GitHub Copilot в JetBrains IDEs в РФ
В 2022 году в публичный доступ вышел GitHub Copilot – довольно удобный современный инструмент для разработчиков. В этой короткой статье поделюсь своим опытом взаимодействия с GitHub Copilot, а главное тем, как его использовать в IDE от JetBrains. Приятного чтения!
Читать далее
#github_copilot #copilot #jetbrains #copilot_plugin #tor | @habr_ai
В 2022 году в публичный доступ вышел GitHub Copilot – довольно удобный современный инструмент для разработчиков. В этой короткой статье поделюсь своим опытом взаимодействия с GitHub Copilot, а главное тем, как его использовать в IDE от JetBrains. Приятного чтения!
Читать далее
#github_copilot #copilot #jetbrains #copilot_plugin #tor | @habr_ai
Хабр
GitHub Copilot в JetBrains IDEs в РФ
GitHub Copilot в JetBrains IDEs в РФ Introduction В 2022 году в публичный доступ вышел GitHub Copilot – довольно удобный современный инструмент для разработчиков, использующий генеративные языковые...
[Перевод] Руководство по написанию промптов
Написание промптов — это искусство общения с генеративной ИИ-моделью. В этой статье мы расскажем о том, как мы в GitHub подходим к составлению промптов и как можно использовать эти принципы для создания собственного приложения на основе LLM.
В 2011 году в одной своей публикации Марк Андриссен предупредил: «Программы поглощают мир». Спустя более десятка лет мы наблюдаем появление нового типа технологий, которые поглощают мир с ещё большей скоростью: генеративный искусственный интеллект. Этот инновационный искусственный интеллект включает в себя уникальный класс больших языковых моделей (англ. large language models, LLM), созданных в результате десятилетия новаторских исследований, которые способны превзойти человека в решении определённых задач. И вам не нужно иметь докторскую степерь в области машинного обучения, чтобы создавать программы с использованием LLM. Разработчики уже создают программы с LLM, используя базовые HTTP-запросы и промпты на естественном языке.
В этой статье мы расскажем о работе GitHub с LLM, чтобы помочь другим разработчикам узнать, как лучше использовать эту технологию. Статья состоит из двух основных частей: в первой мы высокоуровнево расскажем о том, как функционируют LLM и как создавать приложения на основе LLM. Во второй части мы рассмотрим пример такого приложения: автодополнение кода от GitHub Copilot. Читать дальше →
#github_copilot #llm #промптинг | @habr_ai
Написание промптов — это искусство общения с генеративной ИИ-моделью. В этой статье мы расскажем о том, как мы в GitHub подходим к составлению промптов и как можно использовать эти принципы для создания собственного приложения на основе LLM.
В 2011 году в одной своей публикации Марк Андриссен предупредил: «Программы поглощают мир». Спустя более десятка лет мы наблюдаем появление нового типа технологий, которые поглощают мир с ещё большей скоростью: генеративный искусственный интеллект. Этот инновационный искусственный интеллект включает в себя уникальный класс больших языковых моделей (англ. large language models, LLM), созданных в результате десятилетия новаторских исследований, которые способны превзойти человека в решении определённых задач. И вам не нужно иметь докторскую степерь в области машинного обучения, чтобы создавать программы с использованием LLM. Разработчики уже создают программы с LLM, используя базовые HTTP-запросы и промпты на естественном языке.
В этой статье мы расскажем о работе GitHub с LLM, чтобы помочь другим разработчикам узнать, как лучше использовать эту технологию. Статья состоит из двух основных частей: в первой мы высокоуровнево расскажем о том, как функционируют LLM и как создавать приложения на основе LLM. Во второй части мы рассмотрим пример такого приложения: автодополнение кода от GitHub Copilot. Читать дальше →
#github_copilot #llm #промптинг | @habr_ai
Хабр
Руководство по написанию промптов
Написание промптов — это искусство общения с генеративной ИИ-моделью. В этой статье мы расскажем о том, как мы в GitHub подходим к составлению промптов и как можно использовать эти принципы для...
Исследование: генеративный ИИ повышает производительность труда разработчиков на 26,08 %
Исследовательская работа утверждает, что использование инструментов с искусственным интеллектом помогает разработчикам выполнять на 26,08 % больше задач.
На тысячах разработчиков из Microsoft, Accenture и некой анонимной компании проводили эксперимент: примерно половине сотрудников выдали доступ к Copilot, а другим пользоваться инструментом не разрешали. Сравнение данных двух групп говорит о положительном эффекте от написания кода с помощью искусственного интеллекта. Читать далее
#программирование #github_copilot #gpt_3_5 #gpt_4 #бям #большие_языковые_модели #автодополнение_кода #исследования #статистика #microsoft | @habr_ai
Исследовательская работа утверждает, что использование инструментов с искусственным интеллектом помогает разработчикам выполнять на 26,08 % больше задач.
