探索軟件開發，加入下一代開發者行列。我們正在努力通過內部和外部研究來檢驗這些假設。

GitHub Copilot 為您提供了有關如何使用收集的數據的某些選擇。使用 GitHub Copilot 需要用戶參與數據，包括假名標識符和一般使用數據，並且在您使用 GitHub Copilot 時將繼續收集、處理和與 Microsoft 和 OpenAI 共享。您可以通過調整您的用戶設置來選擇您的代碼片段是否由 GitHub 收集和保留，並進一步處理並與 Microsoft 和 OpenAI 共享。有關 GitHub Copilot 收集和處理的遙測類型的其他信息，請參閱GitHub Copilot 收集哪些數據？以下。

您還可以通過填寫支持票來請求刪除與您的 GitHub 身份關聯的 GitHub Copilot 數據。請注意，未來的數據收集將在繼續使用 GitHub Copilot 的情況下進行，但您可以在Copilot 用戶設置中控制是否在遙測中收集、處理和保留您的代碼片段。

GitHub Copilot 依賴文件內容和其他數據來工作。它收集數據以提供服務並保存一些數據以進行進一步分析並實現改進。有關如何使用和共享遙測數據的更多詳細信息，請參閱下文。

用戶參與數據

當您使用 GitHub Copilot 時，它將收集有關與 IDE 或編輯器交互時生成的事件的使用信息。這些事件包括用戶編輯操作，例如接受和拒絕完成，以及錯誤和一般使用數據，以識別延遲和功能參與等指標。此信息可能包括個人數據，例如匿名標識符。

代碼片段數據

根據您首選的遙測設置，GitHub Copilot 還可能收集和保留以下內容，統稱為“代碼片段”：您正在編輯的源代碼、相關文件和在同一 IDE 或編輯器中打開的其他文件、存儲庫的 URL 和文件路徑。

包括代碼片段的遙測，詳見GitHub Copilot 收集哪些數據？, 被 GitHub、Microsoft 和 OpenAI 用於改進 GitHub Copilot 和相關服務，以及對開發人員進行產品和學術研究。

遙測用途可能包括：

• 直接改進 GitHub Copilot，包括評估處理過程中的不同策略和預測哪些建議用戶可能會覺得有幫助
• 開發和改進來自 GitHub、Microsoft 和 OpenAI 的密切相關的開發人員產品和服務
• 調查和檢測對 GitHub Copilot 的潛在濫用
• 進行與開發人員及其對開發人員工具和服務的使用相關的實驗和研究
• 評估 GitHub Copilot，例如，通過衡量它對用戶的積極影響
• 改進底層代碼生成模型，例如，通過提供正面和負面的例子
• 微調排名和排序算法和提示製作

在處理代碼片段時，我們會採取下文如何保護傳輸的數據？並根據我們的隱私聲明遵循負責任的做法，以便使用您的遙測數據來改進這些模型不會導致這些數據與其他 GitHub Copilot 用戶共享。

我們知道用戶編輯操作、源代碼片段以及存儲庫的 URL 和文件路徑都是敏感數據。因此，採取了多種保護措施，包括：

• 傳輸的數據在傳輸和靜態加密
• 訪問受到嚴格控制。數據只能由 (1) 在 GitHub Copilot 團隊或 GitHub 平台健康團隊工作的指定 GitHub 人員，(2) 在 GitHub Copilot 團隊或與 GitHub Copilot 團隊一起工作的 Microsoft 人員，以及 (3) 在GitHub 副駕駛
• 訪問代碼片段數據的人員需要基於角色的訪問控制和多因素身份驗證

不會。我們使用數據（包括有關用戶接受或拒絕哪些建議的信息）來改進模型。我們根據我們的隱私聲明遵循負責任的做法，以確保您的代碼片段不會被用作 GitHub Copilot 其他用戶的建議代碼。

有關 GitHub 如何處理和使用個人數據的更多信息，請參閱我們的隱私聲明。