Modul ini mengeksplorasi bagaimana GitHub Copilot merampingkan produktivitas pengembang melalui fitur yang didukung AI, meningkatkan SDLC, menyelaraskan dengan preferensi pengembang, dan mengidentifikasi batasan utama sambil mengukur peningkatan produktivitas secara efektif.

Tujuan pembelajaran

Pada akhir modul ini, Anda akan dapat:

• Identifikasi cara spesifik GitHub Copilot mengintegrasikan dengan mulus ke dalam alur kerja pengembang, meningkatkan pengalaman pengembangan secara keseluruhan, dan mendukung preferensi pengkodean individu.
• Jelajahi dampak potensial GitHub Copilot pada berbagai tahap Siklus Hidup Pengembangan Perangkat Lunak.
• Mengevaluasi keterbatasan pengkodean yang dibantu AI dan mengukur dampaknya terhadap efisiensi pengembangan

Perkenalan

GitHub Copilot adalah asisten pengkodean cerdas yang memungkinkan pengembang menulis kode lebih cepat. Ini terintegrasi dengan mulus dengan IDE populer, menawarkan saran kode kontekstual yang selaras dengan gaya dan preferensi pengkodean Anda. Ini terintegrasi dengan mulus dengan IDE populer, menawarkan saran kode kontekstual yang selaras dengan gaya dan preferensi pengkodean Anda.

Dalam modul ini, kita akan mengeksplorasi berbagai kasus penggunaan pengembang untuk GitHub Copilot, memeriksa bagaimana hal itu meningkatkan produktivitas, selaras dengan preferensi pengembang, dan memengaruhi Siklus Hidup Pengembangan Perangkat Lunak (SDLC), yang pada akhirnya memungkinkan tim Anda menghemat waktu, meningkatkan kualitas kode, dan meningkatkan kepuasan pengembang.

Tujuan pembelajaran

Pada akhir modul ini, Anda akan dapat:

• Identifikasi cara spesifik GitHub Copilot mengintegrasikan dengan mulus ke dalam alur kerja pengembang, meningkatkan pengalaman pengembangan secara keseluruhan, dan mendukung preferensi pengkodean individu.
• Jelajahi dampak potensial GitHub Copilot pada berbagai tahap Siklus Hidup Pengembangan Perangkat Lunak.
• Mengevaluasi keterbatasan pengkodean yang dibantu AI dan mengukur dampaknya terhadap efisiensi pengembangan.

Prasyarat

• Pemahaman dasar tentang konsep dan praktik pengembangan perangkat lunak.
• Keakraban dengan setidaknya satu bahasa pemrograman.
• Akun GitHub dan pengetahuan dasar tentang fungsionalitas GitHub.
• Akses ke GitHub Copilot (melalui langganan individu, bisnis, atau perusahaan).

Dalam unit berikut, kita akan mengeksplorasi bagaimana GitHub Copilot membentuk kembali lanskap pengembangan, memberdayakan pengembang untuk membuat kode lebih cepat, tetap dalam alur lebih lama, dan mengatasi tantangan yang lebih kompleks dengan percaya diri.

Tingkatkan produktivitas pengembang dengan AI

Dalam unit ini, kita akan mengeksplorasi bagaimana GitHub Copilot menyederhanakan alur kerja pengembangan, memungkinkan pengembang untuk fokus pada pemecahan masalah yang kompleks daripada terjebak dalam tugas pengkodean rutin.

Pada akhir unit ini, Anda akan dapat:

• Pahami bagaimana alat yang didukung AI seperti GitHub Copilot dapat mengurangi upaya pengkodean yang berulang.
• Identifikasi area utama dalam alur kerja Anda di mana GitHub Copilot dapat memberikan dampak terbesar.