На тысячах разработчиков из Microsoft, Accenture и некой анонимной компании проводили эксперимент: примерно половине сотрудников выдали доступ к Copilot, а другим пользоваться инструментом не разрешали. Сравнение данных двух групп говорит о положительном эффекте от написания кода с помощью искусственного интеллекта. Читать далее
#программирование #github_copilot #gpt_3_5 #gpt_4 #бям #большие_языковые_модели #автодополнение_кода #исследования #статистика #microsoft | @habr_ai
Хабр
Исследование: генеративный ИИ повышает производительность труда разработчиков на 26,08 %
Исследовательская работа утверждает , что использование инструментов с искусственным интеллектом помогает разработчикам выполнять на 26,08 % больше задач. На тысячах разработчиков из Microsoft,...
[Перевод] Краткий обзор LLM бенчмарков
Когда мы говорим о бенчмаркинге LLM в какой-то предметной области, то имеем в виду две разные концепции: бенчмарки моделей LLM и бенчмарки систем LLM. Бенчмаркинг моделей LLM заключается в сравнении базовых моделей общего назначения (например, GPT, Mistral, Llama, Gemini, Claude и так далее). Нам не следует вкладывать ресурсы в их сравнение, потому что: 1. Для них существуют публикуемые таблицы лидеров, 2. В использовании этих моделей существует множество нюансов (например, изменчивость модели, промт, сценарий использования, качество данных, конфигурация системы), что снижает полезность обсуждения их высокоуровневых параметров, 3. Важнее точности модели могут быть другие факторы: локальность данных, соответствие требованиям защиты конфиденциальности, поставщик облачных услуг, степень возможности кастомизации (например, fine-tuning или повторного обучения).
Что мы должны обсуждать, так это бенчмаркинг систем LLM. Это осмысленный и важный процесс, при котором мы рассматриваем применение конкретных моделей LLM (вместе с промтом и конфигурацией системы) в наших конкретных сценариях использования. Нам следует курировать датасеты из конкретных предметных областей, задействовать в их разметке и людей, и LLM для создания «золотого» датасета, позволяющего оценивать вносимые нами постоянные улучшения. Можно даже рассмотреть возможность публикации «золотых» датасетов бенчмарков.
Читать дальше →
#llm #github_copilot #chatbot_arena #llm_arena #helm #glue | @habr_ai
Когда мы говорим о бенчмаркинге LLM в какой-то предметной области, то имеем в виду две разные концепции: бенчмарки моделей LLM и бенчмарки систем LLM. Бенчмаркинг моделей LLM заключается в сравнении базовых моделей общего назначения (например, GPT, Mistral, Llama, Gemini, Claude и так далее). Нам не следует вкладывать ресурсы в их сравнение, потому что: 1. Для них существуют публикуемые таблицы лидеров, 2. В использовании этих моделей существует множество нюансов (например, изменчивость модели, промт, сценарий использования, качество данных, конфигурация системы), что снижает полезность обсуждения их высокоуровневых параметров, 3. Важнее точности модели могут быть другие факторы: локальность данных, соответствие требованиям защиты конфиденциальности, поставщик облачных услуг, степень возможности кастомизации (например, fine-tuning или повторного обучения).
Что мы должны обсуждать, так это бенчмаркинг систем LLM. Это осмысленный и важный процесс, при котором мы рассматриваем применение конкретных моделей LLM (вместе с промтом и конфигурацией системы) в наших конкретных сценариях использования. Нам следует курировать датасеты из конкретных предметных областей, задействовать в их разметке и людей, и LLM для создания «золотого» датасета, позволяющего оценивать вносимые нами постоянные улучшения. Можно даже рассмотреть возможность публикации «золотых» датасетов бенчмарков.
Читать дальше →
#llm #github_copilot #chatbot_arena #llm_arena #helm #glue | @habr_ai
Хабр
Краткий обзор LLM бенчмарков
Когда мы говорим о бенчмаркинге LLM в какой-то предметной области, то имеем в виду две разные концепции: бенчмарки моделей LLM и бенчмарки систем LLM. Бенчмаркинг моделей LLM заключается в сравнении...
