GitHub Copilot（生成式人工智能）有帮助，但表现不佳（2025年3月）
原文英文，约6700词，阅读约需25分钟。
📝
内容提要
使用GitHub Copilot Pro进行ASP.NET 8/C#开发的三个月体验表明，该工具在处理重复性任务时表现良好，但在复杂任务中常常出错。尽管提供代码建议，生成的代码仍需手动修正，且对C#语法理解不够准确。总体而言，Copilot在小范围内有帮助，但在多文件项目中效率低下，用户需谨慎使用。
🔎
延伸解读
使用GitHub Copilot的局限性
尽管GitHub Copilot在处理重复性任务时表现良好，但在复杂任务中常常出错，尤其是在多文件项目中。用户需意识到，生成的代码往往需要手动修正，且对C#语法的理解存在不足，可能导致编译错误。
上下文理解的重要性
在使用GitHub Copilot时，提供明确的上下文信息至关重要。用户需要详细列出相关文件和代码，以帮助Copilot更好地理解任务。然而，当前版本的Copilot在处理上下文时仍存在局限，可能无法准确生成所需代码。
对AI工具的理性期待
尽管市场营销宣传AI工具如GitHub Copilot能显著提高开发效率，但实际使用中，用户应保持理性。当前版本的Copilot在复杂任务中表现不佳，用户仍需依赖人工编程，特别是在涉及多个文件的项目中。
❓
Q&A
GitHub Copilot在处理复杂任务时表现如何？
GitHub Copilot在复杂任务中常常出错，效率低下，用户需谨慎使用。
使用GitHub Copilot时需要注意哪些问题？
用户需手动检查和修正生成的代码，尤其是语法错误和不必要的内容。
GitHub Copilot的生成代码是否可以直接使用？
生成的代码通常需要手动修正，不能直接使用。
GitHub Copilot在小范围任务中的表现如何？
在小范围任务中，GitHub Copilot表现良好，能够节省一些时间。
什么是Prompt Engineering，为什么重要？
Prompt Engineering是与AI系统交互的必要手段，但其有效性存在怀疑。
GitHub Copilot的市场营销与实际能力之间有什么差距？
市场营销往往夸大了GitHub Copilot的能力，实际使用中存在许多局限性。
🏷️
