小試 Github Copilot

這陣子接連看過 VS2022 的 IntelliCode 與 VSCode 外掛 Tabnine，都是靠 AI 幫忙你寫程式的好幫手。而這個領域名聲最響亮的，非 Github Copilot 莫屬。而 Github Copilot 3/29 剛發佈 VS2022 擴充套件，Github Copilot 目前在 Technical Preview 階段，要使用需提申請排隊等核准，現在幾乎是隨申請秒核准，談不上超級期待，我還是小試了一下。

Github Copilot 與 IntelliCode 與 Tabnine 不同，需依賴雲端服務運行，程式碼會送到雲端分析產生建議，對一些企業機構來說，可能會有產生資訊外流的疑慮。為此，在跳出同意授權時，這次我沒有「同意啦，哪次不同意」，特別讀了聲明：(大家有認真看過 Github Copilot 聲明嗎？)

歸納以下結論：

• Github Copilot 會蒐集哪些資料？ 目標在蒐集 Copilot 效能、使用功能、建議接受/拒絕/修改的狀況 ，作為日後改良優化的參考。蒐集內容將包含「程式檔片段」(source code snippets)、程式建議內容、開發者對建議的修改、Repository URL、檔案路徑，並會分享給 Github、微軟及 OpenAI 相關人員。所蒐集的資訊會視為機密資料，並限定相關人員才能存取，若要撤銷授權 Github 使用你的個人資訊可連絡 Github。
• 蒐集的資料如何被保護以及使用？ 加密後安全地儲放在 Github 系統裡，存取將被嚴格管控，以記名方式限定下列人員存取 1) Github Copilot 團隊及 Github 平台健康團隊的 Github 員工及僱員、2) Azure/Github Copliot 團隊的員工及僱員、3) 參與 Github Copliot 的 OpenAI 員工。

我覺得可以用 Gmail/Dropbox/Google Drive/One Drive/LINE 的角度看待。其中難免會有較機密內容，但我們仍視它們為安全的私密空間。如果是 Side Project 或開源專案，應該沒什麼好擔心；但對企業組織這又另當別論，大家就自行斟酌吧。

回到神奇海螺 Github Copilot 上，我在 VS2022 安裝並啟用了 Github Copilot，開啟專案簡單小試。

Copilot 跟 IntelliCode/Tabnine 最大的不同在於，它不需太多前後文程式碼，單憑註解就能猜出你想做什麼：

或是靠著 MVC Action 中有個 IFormFile 猜你是不是要讀取檔案：

提供建議時，一次一行，若修改為不同的寫法，後面能調整因應提供不同建議：

不過，偶爾會有出鎚的時侯，像是提示無法編譯的程式碼：

簡單試用後的感想，跟事前預期差不多，並沒有太興奮，不至跪著讚嘆「爽，以後動嘴就能寫程式了」或是憂心「慘了，飯碗要被 AI 搶走了」。

別誤會，Github Copilot 聰慧過人，大部分時間能依情境提供有效建議(從註解或函數宣告猜到你想寫的功能很神)，遇到原來不會寫的程式可省下可觀 Google 爬文時間，能很快協助你生出可執行且結果正確的程式；即便心中已有定見，它的精準提示也能省掉打字時間。

但這跟我個人的習慣不一樣，遇到未知問題我喜歡花點時間找資料，找到可能解法，比較優劣及適用情境再決定用哪一種，過程還會接觸額外相關知識，增廣見識。寫程式全靠 AI 直接講答案，問題固然很快解掉，但也喪失了主動蒐集資料、廣泛了解議題、比較優劣、識別應用情境的練習機會，開發經驗與知識難以成長，不就活生生是被戲稱「不懂原理，只會從 Stackoverlow 複製貼上的軟體工程師」。若 AI 有一天真的會取代程式設計師的工作，最先失業的肯定是靠 AI 提詞才會寫 Code 的那一群。

因此我對 AI 輔助寫程式的期待，只要省去沒營養打字工夫就好，至於該用什麼 API、什麼方式實現，還是回歸人腦來主導，以系統化學習的知識為基礎，依專案環境條件琢磨拍板，才稱得上最佳化。無腦地讓 AI 抓著手一句一句寫完，不查資料，不看文件，感覺很不踏實。

如果要說善用 Gituhb Copilot，我不期待不動腦放手讓它幫忙寫完程式，但它跳出的程式建議代表「Github 上大家慣用的主流做法」，有滿滿關鍵字可用來尋找參考資料，深入探索議題，順便搞清楚易犯錯誤及適用情境，讓你加快知識累積。像是有個身經百戰但不如你了解專案環境的老司機，跟你一起 Pair Programming，他的建議字字珠璣，卻未必完全適合當下情境，但他身上絕對有你學不完的好東西。