近几年，人工智能迅速发展，在各行各业都有所应用，特别是近两年，面向开发者的AI开发工具也是层出不穷，从这些工具中，我们看到了AI能为开发者带来的无限可能性。本系列文章主要介绍国外的Kite、Codota、TabNine、GitHub Copilot、微软IntelliCode，国内的阿里云Cosy、AIXcoder等程序员比较常用的智能编码辅助工具，并会在后续的文章中做一些更为详细的偏个人使用感受的对比评测。
上一篇我们介绍了史上最全智能代码补全工具系列之TabNine篇，本篇文章我们来看看一款近期发布的一款工具GitHub Copilot，官网主页：https://copilot.github.com/
GitHub Copilot（以下简称Copilot）是近期发布的代码智能生成插件，目前支持VSCode、JetBrains等IDE平台，不同于其他代码补全工具只提供最多一行的补全结果，Copilot能通过代码上下文以及语言描述，生成整个代码片段，无疑是开发者的编码利器。它是如何做到的呢？本系列上期文章提到的TabNine使用的是GPT-2深度学习模型，而Copilot使用的是OpenAI据说烧了数千万美元研发出来的GPT-3模型，Copilot在GPT-3模型基础之上通过对GitHub的开源代码进行学习，得到了Codex模型，该模型具备强大的代码生成能力，但是由于该模型非常庞大，需要有足够的基础设施支撑，所以Copilot目前只能通过邀测的形式小范围试用，从FAQ中的信息显示，Copilot未来不太可能会大面积免费开放，所以喜欢该工具的开发者需要做好掏钱的准备。
支持功能
- 只提供了远程服务模式，需要将代码上传到远端，所以如果是企业的开发者可能要注意数据安全了
- 能够通过代码上下文、注释及语言描述生成方法级的代码片段
官网演示
如下图所示，我们仅需要输入代码的功能描述以及代码的方法名称，Copilot会自动识别代码的上下文，等待2~3秒即可生成完整的方法片段。
官网的演示示例中提到了3个使用场景：
1、根据代码注释生成代码片段
2、自动填充具备固定模式的重复代码
3、自动生成单元测试用例，特别是生成Mock数据
使用体验
Copilot的模型非常强大，其原理本质上跟TabNine是相似的，但是Copilot的代码生成效果要好很多，毕竟模型大小不是一个层次的。Copilot代码生成结果的展现形式跟其他工具都不同，它采用了内联的方式，这种方式非常直观的展示的代码生成后的样子，适合多行代码片段的展示，但是这种方式不适合推荐结果比较多的时候，只能通过快捷键切换结果，而且如果开启了自动触发，在写代码时经常会在我不需要的时候出现，把正在编写的代码挤到下面去，这对我的日常编码是一种打扰。
下面我们来看几个Java示例：
1）用同样的示例，Copilot能将整行进行补全，并且自动将inputStream填充到参数中。
2）Copilot也能自动识别到上文中出现过的workbook变量及其getSheetAt方法，没有发生语法错误的问题。
3）虽然在上一个例子中补全效果较好，没有出现语法错误的问题，但是Copilot依然会在很多情况下生成存在语法错误的代码片段。如下图所示，StringUtils类是在本地工程中创建的，类下面只有一个readTestFile方法，然而Copilot却生成了print方法，因为Copilot是根据数亿的开源代码学习到的，不能及时的去学习本地工程的代码信息，所以本质上跟TabNine一样是会存在语法错误的问题，只是由于模型更强大，所以错误的概率更小，但是一旦涉及到本地工程的代码，错误的概率就会非常高。
4）用Copilot写单元测试是非常方便的，它能帮助我生成很多测试数据，减少我Mock数据的烦恼。
5）Copilot方法级的代码生成也有很多错误的时候，比如生成读取XML文件的代码，结果生成的是读取Excel的代码，可能是因为类开头import了较多Excel相关的API。
如果我把import去掉，那么它就无法生成了，只会根据注释生成另一段注释。
有时候它生成的代码会陷入无限重复，比如下图中陷入了生成Insert的死循环。
总的来说，GitHub Copilot是一款非常好用的代码生成工具，适合生成通用的工具代码、leetcode算法、单元测试等场景的高频代码，而对业务代码的生成则依然存在语法错误的问题，可惜Copilot只提供了远程服务模式，并且基于Copilot当前的技术路线也不太可能提供离线模式，这点可能会带来潜在的隐私及代码数据的泄露风险，希望以后收费不会太贵。