Внедряем AI Code Assistant в разработку бесплатно и без вендорлока — Инструкция
По разным данным, code assistant'ы позволяют ускорить процесс написания кода до 25%, а это очень существенно. И в этой статье я хотел бы развеять мифы о том, что кодинг-ассистент и их внедрение это что-то далекое от реальности. Более того, это не всегда привязка к определенному вендору LLM или определенной среде разработки (IDE), а также я развею миф о том, что внедрение такого ассистента это очень дорого и для этого нужно очень много ресурсов. Ну что ж, поехали.
Читать далее
#code_assistant #github_copilot #llm #qwen #кодинг_ассистенты #deploy_llm | @habr_ai
По разным данным, code assistant'ы позволяют ускорить процесс написания кода до 25%, а это очень существенно. И в этой статье я хотел бы развеять мифы о том, что кодинг-ассистент и их внедрение это что-то далекое от реальности. Более того, это не всегда привязка к определенному вендору LLM или определенной среде разработки (IDE), а также я развею миф о том, что внедрение такого ассистента это очень дорого и для этого нужно очень много ресурсов. Ну что ж, поехали.
Читать далее
#code_assistant #github_copilot #llm #qwen #кодинг_ассистенты #deploy_llm | @habr_ai
Хабр
Внедряем AI Code Assistant в разработку бесплатно и без вендорлока — Инструкция
В последнее время я много занимаюсь вопросами внедрения ИИ-ассистентов для написания кода на основе в процессы разработки ПО. По разным данным, code assistant'ы позволяют ускорить процесс написания...
Использование ИИ в разработке сайтов
Всех приветствую! Сегодня, я хочу поделиться своим опытом использование различных ИИ для разработки сайтов на Django.
Читать далее
#github_copilot #chatgpt #chatgpt_и_программирование | @habr_ai
Всех приветствую! Сегодня, я хочу поделиться своим опытом использование различных ИИ для разработки сайтов на Django.
Читать далее
#github_copilot #chatgpt #chatgpt_и_программирование | @habr_ai
Лучшие нейросети для написания кода и программирования
На заре вычислительных устройств программисты писали код самостоятельно — полностью с нуля и в одиночку. Режим хардкор! Единственное, что могло облегчить их труд, — бумажные справочники, описывающие синтаксические особенности отдельного языка.
Сегодня всё иначе. Помимо многочисленных электронных документаций, гайдов, статей, видео и форумов существуют нейросети — похоже, одна из самых прорывных технологий начала 21 века.
Обученные на больших объемах данных, теперь они — основные поставщики справочного материала.
Преимущества очевидны. AI для кодинга ускоряют процесс программирования, «взваливая» на свои плечи объемный пласт рутинной работы по написанию кода. Они позволяют разработчикам сосредоточиться на архитектуре и логике, а не синтаксических ошибках и неоптимальных конструкциях.
Часть из них генерирует код с нуля, часть — анализирует и дополняет уже написанный.
Вот только в последние годы появилось настолько много проектов с искусственным интеллектом, что неподготовленному человеку довольно сложно разобраться, какая нейросеть лучше всех программирует.
Ведь есть как специальные, так и общие нейросети. Одни генерируют данные только определенного типа (код, например), другие — данные любых типов (и текст, и код, и изображения). А еще есть платные и бесплатные.
Чтобы ответить точно, какая нейросеть лучше для программирования (и почему), сперва необходимо составить список топ ИИ для программирования, после чего разобрать достоинства и недостатки каждого из них.
Читать далее
#timeweb_статьи #нейросети #github_copilot #tabnine #chatgpt #claude #snyk #mintlify #codeium #gemini | @habr_ai
На заре вычислительных устройств программисты писали код самостоятельно — полностью с нуля и в одиночку. Режим хардкор! Единственное, что могло облегчить их труд, — бумажные справочники, описывающие синтаксические особенности отдельного языка.
Сегодня всё иначе. Помимо многочисленных электронных документаций, гайдов, статей, видео и форумов существуют нейросети — похоже, одна из самых прорывных технологий начала 21 века.
Обученные на больших объемах данных, теперь они — основные поставщики справочного материала.
Преимущества очевидны. AI для кодинга ускоряют процесс программирования, «взваливая» на свои плечи объемный пласт рутинной работы по написанию кода. Они позволяют разработчикам сосредоточиться на архитектуре и логике, а не синтаксических ошибках и неоптимальных конструкциях.
Часть из них генерирует код с нуля, часть — анализирует и дополняет уже написанный.
Вот только в последние годы появилось настолько много проектов с искусственным интеллектом, что неподготовленному человеку довольно сложно разобраться, какая нейросеть лучше всех программирует.
Ведь есть как специальные, так и общие нейросети. Одни генерируют данные только определенного типа (код, например), другие — данные любых типов (и текст, и код, и изображения). А еще есть платные и бесплатные.
