GitHub Copilot（官網）是 GitHub 在 2021 年六月發布，一個透過 OpenAI（官網）的 Codex 系統（官網、應該是基於 GPT-3）來完成的 AI 程式輔助開發系統。
以往的程式輔助系統，大部分都是很局部的自動完成，例如自動完成要呼叫函式名稱、或是變數名稱；雖然算是很有幫助，但是其實相對侷限。
而 GitHub Copilot 則是透過深度學習技術，大幅強化了自動完成的能力，甚至變成可以只打註解、就給你整個函式的內容！在應用上的空間，算是提供了相當的程度。
由於之前他所支援的開發環境是以 Visual Studio Code 為主，所以 Heresy 沒有下去玩；而前一陣子，他則是推出了 Visual Studio 2022 的延伸模組了！所以 Heresy 就把它裝起來試試看了～
他的網址是：https://marketplace.visualstudio.com/items?itemName=GitHub.copilotvs，由於目前還是在技術預覽的階段，所以並不是裝了就可以用，而是要先申請加入等待清單、等到核可之後才能真的使用。
總之安裝好之後，在每個文件左下角、縮放比例的旁邊會出現 GitHub Copilot 的圖示，點選之後會出來選單，可以做控制。
可以看到，他可以針對專案、使用的語言，來決定使否要啟用。
第一次啟動後，他會跳出一些對話框，告訴你已經把裝置啟動碼複製到剪貼簿了，然後也會自動開啟啟動的網頁，讓使用者把啟動碼貼進去、完成啟用（需要登入 GitHub）。
以個人的狀況，申請隔天就核可了，還滿快的。
完整的使用教學，則可以參考官方文件（網頁）。
基本使用
在官網上，就已經有很多動態示意圖，代表他有多厲害了；而實際上自己玩了一下後，發現在某些情境下，它的效果真的讓人覺得很訝異！
以一般的狀況來說，當透過註解來描述所需的功能後，他就會試著去提供可能的函式來讓使用者直接使用。
像這邊只輸入了「// check is power of 2」，換行後他底下就把整個函式（灰色框的部分都是 Copilot 提供的）都給你了，如果要接受這個結果的話，只要按 tab 就可以了。
而其他像是 quick sort 等知名演算法，他也可以提供對應的實作，讓開法者直接使用。
不過由於他也是以網路服務的形式來運作的，所以根據狀況，他能給出的建議不見得會很快、很即時；這個時候可以是著用 Ctrl + Alt + \ 這個組合鍵，來強制要求他處理。
Heresy 自己也碰過有的狀況要等好幾秒，甚至到最後都沒辦法給出建議的狀況，這點就不知道以後是否有可能改善了？
而如果定義了一個結構後，再用註解說要輸出這個結構，他就自動寫了一個給 ostream
用的 operator<< 出來了！
他很厲害的一點，是他不會只針對當下在修改的區塊來做分析，還會針對有用了那些 header 來做出不同的建議。
像是上面的例子如果把前面的 header 從 C++ STL 的 <iostream> 改成 C 的 <stdio.h> 的話，他提供的寫法也會跟著變成用 printf() 呢～
除了輸出之外，如果有需要，他也是可以提供對應的輸入用的版本的；但是適不適用就見仁見智了。
而除了透過註解來完成外，其實也可以直接透過函式名稱來讓他做分析、建議；像是輸入了 float average( 後，他就會提供對應的輸入引數、還有函式內容的建議了。
這邊也可以看到，在只有 include <vector> 的情況下，他會用 vector 來當輸入（不過沒加 const）；而如果有 include <span> 的話，他則會用 span 來做為輸入型別。
實際上，以 C++ 來說，個人是覺得 GitHub Copilot 給的建議會根據 header
做出很大的變化；所以如果真的要用的話，比較好的做法應該是先把自己要用、或是能用那些第三方的函式庫都先 include 進來，這樣他給的結果會比較好。
連續性內容補足
而除了這種表達出明確意涵的方法外，他也可以透過前面連續性的內容，來補足後續的內容；比如果這邊想寫個 HTML 特殊字元的對應表，在只打了兩項後，他就可以給出後續的建議了：
不過，是否完全適用…好像很難說？
其他
除了上面都給很大一段的建議外，Copilot 實際上也會針對單行的內容給出完成的建議，甚至是註解的內容它都會試著去幫忙完成；這部分感覺上就有點像是在用 Google 搜尋的時候，輸入內容會給使用者後續的建議的狀況了。