Kasus penggunaan AI umum untuk merampingkan produktivitas pengembang

GitHub Copilot menawarkan berbagai cara untuk mempercepat dan menyederhanakan tugas pengembangan umum. Mari kita periksa beberapa area utama di mana GitHub Copilot terbukti sangat bermanfaat:

Mempercepat pembelajaran bahasa dan kerangka kerja pemrograman baru

Mempelajari bahasa atau kerangka kerja pemrograman baru dapat menjadi tantangan, tetapi GitHub Copilot membuat proses ini lebih lancar dan lebih cepat, memungkinkan pengembang untuk dengan cepat memahami konsep baru dan menerapkannya dalam praktik. GitHub Copilot membantu menjembatani kesenjangan antara pembelajaran dan implementasi aktual melalui:

• Saran kode: Menawarkan saran cuplikan kode sadar konteks yang mengilustrasikan penggunaan fungsi dan pustaka yang tidak dikenal, memandu pengembang tentang penggunaan dan implementasi yang tepat saat bekerja dengan kerangka kerja baru.
• Dukungan bahasa: Mendukung berbagai bahasa, membantu Anda bertransisi dengan lancar dari satu bahasa ke bahasa lainnya.
• Integrasi dokumentasi: Dengan memberikan saran sebaris yang terkait dengan penggunaan API dan parameter fungsi, GitHub Copilot mengurangi kebutuhan untuk terus-menerus merujuk ke dokumentasi eksternal.

Mari kita lihat contohnya. Bayangkan mengerjakan proyek Golang dalam bahasa yang tidak Anda kenal. GitHub Copilot dapat membuat kode untuk Anda. Anda kemudian dapat menggunakan opsi "Jelaskan ini" di menu konteks untuk menjelaskan apa yang dilakukan kode.

Meminimalkan peralihan konteks

Peralihan konteks adalah pengurangan produktivitas yang signifikan bagi pengembang dan dapat mengganggu alur kerja Anda dan mengurangi fokus. GitHub Copilot membantu mempertahankan fokus dengan memberikan saran kode yang relevan dalam konteks Anda saat ini, memungkinkan Anda berkonsentrasi untuk memecahkan masalah yang kompleks. Berikut ini adalah cara GitHub Copilot membantu untuk mencapai hal ini:

• Bantuan dalam editor: GitHub Copilot memberikan saran kode langsung di IDE, meminimalkan kebutuhan untuk mencari solusi secara online.
• Referensi cepat: Saat bekerja dengan API atau pustaka, GitHub Copilot dapat menyarankan panggilan dan parameter metode yang benar, mengurangi kebutuhan untuk berkonsultasi dengan dokumentasi.
• Penyelesaian kode: Dengan melengkapi pola kode berulang secara otomatis, GitHub Copilot memungkinkan pengembang untuk mempertahankan alur pemikiran mereka tanpa gangguan.

Dalam contoh di bawah ini, perhatikan bagaimana Anda dapat bekerja dengan resource eksternal (seperti API/library) dalam kode Anda tanpa perlu meninggalkan editor untuk berkonsultasi dengan dokumentasi. Ini menghemat waktu yang berharga dan memungkinkan Anda untuk fokus pada tugas yang lebih strategis, meningkatkan produktivitas secara keseluruhan, dan memungkinkan pengiriman proyek yang lebih cepat.

Penulisan dokumentasi yang ditingkatkan

GitHub Copilot secara signifikan meningkatkan proses penulisan dan pemeliharaan dokumentasi kode:

• Komentar sebaris: Menghasilkan komentar sebaris yang relevan secara kontekstual yang menjelaskan bagian kode yang kompleks.
• Deskripsi fungsi: Secara otomatis menyarankan deskripsi fungsi, termasuk penjelasan parameter dan detail nilai yang dikembalikan.
• Generasi README: Membantu dalam membuat file README proyek dengan menyarankan struktur dan konten berdasarkan basis kode proyek.
• Konsistensi dokumentasi: Membantu mempertahankan gaya dokumentasi yang konsisten di seluruh proyek.

GitHub Copilot dapat mengasimilasi kode Anda, dan membantu Anda menulis komentar atau dokumentasi yang relevan untuk fungsi atau seluruh kode.

