XNews

GitHub Copilot:使用指南和数据科学教程

GitHub Copilot:使用指南和数据科学教程

GitHub Copilot 促进结构化项目背景和笔记本工作流程。- 推荐为项目背景创建 copilot-instructions.md - 包括项目概述、目标用户和核心功能 - 列出技术栈、API、数据库和测试框架 - 记录编码标准,如分号、类型、缩进 - 描述项目目录结构以便更好地定位文件 - 指出可用的脚本和工具以便于启动、测试和代码生成 - 提示:请 Copilot 分析代码库并草拟说明文件 - GitHub 发布了数据科学教程 - 教程涵盖斜杠命令、内联聊天和 @workspace 代理 - 教程讲解 CSV 清理、可视化、高分辨率图表导出和报告生成 - 教程提供数据和依赖环境;需要一个 GitHub 账户。

Key insights

维护 copilot-instructions.md 以改善建议

推荐的做法是创建一个 copilot-instructions.md 文件,提供项目背景、技术栈、编码规范、项目结构和可用脚本。提供简短的项目概述、明确的技术列表、编码标准(分号、类型、缩进)、目录布局以及对脚本或工具的引用,有助于 Copilot 提供符合项目惯例的代码,减少猜测。该指导将 Copilot 视为需要明确入职信息的新团队成员。

Copilot 可以通过分析代码库自动生成说明文件

另一个实用的提示是请 Copilot 自身扫描代码库并草拟 copilot-instructions.md 文件。文章提供了示例提示,以便让 Copilot 清点代码库并生成启动说明文件,加速结构化指导方法的采用。

GitHub 发布了针对数据科学的 Copilot 教程以支持笔记本工作流程

GitHub 发布了一份开放教程,展示了 Copilot 如何加速 Jupyter Notebook 内的数据分析工作流程。该教程涵盖了斜杠命令、内联聊天和 @workspace 代理,以执行数据清理、可视化和从 CSV 生成报告,导出高分辨率图表,并生成可分享的分析报告。它包括一个完整数据和依赖环境的实践项目,仅需一个 GitHub 账户。

Source posts