另外，個人覺得出乎意料的一點，是他也可以處理中文的註解！像下面就是一個例子：
這邊可以看到，他算是很完美地使用 std::filesystem 完成了「列出所有資料夾」這個函式！
另外，如果有對預設提供的結果不滿意，也可以用「Alt + .」這個組合鍵試試看讓他提供別的方案；在按下 Ctrl +Alt + Enter 後，也可以開啟一個 GitHub Copilot 的視窗，來顯示可能的方案；下面就是一個例子：
不過感覺上，他好像最多都只會有三個候選就是了？
一些失敗的例子
前面都算是比較成功的例子，但是在某些狀況下，也會得到不進理想的結果。
比如果，想要靠它來寫一個下載檔案的函式，如果先 include 了 Boost 的 ASIO 的話（之前自己的寫法），就會變成下面這種狀況：
可以看到，內容基本上應該是正確的 ASIO 的 Http 存取方法，但是內容卻不完整。
（題外話，他還可以對應 C++ 的 namespace alias）
實際上，感覺上 Copilot 應該是有字數的上限，在不少內容過長的情況下，都可以看到會出現中斷的問題。這點就不知道是不是系統設計上的限制了？
而個人覺得比較搞笑的是，如果在沒有 include 相關 header 的狀況下，他給的建議則是用 system() 去呼叫 wget 來下載～ XD
然後更搞笑一點，在幾乎空的檔案裏面、如果是很含糊地寫了想要做影像偵測呢？
恩，他就只要你先去 include OpenCV 了！ XD
此外，有的時候他也會去使用一些外部（沒有 include）的函式庫，或是產生出無法正確編譯、甚至內容上看來就不正確的程式；像是下面就是明明要他銳利化，結果不知道為什麼卻去呼叫 Gaussian Blur 的狀況… o_O
所以，如果真的要用的話，最好還是要檢查一下他給的內容到底是什麼。
以目前玩了一陣子的感想…
GitHub Copilot 這種 AI 輔助程式開發，在特定的狀況下，應該確實會對程式開發有一定的幫助；他基本上可以用更方便的方法來產生基本的程式碼區段，讓開發者來做後續的修改。在特定狀況下，這的確是可以大幅減少程式碼的輸入、加速開發的！
但是相對地，個人覺得 Copilot 的反應速度不算穩定，有的時候沒能在預期的時間內給出建議、反而會讓人覺得有點煩躁就是了。
而在某些不確定 API 用法的情況下，甚至可以透過註解、函式名稱，就讓他提供一個「可能」的使用範例出來。而如果夠普遍、夠單純的狀況下，他提供的東西也確實是有參考價值的。
某方面來說，他基本上算是幫你省去了去 GitHub、Stack Overflow 找範例的功夫，而且還直接針對你當下的程式碼去調整，調成幾乎可以直接編譯的狀況（這個不一定）。
不過對應的缺點，就是你拿到的程式碼也不知道是哪來的，如果想要知道細節、或是去找原始的作者，可能還不好找。
而實務上，由於 GitHub Copilot 是一個雲端服務，所以在使用的時候，基本上是會把正在撰寫的程式碼內容傳遞給 GitHub 做推論的。
雖然理論上這些在 GitHub 會是機密資料，只有限定的人員可能碰到，但是基本上就是有程式碼外洩的風險了；所以如果是在企業內、或是程式碼有高度機密性的話，那是否還可以使用呢？那就自己看著辦吧～
至於之後會不會有機會將 AI 模型釋出到使用者的電腦上執行、或是允許自建伺服器呢？這個就還有待觀察了。
而另一方面，個人也會擔心以後會不會因此有更多可以動，但是寫的人不知道自己在幹嘛的程式出現。
因為實際上，在極端的狀況下，開發者確實有可能只靠著註解和 Tab 就寫完整個可以動的程式的。
像下面就是透過 Copilot 寫出一個可以正確運作的 OpenCV 程式的過程：
這個流程除了一開始的殼之外，Heresy 自己輸入的就只有中文註解，還有按 tab 去接受他的建議了…
在概念上，架構較為簡單的程式，搞不好都是可以靠「精準的註解」、然後不停地按 Tab 鍵來寫出來可以用的程式的？不過像是 OpenGL 這種架構比較複雜的程式大概就很難了。
（右圖是用 O RLY Cover Generator 產生的 :p）
以往複製來的程式碼好歹還得針對自己的變數、環境修改，這過程大多還得掃過一輪，現在連這部分都可以省了…
所以假設開發者不在意的話，他真的可以在完全搞不懂裡面在幹嘛的情況下，寫完一個可以用的程式…