Чтобы ответить точно, какая нейросеть лучше для программирования (и почему), сперва необходимо составить список топ ИИ для программирования, после чего разобрать достоинства и недостатки каждого из них.
Читать далее
#timeweb_статьи #нейросети #github_copilot #tabnine #chatgpt #claude #snyk #mintlify #codeium #gemini | @habr_ai
[Перевод] Cursor vs Windsurf vs GitHub Copilot
Искусственный интеллект уже давно перестал быть лишь трендом и стал важным инструментом для разработчиков. В этой статье мы сравним три популярных AI-помощника для программирования: GitHub Copilot, Cursor и Windsurf. Каждый из них предлагает уникальные возможности для автоматизации рутинных задач, таких как автозаполнение кода, его генерация и улучшение рабочих процессов в IDE. Мы подробно рассмотрим, как эти решения помогают ускорить разработку и какие особенности отличают их друг от друга, чтобы вы могли выбрать подходящий инструмент для своих задач.
Читать далее
#github_copilot #cursor #windsurf #ии_помощники #разработка | @habr_ai
Искусственный интеллект уже давно перестал быть лишь трендом и стал важным инструментом для разработчиков. В этой статье мы сравним три популярных AI-помощника для программирования: GitHub Copilot, Cursor и Windsurf. Каждый из них предлагает уникальные возможности для автоматизации рутинных задач, таких как автозаполнение кода, его генерация и улучшение рабочих процессов в IDE. Мы подробно рассмотрим, как эти решения помогают ускорить разработку и какие особенности отличают их друг от друга, чтобы вы могли выбрать подходящий инструмент для своих задач.
Читать далее
#github_copilot #cursor #windsurf #ии_помощники #разработка | @habr_ai
Хабр
Cursor vs Windsurf vs GitHub Copilot
Сегодня очевидно, что искусственный интеллект уже не просто тренд для разработчиков — он стал неотъемлемой частью процесса написания кода. ИИ-помощники для программирования стремительно развились от...
Вайбкодинг для маркетплейсов
Как удалось с помощью GitHub Copilot автоматизировать отслеживание изменений в базе знаний Ozon. Мой опыт создания собственного сервиса для мониторинга и сравнения обновлений без знаний программирования, с пошаговым описыванием создания архитектуры процесса. Вайбкодить далее
#вайб_кодинг #вайбкодинг #github_pages #cursor #github_copilot #ozon #автоматизация #парсер #краулер | @habr_ai
Как удалось с помощью GitHub Copilot автоматизировать отслеживание изменений в базе знаний Ozon. Мой опыт создания собственного сервиса для мониторинга и сравнения обновлений без знаний программирования, с пошаговым описыванием создания архитектуры процесса. Вайбкодить далее
#вайб_кодинг #вайбкодинг #github_pages #cursor #github_copilot #ozon #автоматизация #парсер #краулер | @habr_ai
Хабр
Вайбкодинг для маркетплейсов
Вайбовая фотка не со мной Зачем статья: Хочу поделиться примером применения AI-агентов на практике, даже если не программируешь, Выделить очевидные ограничения вайбкодинга, Показать как достигнут...
[Перевод] Эффективные практики программирования с использованием ИИ чат-бота
В этой статье мы разберём, как использовать агентов в процессе разработки ПО и какие изменения это влечёт в повседневной работе разработчика. Чтобы показать, как может выглядеть подобный новый рабочий процесс на практике, мы создадим простое Angular-приложение, которое ищет статьи в Википедии и выводит результаты в виде списка, используя «режим агента» GitHub Copilot. Назовём его «Search wiki app». Читать далее
#агентный_ии #github_copilot #claude_sonnet #генерация_кода #контроль_качества #angular #архитектура_приложений #пошаговая_разработка #instruction_files | @habr_ai
В этой статье мы разберём, как использовать агентов в процессе разработки ПО и какие изменения это влечёт в повседневной работе разработчика. Чтобы показать, как может выглядеть подобный новый рабочий процесс на практике, мы создадим простое Angular-приложение, которое ищет статьи в Википедии и выводит результаты в виде списка, используя «режим агента» GitHub Copilot. Назовём его «Search wiki app». Читать далее
#агентный_ии #github_copilot #claude_sonnet #генерация_кода #контроль_качества #angular #архитектура_приложений #пошаговая_разработка #instruction_files | @habr_ai
Хабр
Эффективные практики программирования с использованием ИИ чат-бота
Скрытый текст Агенты для программирования на базе ИИ — это не мимолётный тренд, а развивающаяся часть современного процесса разработки. Разработчикам становится всё важнее уметь эффективно...