Mengotomatiskan hal-hal yang membosankan

GitHub Copilot unggul dalam menangani tugas pengkodean rutin, membebaskan waktu bagi pengembang untuk fokus pada aspek pekerjaan mereka yang lebih kompleks dan kreatif. Berikut adalah cara untuk memanfaatkan GitHub Copilot untuk otomatisasi:

• Pembuatan kode boilerplate: GitHub Copilot dapat dengan cepat menghasilkan kode boilerplate untuk fungsionalitas umum, seperti menyiapkan REST API atau membuat struktur kelas.
• Contoh pembuatan data: Saat menguji, GitHub Copilot dapat menghasilkan data sampel yang realistis, menghemat waktu pembuatan data manual.
• Menulis tes unit: GitHub Copilot dapat menyarankan kasus pengujian dan bahkan menghasilkan seluruh pengujian unit berdasarkan kode yang disarankan.
• Terjemahan dan pemfaktoran ulang kode: GitHub Copilot membantu dalam pemfaktoran ulang kode dengan menyarankan pola yang lebih baik atau implementasi yang lebih efisien dan bahkan mengonversi bahasa pemrograman.

Anda dapat mempercepat proses pengembangan Anda dengan menggunakan GitHub Copilot untuk menghasilkan kode boilerplate, yang kemudian dapat disesuaikan untuk memenuhi kebutuhan spesifik Anda.

Penyelesaian kode yang dipersonalisasi

GitHub Copilot beradaptasi dengan gaya pengkodean individu dan konteks proyek, memberikan saran yang semakin relevan dari waktu ke waktu dan meningkatkan efisiensi kode. Berikut adalah cara GitHub Copilot mencapai penyelesaian kode yang dipersonalisasi:

• Pemahaman kontekstual: GitHub Copilot menganalisis lingkungan pengembangan dan struktur proyek untuk menawarkan penyelesaian kode yang lebih akurat dan relevan.
• Belajar dari pola: Saat pengembang mengerjakan proyek, GitHub Copilot belajar dari pola dan preferensi pengkodean mereka, menyesuaikan saran yang sesuai.

Dalam contoh di bawah ini, perhatikan bagaimana GitHub Copilot menyarankan gaya fungsi penulisan, tetapi ketika gaya yang disukai digunakan, itu mengadaptasi dan melanjutkan saran dengan gaya yang disukai.

Dengan memanfaatkan GitHub Copilot dengan cara ini, pengembang dapat secara signifikan mengurangi waktu yang dihabiskan untuk tugas rutin, mempercepat pembelajaran teknologi baru, dan mempertahankan fokus yang lebih baik sepanjang hari kerja mereka. Peningkatan produktivitas ini memungkinkan lebih banyak waktu untuk didedikasikan untuk memecahkan masalah yang kompleks dan berinovasi dalam proyek mereka.

Di unit berikutnya, kita akan mengeksplorasi bagaimana GitHub Copilot selaras dengan preferensi dan alur kerja pengembang umum.

Selaraskan dengan preferensi pengembang

GitHub Copilot dirancang untuk diintegrasikan dengan mulus ke dalam alur kerja pengembang, beradaptasi dengan preferensi dan gaya pengkodean mereka. Unit ini mengeksplorasi bagaimana GitHub Copilot memenuhi kebutuhan umum pengembang dan meningkatkan berbagai aspek proses pengkodean.

Selera pengembang dan bantuan AI

Pengembang memiliki preferensi yang beragam dalam hal lingkungan pengkodean dan alur kerja mereka. GitHub Copilot cukup fleksibel untuk mengakomodasi preferensi ini sambil memberikan bantuan bertenaga AI yang berharga.

Pembuatan dan penyelesaian kode

GitHub Copilot unggul dalam menghasilkan dan melengkapi kode, selaras dengan keinginan pengembang untuk efisiensi dan akurasi.

• Beberapa saran: Ketika dihadapkan pada skenario yang ambigu, GitHub Copilot memberikan beberapa saran kode, memungkinkan pengembang untuk memilih opsi yang paling tepat.
• Idiom khusus bahasa: GitHub Copilot memahami dan menyarankan idiom dan praktik terbaik khusus bahasa, membantu pengembang menulis lebih banyak kode idiomatik.

Menulis pengujian unit dan dokumentasi

Banyak pengembang menganggap penulisan tes dan dokumentasi kurang menarik daripada menulis fungsionalitas inti. GitHub Copilot membantu dalam tugas-tugas penting tetapi seringkali membosankan ini.

