Github Copilot Agent modu kullanım deneyimi paylaşımı

Bu makale, GitHub Copilot Agent modunun nasıl kullanılacağına dair bir özet sunar ve gerçek operasyonel deneyimler paylaşır.

Ön ayarlar

1. VSCode Insider kullanın;
2. GitHub Copilot (Önizleme) eklentisini yükleyin;
3. Claude 3.7 Sonnet (Önizleme) modelini seçin, bu model kod yazımında iyi performans gösterir ve diğer modeller ise hız, çoklu mod (ör. görsel tanıma) ve akıl yürütme yeteneği açısından avantajlara sahiptir;
4. Çalışma modu olarak Agent seçin.

İşlem adımları

1. “Copilot Edits” sekmesini açın;
2. Ekler ekleyin, örneğin “Codebase”, “Get Errors”, “Terminal Son Komutları” vb.;
3. “Working Set” dosyalarını ekleyin, varsayılan olarak şu anda açık olan dosyayı içerir, ayrıca “Open Editors” vb. gibi diğer dosyaları da manuel olarak seçebilirsiniz;
4. “Instructions” ekleyin, Copilot Agent’in özellikle dikkat etmesi gereken talimatları girin;
5. “Send” düğmesine tıklayarak sohbeti başlatın ve Agent’in performansını izleyin.

Diğer açıklamalar

• VSCode’un dil eklentilerinin sağladığı lint işlevi, Error veya Warning uyarıları üretebilir ve Agent bu uyarıları otomatik olarak kodu düzeltmek için kullanabilir.
• Sohbet ilerledikçe Agent tarafından oluşturulan kod değişiklikleri beklentilerden sapabilir. Her oturumda net bir konuya odaklanmanız, sohbetin çok uzun sürmesini önlemek ve kısa vadeli hedefe ulaşıldığında mevcut oturumu sonlandırmak, ardından yeni bir görev başlatmak önerilir.
• “Working Set” altındaki “Add Files” seçeneği, “Related Files” seçeneğiyle ilgili dosyaları önerir.
• Tek bir kod dosyasının satır sayısını kontrol etmeye dikkat edin, aksi takdirde token tüketimi çok hızlı artabilir.
• İlk olarak temel kodu oluşturmanız, ardından test durumlarını yazmanız, Agent’in test sonuçlarına göre hata ayıklaması ve kendini doğrulaması açısından faydalı olacaktır.
• Değişiklik aralığını sınırlamak için settings.json dosyasına aşağıdaki yapılandırmayı ekleyebilirsiniz, sadece belirtilen dizindeki dosyaların değiştirilmesini sağlar, referans amaçlıdır:

 "github.copilot.chat.codeGeneration.instructions": [
        {
            "text": "Sadece ./script/ dizinindeki dosyaları değiştir, diğer dizinlerdeki dosyalara dokunma."
        },
        {
            "text": "Hedef kod dosyası satır sayısı 1000'den fazlaysa, yeni fonksiyonları yeni bir dosyada oluştur ve referans ile çağır; meydana gelen değişiklikler dosya uzunluğunu aştığında bu kurala sıkı sıkıya uymak zorunda değilsin."
        }
    ],
    "github.copilot.chat.testGeneration.instructions": [
        {
            "text": "Mevcut birim test dosyalarında test durumları oluştur."
        },
        {
            "text": "Kod değişikliğinden sonra test durumlarını çalıştırmak zorunludur."
        }
    ],

Sıkça sorulan sorular

İstenen gereksinimlerin istenen iş kodunu üretmemesi

Büyük görevleri daha küçük görevlere ayırmak gerekir, her oturumda sadece küçük bir görev ele alınır. Bu, büyük modelin çok fazla bağlamda dikkatinin dağılması sorunundan kaynaklanır.

Tek bir sohbete verilen bağlam miktarını kendiniz düşünmeniz gerekir; çok fazla ya da çok az olmak her ikisi de gereksinimin anlaşılma olasılığını etkiler.

DeepSeek modeli, dikkatin dağılması sorununu çözmüştür, ancak bunun için cursor içinde Deepseek API kullanılması gerekir. Etkisi hakkında kesin bir bilgi mevcut değildir.

Yavaş yanıt sorunu

Token tüketim mekanizmasını anlamak gerekir, token girişi ucuz ve daha kısa sürede gerçekleşir, token çıkışı ise çok daha pahalıdır ve belirgin olarak daha yavaştır.

Büyük bir kod dosyası olduğunda, aslında sadece üç satır kodun değiştirilmesi gerekebilir, fakat bağlam çok fazla olduğundan, çıktı da çok fazladır ve bu da token tüketimini hızlı bir şekilde artırır ve yanıtı yavaşlatır.

Bu yüzden, dosya boyutunu kontrol etmeye dikkat etmek zorunludur, çok büyük dosyalar ve çok büyük fonksiyonlar yazmamaya çalışın. Büyük dosyaları ve büyük fonksiyonları zamanında bölün ve referans ile çağırın.

İş anlayışı sorunu

Sorunu anlamak, koddaki yorumlara ve test dosyalarına kısmen bağlı olabilir; kodda yeterli yorum ve test durumları eklemek, Copilot Agent’in işi daha iyi anlamasına yardımcı olur.

Agent’in kendi ürettiği iş kodunda yeterli yorumlar bulunur; bu yorumları incelemek, Agent’in gereksinimi doğru anlayıp anlamadığını hızlıca belirlemeye yardımcı olur.

Çok fazla kod üretimi ve uzun süren hata ayıklama

Özellikli temel kod üretildikten sonra, önce test durumlarını oluşturmayı, ardından iş mantığını ayarlamayı düşünün; böylece Agent kendi kendine hata ayıklama ve kendi kendini doğrulama yapabilir.

Agent, test komutlarını çalıştırmaya izin verilip verilmeyeceğini sorar; çalıştırmayı bitirdikten sonra terminal çıktısını okur ve bu sayede kodun doğruluğunu belirler. Yanlış olduğunda, hata mesajına göre kodu değiştirir. Bu işlem, test geçene kadar tekrar eder.

Bu, daha çok iş anlayışını kendi başınıza anlamayı gerektirir; genellikle çok fazla manuel yazım gerekmez. Test durumları kodu ve iş kodu yanlışsa, Agent ne işe uygun doğru test durumlarını yazabilir ne de test durumlarına göre doğru iş kodu yazabilir; bu durumda hata ayıklama süresi uzun olur.

Özet

Büyük modelin token tüketim mekanizmasını anlamak gerekir; giriş bağlamı çok ucuzdur, çıktı kodu ise daha pahalıdır. Dosyada değiştirilmeyen kod parçaları da çıktı olarak sayılabilir; kanıt, değiştirilmesi gerek olmayan birçok kodun da yavaş yavaş çıktığını gösterir.

Bu yüzden, tek dosya boyutunu kontrol etmeye çalışmalısınız; Agent’in büyük dosyalar ve küçük dosyalar üzerindeki yanıt hızındaki farkı deneyimleyebilirsiniz; bu fark çok belirgindir.

• ←Önceki
• Sonraki→