Prompt基础和最佳实践
我们将介绍：
- 什么是Prompt？
- Prompt基础
- Prompt的最佳实践
- Copilot 如何从Prompt中学习
什么是Prompt？
Prompt是为AI系统（如GitHub Copilot）提供明确指令的过程，以生成符合项目需求的相关代码。这确保了代码在语法、功能和上下文上的正确性。可以把它看作是给Copilot提供精确指示的过程。有了明确的指导，编码过程将更直接、高效，节省时间和精力。在这个过程中，你是导向者，GitHub Copilot是你的司机，准备在你的指导下帮助你完成编码任务。
既然您知道什么是Prompt，那么让我们了解一下它的一些原理。
Prompt原理
Prompt的基本原理可以总结为4S原则：
- 单一（Single） ：每个提示应专注于一个明确的任务或问题，以获得准确且有用的响应。
- 具体（Specific） ：指示应明确且详细，以获得更精确的代码建议。
- 简短（Short） ：在保持具体性的同时，提示应简洁明了，以保持清晰度并避免复杂化。
- 环境（Surround） ：使用描述性的文件名并保持相关文件打开，为Copilot提供丰富的上下文，以产生更个性化的代码建议。
牢记这4S原则，可以帮助我们更有效地使用GitHub Copilot。
Prompt的最佳实践
以下基于 4S 的高级实践可完善并增强您与 Copilot 的互动，确保生成的代码不仅准确，而且完全符合项目的特定需求和环境。
提供足够的清晰度
根据“单一”和“具体”原则，我们应该明确地指定提示。例如，提示“编写一个Python函数，过滤并返回列表中的偶数”就是一个既单一又具体的好例子。
提供足够的上下文和细节
按照“环境”原则，我们应该为Copilot提供尽可能多的上下文信息。例如，可以在代码顶部添加注释，提供更多详细信息，这样Copilot就能更好地理解你的提示，并给出更合适的代码建议。
在上面的示例中，我们使用步骤来提供更多细节，同时保持简短。这种做法遵循“简短”原则，平衡细节与简洁，以确保沟通的清晰度和准确性。
Copilot会利用代码编辑器中同时打开的其他选项卡来获取更多的上下文信息，以更好地理解代码需求。
提供学习范例
使用示例可以阐明您的要求和期望，说明抽象概念并使提示对 Copilot 来说更加具体。
断言和迭代
充分利用GitHub Copilot的关键是迭代实践。第一次的提示可能不会生成完美的代码，但这没关系。如果输出不符合要求，可以看作是对话的一部分。删除建议的代码，丰富初始注释，再次提示Copilot。
现在你已经了解了如何提高提示技巧，我们来看看如何给Copilot提供可以学习的示例。
Copilot如何从你的提示中学习
GitHub Copilot基于大量数据训练的AI模型运行。为了增强其对特定代码上下文的理解，我们经常给它提供示例。这在机器学习中很常见，有以下几种训练方法：
零样本学习
在这种情况下，GitHub Copilot在生成代码时没有任何具体示例，只依赖于基础训练。例如，如果你要创建一个在摄氏度和华氏度之间转换温度的函数，你可以只写一个描述你想要的注释，Copilot可能就能根据之前的训练为你生成代码，无需任何其他示例。
单样本学习
通过这种方法，给出了一个示例，帮助模型生成更具上下文感知的响应。在前面的零样本示例的基础上，您可以提供温度转换函数的示例，然后要求 Copilot 创建另一个类似的函数。它看起来是这样的：
少样本学习
在该方法中，Copilot给出了几个例子，在零样本不可预测性和微调精度之间取得了平衡。假设您想要生成根据一天中的时间向您发送问候语的代码。这是该提示的几个版本：
现在您已经了解了 Copilot 如何使用提示来学习，让我们深入了解一下它实际上如何使用提示来为您建议代码。