• Pembuatan kasus uji: Berdasarkan tanda tangan dan perilaku fungsi, GitHub Copilot dapat menyarankan kasus pengujian yang relevan, termasuk kasus tepi yang mungkin diabaikan oleh pengembang.
• Rintisan dokumentasi: GitHub Copilot dapat membuat rintisan dokumentasi awal untuk fungsi, kelas, dan modul, yang kemudian dapat disempurnakan oleh pengembang.
• Ekspansi komentar: Saat pengembang menulis komentar singkat, GitHub Copilot dapat memperluasnya menjadi penjelasan yang lebih rinci, menghemat waktu untuk dokumentasi.

Pemfaktoran ulang kode

Refactoring adalah bagian penting untuk mempertahankan basis kode yang sehat. GitHub Copilot membantu dalam proses ini dengan menyarankan peningkatan dan implementasi alternatif.

• Pengenalan pola: GitHub Copilot mengidentifikasi pola umum dalam kode dan menyarankan alternatif yang lebih efisien atau lebih bersih.
• Saran sintaks modern: Untuk bahasa dengan sintaks yang berkembang (seperti JavaScript ECMAScript), GitHub Copilot dapat menyarankan fitur bahasa modern yang mungkin lebih ringkas atau berperforma.
• Pemeliharaan konsistensi: GitHub Copilot membantu menjaga konsistensi di seluruh basis kode dengan menyarankan pemfaktoran ulang yang selaras dengan gaya kode yang ada.

Bantuan debugging

Meskipun GitHub Copilot bukan debugger lengkap, ini dapat membantu dalam proses debugging dalam beberapa cara:

• Penjelasan kesalahan: Saat dihadapkan dengan pesan kesalahan, GitHub Copilot sering kali dapat memberikan penjelasan dalam bahasa sederhana dan menyarankan perbaikan potensial.
• Pembuatan pernyataan log: GitHub Copilot dapat menyarankan pernyataan log yang relevan untuk membantu mendiagnosis masalah dalam jalur kode yang kompleks.
• Saran kasus uji: Untuk bug yang sulit direproduksi, GitHub Copilot dapat menyarankan kasus pengujian tambahan yang mungkin membantu mengisolasi masalah.

Dukungan ilmu data

Di luar pembuatan kode konvensional, GitHub Copilot menawarkan bantuan berharga untuk teknologi yang lebih canggih seperti ilmu data dan analisis, merampingkan berbagai aspek alur kerja ilmu data:

• Fungsi statistik: Ini memberikan bantuan dalam menerapkan fungsi dan pengujian statistik, membantu ilmuwan data dengan cepat menerapkan metode statistik yang tepat dengan beradaptasi dengan kumpulan data.
• Visualisasi data: Ini menawarkan saran kode untuk membuat visualisasi data menggunakan pustaka populer seperti Matplotlib, Seaborn, atau Plotly, membantu ilmuwan data dengan cepat menghasilkan grafik dan bagan yang berwawasan.
• Prapemrosesan data: Ini dapat menyarankan kode untuk tugas prapemrosesan data umum seperti menangani nilai yang hilang, pengkodean variabel kategoris, atau penskalaan fitur numerik.
• Evaluasi model: GitHub Copilot dapat membantu dalam menulis kode untuk metrik evaluasi model dan visualisasi performa model.

Dengan beradaptasi dengan preferensi pengembang umum ini, GitHub Copilot menjadi lebih dari sekadar alat penyelesaian kode.

Di unit berikutnya, kita akan mengeksplorasi bagaimana GitHub Copilot memengaruhi berbagai tahapan Siklus Hidup Pengembangan Perangkat Lunak, yang lebih lanjut menunjukkan nilainya di seluruh proses pengembangan.

AI dalam Siklus Hidup Pengembangan Perangkat Lunak (SDLC)

Kemampuan GitHub Copilot melampaui tugas pengkodean individu, memengaruhi berbagai tahap Siklus Hidup Pengembangan Perangkat Lunak. Unit ini mengeksplorasi bagaimana GitHub Copilot meningkatkan fase SDLC yang berbeda, mulai dari perencanaan awal hingga penyebaran dan pemeliharaan.

