什麼是提示工程

提示工程是一種如何以清楚指令來引導 AI 的實踐，藉此讓 Copilot 可以更為精準回答正確的問題或完成需求，如解釋專案內容與產生相對應的程式碼。這可以確保程式碼在語法、功能與內容上為正確的。想像一下搭計程車的情境，乘客必須給司機準確的地點與方向引導，否則可能會有繞路或無法精準抵達想要位置情況發生。有了明確指示，乘客可以在最短時間內抵達想要的地點，而無需有額外負擔去進行修正(如自行過馬路到對街、自己再往前走100公尺..)。

提示工程原則

• Single
  提示集中在單一明確定義的工作或問題上。 這種清楚非多個目標的方式，對於從 Copilot 獲得準確且有用的回應是很重要的。
• Specific
  明確且詳細，對於從 Copilot 可以獲得合適且精準的程式碼建議。
• Short
  盡量保持簡潔、扼要，沒有多餘的贅詞與口語。 對於 Copilot 不會造成額外負擔，或使互動複雜化，進而要進行多餘的釐清。
• Surround
  藉由開啟儲存庫、程式碼檔案、相關專案或指定名稱方式，這可為 Copilot 提供豐富的內容背景，進而產生更量身定制的程式碼建議。

流程

1 - 安全的提示傳輸和情境收集
透過 HTTPS 確保自然語言可以安全的傳送至 GitHub Copilot 伺服器。在這個階段，Copilot 也會收集情境詳細資料，包含

• 游標位置前後的程式碼
• 正在編輯之檔案的檔案名稱和類型
• 相鄰的已開啟索引標籤的相關資訊

2 - 內容篩選
進行內容篩選後再繼續擷取意圖和產生程式碼，其中包含

• 個人資料
• 仇恨言論和不當內容

3 - 情境分析
情境分析將從自然語言註解中擷取意圖，包含從關鍵字、片語與情境線索。而後會將意圖對應至特定的程式碼編輯工作或功能，轉譯成使用者需求成具體的程式碼工作要求。

4 - 程式碼產生
透過對應的意圖而獲知訊息的 Copilot 會完成下列動作：

• 提供專為您的程式碼喜好設定量身打造的程式碼建議。
• 建議 apt 函式和變數名稱。
• 製作可確保語法和情境正確性的完整程式碼區塊。
• 與專案的特定語言、架構和標準達成一致。
• 遵守自訂設定，例如程式碼樣式和條件約束

5 - 使用者互動
您會看到所產生的程式碼以便進行檢閱和互動，並有選項可供您：

• 原封不動地接受程式碼
• 修改建議的程式碼
• 拒絕建議的程式碼

6 - 意見反應迴圈起始
Copilot 會根據您的動作起始意見反應迴圈，以達成下列目的：

• 從已接受的建議中增長知識
• 透過建議的修改和拒絕來學習和改進

7 - 針對後續提示重複此程序
此程序會在您提供更多提示時重複進行，Copilot 會持續處理使用者要求、了解其意圖並產生程式碼以作為回應。 一段時間後，Copilot 會運用累積的意見反應和互動資料 (包括情境詳細資料) 以改善其對於使用者意圖的了解，並精進其程式碼產生功能

從0開始的樣本學習

起初，當使用者與 GitHub Copilot 互動或提供建議時，是在沒有任何具體範例的情況下 (僅依靠其基礎訓練) 來產生程式碼。 例如，假設您要建立一個函式以在攝氏溫動轉華氏溫度。 使用者可以先透過註解撰寫你的需求解，Copilot 可能能夠根據其先前的訓練來為您產生程式碼，而無需任何其他範例。隨後，你可以依據此函式為基底，讓 Copilot 藉由此樣本延伸出不同相似函式，像是華氏溫度轉攝氏溫度，即為單一樣本學習。理所當然，當樣本越來越多，Copilot 能產生的建議經過細緻的微調，會從差距甚遠逐漸取得平衡，這就多樣本學習。

提示工程最佳實踐

• 提供足夠的清楚性： 如同工程師般描述 “寫一個 .NET函式來篩選並傳回指定內容中的偶數”
• 提供充足的內容與細節： 在註解中提供詳細步驟，如: 建立 5 個隨意整數在指定內容、建立偶數陣列、回傳內容為 List 型態..等。
• 提供學習範例：同前一個段落 “從0開始的樣本學習” 內描述，提供多樣本
• 判斷提示並逐一查看：第一個提示可能不會總是產生完美的程式碼，但這完全沒關係。 如果第一個輸出不完全符合您的要求，請將它視為對話中的一個步驟。 清除建議的程式碼、透過新增的詳細資料和範例來豐富您的初始註解，然後再次提示 Copilot。

參考資料

1. 提示工程基礎和最佳做法