Ich verwende GitHub Copilot seit 4 Monaten mit unserer Produktionscodebasis, und hier sind einige meiner Gedanken:

Das Gute:

1. Erklärt komplexen Code: Es war großartig, knifflige Codefragmente oder Geschäftslogiken aufzuschlüsseln und richtig zu erklären.

2. Unit-Tests: Wirklich gut darin, Unit-Tests zu schreiben und schnell mehrere szenariobasierte Testfälle zu generieren.

3. Code-Snippets: Es können problemlos nützliche Code-Snippets für allgemeine Anwendungsfälle generiert werden.

4. Fehlerbehebungen: Copilot ist gut darin, Fehler im Code zu erklären und Vorschläge zu deren Behebung zu machen.

Das Nicht-So-Gute:

1. Kontextverständnis: Es ist schwierig, einem GenAI-Tool den Kontext zu erklären, insbesondere wenn unser Code über mehrere Dateien/Repos verteilt ist. Es ist schwierig, größere Projekte zu verstehen, bei denen Änderungen in mehreren Dateien erforderlich sind.

2. Ungenaue Vorschläge: Manchmal wird vorgeschlagen, npm-Bibliotheken zu installieren oder Methoden aus npm-Paketen zu verwenden, die nicht existieren. Dies nennt man Halluzination, wobei KI-generierter Code überzeugend aussieht, aber völlig falsch ist.

3. Komplexer Code: Gelegentlich ist der generierte Code verwirrend und komplex, was das Debuggen erschwert. In diesen Momenten wünschte ich, ich hätte die Logik selbst geschrieben und Copilot auf Fehler oder Bugs prüfen lassen.

Im Großen und Ganzen war GitHub Copilot ein nützliches Tool, aber es hat seine Macken. Bei der Verwendung großer Sprachmodelle liegt die Verantwortung immer beim Programmierer.