比GPT-3更強大！昨日，微軟與O​​penAI共同推出了一款AI編程工具GitHub Copilot，這款工具基於GitHub及其他網站的源代碼，可根據上文提示為程序員自動編寫下文代碼！GitHub 的首席執行官Nat Friedman 介紹說，GitHub Copilot是結對編程的虛擬版本。結對編程是一種常見的敏捷軟件開發技術——即兩個開發人員在同一個項目上並肩協作，輪流編寫代碼並檢查合作夥伴的輸出。

“它可以在編輯器中直接獲提供多行或整個函數的代碼建議。另外，隨著時間的推移和使用量的增加，模型會變得越來越複雜，代碼質量也會越來高。”

對於程序員來講，一款編程工具最重要的當然是支持哪些類型語言。GitHub在預告中說，Copilot 可以支持十幾種語言，與Python、JavaScript、TypeScript、Ruby 和Go 等主流語言配合效果更佳。

目前GitHub官網已經曬出了Copilot 的功能介紹，我們來了解一下。1

給力的結對編程夥伴

GitHub表示，相比大多數代碼助手，GitHub Copilot可以理解更大範圍的上下文。因此，無論是文檔字符串、註釋、函數名稱還是代碼本身，GitHub Copilot 都可以基於提供的上下文（已輸入的代碼）合成新代碼以進行匹配。

如果真有如此可靠，那麼正如GitHub所說，這項功能可以讓程序員丟掉很多的文檔閱讀工作，從而專注於編輯器。

GitHub Copilot還可以將註釋轉換為代碼。只需要寫一條評論，描述想要的邏輯，GitHub Copilot 就能自動“理解”並寫出相應功能的代碼。

GitHub Copilot 也能自動填充重複代碼。GitHub表示，GitHub Copilot 非常適合快速生成樣板和重複代碼模式。對於需要編寫大量相似但難以轉換為循環語句代碼的程序員而言，這項功能非常“香”。

包辦測試也是GitHub Copilot值得注意的亮點，GitHub表示，測試是任何強大的軟件工程項目的支柱，“導入單元測試包，就可以讓GitHub Copilot 自動編寫與你的實現代碼匹配的測試。”

對於相同的上下文，GitHub Copilot可以給出多種解決方案，供程序員自主選擇。

看到這裡，小伙伴們是不是躍躍欲試了呢？可惜，GitHub Copilot不是完全開放的，和GPT-3一樣，只提供有限用戶的試用體驗。總之，先排隊吧。

項目地址：https://copilot.github.com/2

Copilot，專為編程而生

Brockman介紹說，GitHub Copilot的核心模型Codex借助了GPT-3強大的生成能力。

我們知道，GPT-3是OpenAI推出的超大規模自然語言生成模型，早期訓練GPT-3時，OpenAI無意教它如何幫助編寫代碼，它更像是一種通用語言模型，主要用於文本生成、語法修改等任務。

後來OpenAI向公眾開放API，這個基於文本訓練的模型，被網友們玩出了50多種花樣，其中包括自動生成代碼。OpenAI意識到了GPT-3在編寫代碼方面的潛力，並在其網站上提供了在線“代碼生成”服務。

幾十年來，微軟的研究人員一直在嘗試如何教計算機編寫代碼，但未取得顯著成果。此次與OpenAI合作，微軟將提供了強大Azure雲計算能力和GitHub平台（2018年被微軟收購）的大量語言編程代碼。

關於這款產品的代碼生成質量，Friedman說，GitHub員工已經做了大量嘗試，能夠確保GitHub Copilot生成安全、高質量的代碼。他說：“我們已經在系統中建立了一些安全機制，這些機制在減少各個領域能夠顯著減少出錯機率。”也就是說，GitHub Copilot並不能保證完全不出錯，它仍然只是一個輔助生成代碼工具。

官網報導說，Copilot的底層技術屬於微軟和OpenAI共有，今年夏天OpenAI將發布Codex模型，供第三方開發者使用。微軟也表示會發布該產品的一個版本，讓企業通過培訓了解自己的編程風格。但目前，微軟只提供公共存儲庫中存儲的代碼的服務。

這不是微軟第一次依靠OpenAI來提供智能軟件。上個月，微軟展示了powerapps Studio應用程序的更新服務，非技術人員可以使用它來編寫應用程序——用戶輸入他們想要添加的元素單詞，GPT-3可提供一些必要代碼的選項。3

網友討論

GitHub Copilot的發佈在Reddit上引發了熱烈的討論，不少網友看好編碼自動化的產業趨勢，網友@markbowick說道：

毫無疑問，這將極大地提高大多數程序員的日常編程生產力，並且（我認為）這將是推動全球軟件影響呈指數增長的最重要步驟之一。

值得注意的是，GPT-J（GPT-3 較小模型之一的開源實現）在大量GitHub 和StackExchange 查詢存儲庫上進行了訓練，並且在特定編程相關任務上的表現明顯優於OpenAI 的其它模型。在接下來的幾個月裡，我預期會看到性能更好的類似的（更大）模型。

也有人提出了質疑，網友@laprika0表示，GitHub Copilot的測試方法令人擔憂，“讓GitHub Copilot 建議與你的實現代碼匹配的測試，但人們並不應該以這種方式寫測試。”不少網友表示同意，並補充道，“如果實現代碼有錯誤，那麼GitHub Copilot將把錯誤引入測試中，從而影響測試效果。”

還有人則注意到關於代碼所有權的問題，OpenAI發表了一項聲明，表示用戶使用GitHub Copilot寫代碼時，代碼片段和建議結果將與GitHub 和OpenAI 共享，並用於診斷目的和改進建議。同時，為保護隱私，GitHub Copilot 不會使用用戶的私有代碼來為GitHub Copilot 的其他用戶推薦代碼。

網友@touristtam對此聲明感到困惑，“他們是否擁有在用戶啟用GitHub Copilot時編寫的代碼？”

作者| 琰琰、青暮