别再“误用”LLM！GitHub高级工程师亲述：Copilot让我的工作效率提升2-4倍

摘要：大模型走进程序员的日常之际，你都会用它来做些什么？它的能力是否达到你的预期？本篇文章中，GitHub 资深工程师将分享他在实际工作中对这些工具的真实应用场景，也希望这些经验能够带给你一些启发。

大模型走进程序员的日常之际，你都会用它来做些什么？它的能力是否达到你的预期？本篇文章中，GitHub 资深工程师将分享他在实际工作中对这些工具的真实应用场景，也希望这些经验能够带给你一些启发。

作者 | sean goedecke 翻译工具 | DeepSeek

出品 | CSDN（ID：CSDNnews）

在软件工程师群体中，大家对大语言模型（LLMs）的看法分歧很大。有些人认为这是行业有史以来最具变革性的技术，而有些人则认为这只是又一个被过度炒作的产品，虽然听起来很酷，但对真正从事严肃工作的专业人士来说并不实用。

作为在 GitHub 工作的资深工程师，我曾经有一年直接参与 Copilot 的开发，现在主要负责 GitHub Models 相关的工作，我个人觉得，AI 给我带来了很多价值。我认为那些觉得 AI 没用的人，或许是“用错了方式”，也就是说，他们没有以最有效的方式使用这些语言模型。

在这篇文章中，我会分享一些我在日常工作中如何使用 AI 的具体例子。

CSDN 付费下载自视觉中国

编写生产环境中的代码

每次写代码时，我都会使用 Copilot 的自动补全功能。

我接受的补全建议几乎都是些模板化的代码，比如填充函数参数或类型。我很少让 Copilot 帮我生成业务逻辑，但偶尔也会这么做。在我擅长的领域（比如 Ruby on Rails），我相信自己能比 LLM 做得更好。对我来说，它更像是一个“非常棒的自动补全工具”。

不过，真正工作中，我也经常遇到一些我不太擅长的领域或方向。有时候，我需要对一些不太熟悉的领域进行小的战术性修改，比如 Golang 服务或 C 库。虽然我知道这些语言的语法，也写过一些个人项目，但对它们的惯用写法不太有把握。在这种情况下，我会更依赖 Copilot。通常我会启用 o1 模型的 Copilot Chat，在输入框粘贴我的代码，然后直接问：“这段 C 代码符合惯用写法吗？”

我清楚的知道，这种依赖 LLM 的方式是有风险的，因为我不确定自己是否遗漏了什么。LLM 基本上能让我能像一个聪明的实习生一样工作，但我也得像一个靠谱的实习生那样，确保有该领域的专家帮我审查代码。即便如此，我认为这种快速进行战术性修改的能力非常有价值。

编写一次性代码

当我编写一些永远不会进入生产环境的代码时，我会更随意地使用 LLMs。

比如，最近我做了一项研究，需要从 API 中提取一些公共数据，进行分类，并用一系列快速的正则表达式来近似这些分类。所有这些代码都只在我的笔记本电脑上运行，而我基本上都是用 LLMs 来编写的：提取数据的代码、运行另一个 LLM 进行分类的代码、对数据进行分词并统计词频的代码等等。

LLMs 非常擅长编写那些不需要维护的、能运行的代码。像这种只运行一次的非生产代码（比如用于研究的代码），正是 LLMs 的强项。

我觉得，使用 LLMs 让我完成这些任务的速度比不用它们快了 2 到 4 倍。

学习新领域

对我来说，LLMs 最有用的功能之一就是充当“随叫随到的导师”，帮助我学习新领域。比如，上周末我学习了 Unity 的基础知识，整个过程几乎全靠 ChatGPT-4o 帮忙。用 LLMs 学习的魔力在于，你可以随时提问：不仅是“X 是怎么工作的”，还可以追问“X 和 Y 有什么关系”。更棒的是，你还可以问“我理解得对吗？”这样的问题。我经常把自己学到的东西整理出来，然后丢给 LLMs 检查，它会指出我哪里理解对了，哪里还有误解。我真的很爱问 LLMs 问题。

学习新东西时，我会做很多笔记。能够直接把笔记复制粘贴进去，让 LLMs 帮我检查，简直太方便了。

至于 LLMs 会不会“胡说八道”（即产生幻觉），说实话，自从 GPT-3.5 之后，我很少遇到 ChatGPT 或 Claude 乱说的情况。我学习的领域通常都是已经被广泛研究过的（只是我不熟悉），所以 LLMs 出错的概率很低。

到目前为止，我还没遇到过从 LLMs 那里学到的东西是完全错误或虚构的。

自己修复 bug 无解时，让 AI 试试也无妨

虽然我不常这么做，但有时候当我真的被一个 bug 卡住时，我会把整个文件（或几个文件）上传到 Copilot Chat，粘贴错误信息，然后直接问：“你能帮我吗？”

我之所以不常这么做，是因为我觉得自己目前比 AI 更擅长找 Bug。大多数时候，Copilot（或者 Claude，用于一些个人项目）都会被我搞懵。但当我真的束手无策时，试试也无妨，毕竟这几乎不费什么力气。我记得有两三次，LLMs 帮我发现了一些我忽略的细节，节省了我很多时间。

由于 LLMs 在这方面还不够强，我不会花太多时间去反复尝试或帮它“解围”。我只是试一次，看看它能不能搞定。

校对拼写和逻辑错误

我经常写一些英文文档，比如架构决策记录（ADRs）、技术总结、内部帖子等。我从来不让 LLMs 帮我写这些文档，一方面是因为我觉得自己写得比 LLMs 更清晰，另一方面是我对 ChatGPT 那种“标准风格”不太感冒。

不过，我偶尔会把草稿丢给 LLMs，让它帮我检查。LLMs 非常擅长查找拼写错误，有时还会提出一些有趣的观点，让我对草稿进行修改。

和 bug 修复一样，我不会反复让 LLMs 校对，通常只让它检查一轮。它经常会给出一些风格上的建议，但我一般都会忽略。

总结