Meningkatkan SDLC dengan GitHub Copilot

Mari kita periksa bagaimana GitHub Copilot dapat berdampak positif pada setiap tahap SDLC:

Analisis kebutuhan

Meskipun GitHub Copilot tidak secara langsung mengumpulkan persyaratan, ini dapat membantu menerjemahkan persyaratan ke dalam struktur kode awal:

• Pembuatan prototipe cepat: Buat cuplikan kode dengan cepat berdasarkan deskripsi tingkat tinggi, memungkinkan pengembangan bukti konsep yang lebih cepat.
• Implementasi cerita pengguna: Ubah cerita pengguna menjadi definisi fungsi atau kelas awal, memberikan titik awal untuk pengembangan.
• Desain API: Sarankan struktur API berdasarkan fungsionalitas yang dijelaskan, membantu menyempurnakan arsitektur sistem.

Desain & pengembangan

Di sinilah GitHub Copilot benar-benar bersinar, menawarkan peningkatan produktivitas yang signifikan:

• Pembuatan kode boilerplate: Buat struktur kode berulang secara otomatis, menghemat waktu untuk tugas penyiapan.
• Implementasi pola desain: Sarankan pola desain yang tepat berdasarkan konteks masalah, mempromosikan praktik terbaik.
• Pengoptimalan kode: Tawarkan alternatif kode yang lebih efisien, membantu pengembang menulis kode yang berkinerja baik sejak awal.
• Terjemahan lintas bahasa: Membantu menerjemahkan konsep atau cuplikan kode antara bahasa pemrograman yang berbeda.

Pengujian & jaminan kualitas

GitHub Copilot dapat secara signifikan merampingkan proses pengujian:

• Pembuatan pengujian unit: Hasilkan kasus pengujian berdasarkan tanda tangan dan perilaku fungsi, memastikan cakupan pengujian yang komprehensif.
• Pengujian pembuatan data: Buat kumpulan data pengujian yang realistis, menghemat waktu pembuatan data manual.
• Identifikasi kasus tepi: Sarankan skenario pengujian yang mencakup kasus tepi, meningkatkan ketahanan pengujian.
• Saran pernyataan: Usulkan pernyataan yang sesuai berdasarkan perilaku yang diharapkan dari kode yang sedang diuji.

Penyebaran

Meskipun tidak terlibat langsung dalam proses penyebaran, GitHub Copilot dapat membantu dalam tugas-tugas terkait:

• Pembuatan file konfigurasi: Membantu membuat file konfigurasi penyebaran untuk berbagai lingkungan.
• Bantuan skrip penyebaran: Sarankan perintah atau skrip untuk tugas penyebaran umum.
• Pembaruan dokumentasi: Membantu memperbarui dokumentasi penerapan untuk mencerminkan perubahan terbaru.

Pemeliharaan & dukungan

GitHub Copilot terbukti berharga dalam tugas pemeliharaan yang sedang berlangsung:

• Saran perbaikan bug: Usulkan perbaikan potensial untuk masalah yang dilaporkan berdasarkan pesan kesalahan dan kode di sekitarnya.
• Pemfaktoran ulang kode: Sarankan perbaikan pada kode yang ada, membantu menjaga basis kode tetap modern dan efisien.
• Pembaruan dokumentasi: Membantu menjaga komentar kode dan dokumentasi tetap sinkron dengan perubahan.
• Pemahaman kode warisan: Bantu pengembang memahami dan bekerja dengan kode yang tidak dikenal atau lama dengan memberikan penjelasan dan yang setara modern.

Dengan melibatkan GitHub Copilot di seluruh SDLC, tim pengembangan dapat mengalami peningkatan efisiensi, konsistensi, dan kualitas kode di semua tahap pengembangan perangkat lunak. Pendekatan yang dibantu AI ini memungkinkan pengembang untuk lebih fokus pada pemecahan masalah yang kreatif dan lebih sedikit pada tugas pengkodean yang berulang, yang berpotensi mengarah pada siklus pengembangan yang lebih cepat dan produk perangkat lunak berkualitas lebih tinggi.

