GitHub Copilot：完美的代码补全器？
内容提要
研究表明，GitHub Copilot 生成的代码中有40%存在漏洞，影响代码安全性。观察初学者与Copilot的互动，发现其使用模式分为加速和探索两种。研究探讨了AI编程工具的局限性及改进建议，强调提高新手编程体验的重要性。
延伸解读
安全漏洞与提示工程
文章指出，GitHub Copilot 生成的代码中有40%存在漏洞，这引发了对代码安全性的担忧。但研究也提出了三种Prompt修改方法，并在OpenVPN项目上评估，结果显示这些方法能减少不安全的生成代码样本高达16%，增加安全代码高达8%。这表明通过优化提示，可以在一定程度上缓解安全问题，但漏洞风险依然存在。
新手使用Copilot的两种模式
观察20名参与者与Copilot的互动发现，使用模式呈双峰分布：加速模式下，程序员知道下一步该做什么，用Copilot完成；探索模式下，程序员不确定如何进行，用Copilot探索选项。这两种模式反映了新手在不同认知状态下的需求，提示工具设计应适应不同模式，以更好地支持编程学习。
AI编程工具的局限与改进方向
研究探讨了AI编程工具的现有局限性和未来发展挑战，包括代码建议的语言习惯和代码气味问题，并提出了一个分类工具来理解AI支持的代码补全工具。此外，针对Copilot生成的Python代码中的代码异味及其修复效果，仍需进一步研究。这些工作为改进AI编程助手的可用性和安全性提供了方向。
Q&A
GitHub Copilot 生成的代码存在什么安全问题？
研究发现，GitHub Copilot 生成的代码中有40%存在漏洞，影响代码安全性。
初学者如何与 GitHub Copilot 互动？
初学者与 Copilot 的互动模式分为加速和探索两种，前者是程序员知道下一步该做什么，后者则是不确定如何进行。
研究中提出了哪些改善 AI 编程助手可用性的建议？
研究探讨了 AI 编程工具的局限性，并提出改善 AI 编程助手可用性的建议。
有哪些方法可以减少不安全的生成代码样本？
研究提出并评估了三种 Prompt 修改方法，这些方法可减少不安全的生成代码样本的数量。
GitHub Copilot 在编程学习中有什么潜在的好处？
GitHub Copilot 能够通过自然语言和代码提示生成源代码，可能改变代码编写技能的发展性质。
GitHub Copilot 的代码生成能力如何评估？
研究评估了 GitHub Copilot 在解决编程问题上的表现，发现其在第一次尝试中成功解决约一半的问题。