Di unit berikutnya, kita akan mengeksplorasi keterbatasan GitHub Copilot dan membahas cara mengukur dampaknya terhadap produktivitas pengembangan.

Memahami keterbatasan dan mengukur dampak

Meskipun GitHub Copilot menawarkan manfaat yang signifikan, sangat penting untuk memahami keterbatasannya dan mengukur dampaknya secara akurat pada proses pengembangan. Unit ini mengeksplorasi kendala pengkodean yang dibantu AI dan memperkenalkan metode untuk mengukur pengaruh GitHub Copilot terhadap produktivitas.

Mengidentifikasi batasan GitHub Copilot

Meskipun GitHub Copilot adalah alat yang ampuh, ia memiliki keterbatasan yang harus diperhatikan oleh pengembang:

Kualitas dan kebenaran kode

• Potensi kesalahan: GitHub Copilot terkadang dapat menyarankan kode yang berisi bug atau tidak sepenuhnya memenuhi persyaratan.
• Masalah keamanan: Kode yang dihasilkan mungkin tidak selalu mematuhi praktik keamanan terbaik, yang memerlukan peninjauan yang cermat.
• Salah tafsir konteks: GitHub Copilot mungkin salah memahami konteks yang lebih luas, yang mengarah pada saran yang tidak pantas.

Kekhususan bahasa dan kerangka kerja

• Kinerja yang bervariasi: Efektivitas GitHub Copilot dapat bervariasi di berbagai bahasa pemrograman dan kerangka kerja.
• Teknologi khusus: Untuk teknologi yang kurang umum atau lebih baru, saran mungkin kurang akurat atau relevan.

Ketergantungan pada data pelatihan

• Bias dalam saran: Saran GitHub Copilot mencerminkan pola dalam data pelatihannya, yang mungkin mencakup bias atau praktik yang ketinggalan zaman.
• Masalah hak cipta: Ada perdebatan yang sedang berlangsung tentang implikasi hak cipta dari kode yang dihasilkan dari model terlatih.

Pemecahan masalah yang kompleks

• Keterbatasan dalam desain tingkat tinggi: GitHub Copilot unggul dalam tugas tingkat kode tetapi mungkin tidak memahami keputusan arsitektur yang kompleks.
• Kendala kreativitas: Meskipun membantu, GitHub Copilot tidak dapat menggantikan kreativitas manusia dalam memecahkan masalah baru.

Mengukur peningkatan produktivitas

Memahami peningkatan produktivitas yang diberikan oleh GitHub Copilot sangat penting untuk memaksimalkan manfaatnya. REST API untuk metrik penggunaan GitHub Copilot dan Survei Pengembang GitHub Copilot menawarkan cara yang ampuh untuk mengukur dan menganalisis bagaimana GitHub Copilot memengaruhi alur kerja pengembangan Anda. Bagian ini memperkenalkan metode untuk mengevaluasi dampak GitHub Copilot menggunakan alat ini dan metrik terkait.

Menggunakan titik akhir REST API untuk metrik penggunaan GitHub Copilot

GitHub menyediakan REST API untuk mengakses metrik penggunaan GitHub Copilot untuk anggota perusahaan, tim, dan anggota organisasi. Metrik ini menawarkan wawasan tentang penggunaan harian GitHub Copilot, termasuk penyelesaian, interaksi obrolan, dan keterlibatan pengguna di berbagai editor dan bahasa.

Dapatkan ringkasan penggunaan GitHub Copilot untuk anggota perusahaan

Endpoint: GET /enterprises/{enterprise}/GitHub Copilot/usage

Titik akhir ini menyediakan perincian harian metrik penggunaan agregat untuk penyelesaian GitHub Copilot dan Obrolan GitHub Copilot di semua pengguna di perusahaan. Ini mencakup rincian tentang saran, penerimaan, dan pengguna aktif, yang selanjutnya dipecah berdasarkan editor dan bahasa.

Mendapatkan ringkasan penggunaan GitHub Copilot untuk tim perusahaan

Endpoint: GET /enterprises/{enterprise}/team/{team_slug}/GitHub Copilot/usage

Titik akhir ini memberikan perincian harian metrik penggunaan agregat untuk penyelesaian GitHub Copilot dan Obrolan GitHub Copilot dalam tim perusahaan tertentu.

Mendapatkan ringkasan penggunaan GitHub Copilot untuk anggota organisasi

Endpoint: GET /orgs/{org}/GitHub Copilot/usage

Titik akhir ini memberikan perincian harian metrik penggunaan agregat untuk penyelesaian GitHub Copilot dan Obrolan GitHub Copilot di seluruh organisasi.

Menerapkan kerangka kerja pengukuran

Untuk menilai dampak GitHub Copilot secara sistematis, pertimbangkan kerangka kerja berikut, menggunakan API metrik penggunaan GitHub Copilot di setiap tahap:

1. Evaluasi: Selama fase awal mengadopsi GitHub Copilot, fokuslah pada indikator utama seperti kepuasan pengembang dan tingkat penyelesaian tugas. Gunakan API untuk mengumpulkan metrik seperti Rata-rata Pengguna Aktif Harian, Total Tingkat Penerimaan, dan Baris Kode yang Diterima.
2. Adopsi: Saat GitHub Copilot menjadi lebih terintegrasi ke dalam alur kerja tim Anda, terus pantau metrik produktivitas dan indikator pemberdayaan. API dapat memberikan wawasan tentang keterlibatan pengguna dan mengidentifikasi area di mana pelatihan lebih lanjut mungkin diperlukan.
3. Optimasi: Setelah GitHub Copilot diadopsi sepenuhnya, gunakan REST API untuk metrik penggunaan GitHub Copilot untuk menyempurnakan dampaknya pada tujuan organisasi yang lebih luas, seperti mengurangi waktu ke pasar atau meningkatkan kualitas kode di seluruh tim.
4. Efisiensi berkelanjutan: Evaluasi efektivitas GitHub Copilot secara terus-menerus seiring berkembangnya organisasi Anda. API memungkinkan pemantauan dan penyesuaian berkelanjutan untuk memastikan peningkatan produktivitas jangka panjang.

Menggunakan survei pengembang GitHub Copilot

Survei Pengembang GitHub Copilot adalah alat berharga yang dirancang untuk mengumpulkan wawasan dari tim Anda, membantu Anda memahami bagaimana GitHub Copilot digunakan, manfaatnya, dan tantangan apa pun yang dihadapi pengembang. Survei ini dibagi menjadi dua format: bentuk pendek dan panjang, masing-masing melayani tujuan yang berbeda selama tahap evaluasi dan adopsi GitHub Copilot.

1. Irama dan waktu survei

Saat menyebarkan Survei Pengembang GitHub Copilot, penting untuk menetapkan irama reguler untuk menghindari kelelahan survei sambil tetap mengumpulkan data yang bermakna.

• Survei bentuk pendek: Dapat dilakukan setiap dua minggu jika umpan balik sering diperlukan, terutama jika digabungkan dengan saluran umpan balik lainnya seperti diskusi online atau tatap muka.
• Survei bentuk panjang: Direkomendasikan untuk dilakukan tidak lebih dari sekali setiap empat minggu, terutama pada akhir tahap evaluasi dan adopsi, untuk menangkap umpan balik yang komprehensif.

2. Menyusun survei

Pertanyaan survei harus disesuaikan agar sesuai dengan kebutuhan spesifik organisasi Anda, memastikan bahwa data yang dikumpulkan relevan dan dapat ditindaklanjuti. Berikut cara menyusun survei bentuk pendek dan panjang:

• Survei bentuk pendek: Berfokus pada umpan balik langsung, menangkap kepuasan pengembang secara keseluruhan dengan GitHub Copilot, tantangan spesifik yang dihadapi, dan waktu yang dihemat atau terbuang.

a. Contoh pertanyaan:

b. "Bagaimana perasaan Anda jika Anda tidak dapat lagi menggunakan GitHub Copilot?"

c. "Saat menggunakan GitHub Copilot, saya lebih menikmati pengkodean / menulis kode berkualitas lebih baik / menyelesaikan tugas lebih cepat."

d. "Tantangan apa yang Anda temui dalam menggunakan GitHub Copilot sejak survei terakhir Anda?"

• Survei bentuk panjang: Menawarkan analisis yang lebih dalam tentang dampak GitHub Copilot, menangkap wawasan terperinci tentang penggunaan dan manfaatnya, serta bagaimana hal itu memengaruhi dinamika tim.

a. Contoh pertanyaan:

b. "Saya menggunakan GitHub Copilot untuk membuat kode dalam bahasa yang sudah dikenal / menjelajahi bahasa baru / menulis kode berulang."

d. "Saat menggunakan GitHub Copilot, tim saya memberikan tinjauan kode yang lebih baik / menggabungkan kode ke produksi lebih cepat."

d. "Tantangan apa yang Anda temui dalam menggunakan GitHub Copilot sejak survei terakhir Anda?"

3. Menganalisis hasil survei

Setelah survei selesai, penting untuk menganalisis hasilnya secara sistematis:

• Pertimbangan privasi: Pastikan bahwa tanggapan survei dianonimkan dan tidak dapat dilacak kembali ke masing-masing pengembang, memenuhi kewajiban privasi.
• Pelacakan data: Kumpulkan tanggapan survei ke dalam alat atau spreadsheet Business Intelligence (BI) yang ada untuk kemudahan analisis. Seiring waktu, lacak hasilnya untuk mengidentifikasi tren dan membuat keputusan yang tepat tentang implementasi GitHub Copilot.

4. Peningkatan berkelanjutan

Gunakan wawasan yang dikumpulkan dari survei untuk membuat keputusan yang tepat tentang penyebaran GitHub Copilot di organisasi Anda. Fokus untuk mengatasi tantangan yang diidentifikasi, memanfaatkan manfaat yang dilaporkan oleh pengembang, dan menyesuaikan penggunaan alat untuk memaksimalkan produktivitas.

Survei Pengembang GitHub Copilot adalah komponen penting dalam memahami dan meningkatkan penggunaan GitHub Copilot dalam tim Anda.

Dengan memanfaatkan REST API dan survei untuk metrik penggunaan GitHub Copilot, Anda dapat melampaui bukti anekdot dan mendapatkan wawasan konkret tentang bagaimana GitHub Copilot memengaruhi proses pengkodean Anda. Pendekatan berbasis data ini memungkinkan pengambilan keputusan yang tepat dan peningkatan berkelanjutan pada peran GitHub Copilot dalam alur kerja pengembangan dan membantu mengidentifikasi area di mana penggunaannya dapat dioptimalkan untuk manfaat maksimal.

Pemeriksaan pengetahuan

Ringkasan

GitHub Copilot menawarkan banyak keuntungan bagi pengembang dengan merampingkan tugas pengembangan, menyelaraskan dengan preferensi pengembang, dan meningkatkan berbagai tahap Siklus Hidup Pengembangan Perangkat Lunak. GitHub Copilot mempercepat kurva pembelajaran dan mengotomatiskan aktivitas biasa yang menawarkan pengembang alat yang ampuh untuk meningkatkan produktivitas, kreativitas, dan pengalaman pengkodean mereka secara keseluruhan. Sepanjang modul ini, kami mengeksplorasi berbagai aspek kemampuan GitHub Copilot dan dampaknya terhadap proses pengembangan.

Sekarang setelah Anda selesai dengan modul ini, bergerak maju, pengembang harus:

• Terus jelajahi cara baru untuk mengintegrasikan GitHub Copilot ke dalam alur kerja mereka
• Menilai secara teratur dampak pengkodean yang dibantu AI pada proses pengembangan mereka
• Pertahankan keseimbangan antara menerapkan bantuan AI dan menumbuhkan kreativitas manusia dan keterampilan pemecahan masalah

Referensi

• Fitur GitHub Copilot
• GitHub Copilot untuk Pengembang
• Penggunaan fitur GitHub Copilot yang bertanggung jawab
• Contoh perintah untuk Obrolan Copilot
• Tulis lebih banyak kode dengan menulis lebih sedikit kode dengan GitHub Copilot
• Tentang GitHub Copilot
• Titik akhir REST API untuk metrik penggunaan GitHub Copilot
• Survei Pengembang GitHub Copilot