ലറ്റ് പ്രവർത്തനത്തിലാണ്

ആമുഖവും പ്രചോദനവും സോഫ്റ്റ്‌വെയർ വികസനത്തിൻ്റെ ദ്രുതഗതിയിലുള്ള ലോകത്ത്, ഉൽപ്പാദനക്ഷമത വർധിപ്പിക്കുന്ന ഉപകരണങ്ങൾ സ്വർണ്ണത്തിൻ്റെ വിലയാണ്. AI- പവർ കോഡ് ജനറേറ്റർ, അസിസ്റ്റൻ്റ് എന്നീ നിലകളിൽ GitHub Copilot വളരെയധികം ശ്രദ്ധ നേടിയിട്ടുണ്ട്. അതിൻ്റെ യഥാർത്ഥ മൂല്യം അളക്കാൻ, ഞങ്ങൾ ഒരു പരീക്ഷണത്തിൽ CoPilot പരീക്ഷിച്ചു. ഞങ്ങളുടെ വികസന പ്രക്രിയകളും എല്ലാറ്റിനുമുപരിയായി ഉൽപ്പാദനക്ഷമതയും മെച്ചപ്പെടുത്താൻ കോപൈലറ്റിന് കഴിയുമോ എന്ന്-ട്രെയിൻഡ് ട്രാൻസ്‌ഫോർമർ) സാങ്കേതികവിദ്യയെ അടിസ്ഥാനമാക്കി പ്രവർത്തിക്കുന്നു, പ്രത്യേകിച്ച് OpenAI-യുടെ GPT-3 ആർക്കിടെക്ചർ. കോപൈലറ്റ് ഡെവലപ്പർ എഴുതിയ കോഡിൻ്റെ സന്ദർഭം വിശകലനം ചെയ്യുന്നു,

തുടർന്ന് ആവശ്യമുള്ള ആ

വശ്യകതകൾ നിറവേറ്റുന്ന കോഡ് ശകലങ്ങൾ സ്വയമേവ നിർദ്ദേശിക്കുന്നു. ഡെവലപ്പർമാർക്ക് അവരുടെ പ്രിയപ്പെട്ട സംയോജിത വികസന പരിതസ്ഥിതിയിൽ (IDE) ഒരു വിപുലീകരണമായി GitHub Copilot ഉപയോഗിക്കാം. ഇത് വിവിധ പ്രോഗ്രാമിംഗ് ഭാഷകളെ പിന്തുണയ്‌ക്കുന്നു, കൂടാതെ കോഡ് സൃഷ്‌ടിക്കുന്നതിന് ഒരുതരം “സഹകരണ” സമീപനം നൽകിക്കൊണ്ട് ഡെവലപ്പർമാരെ കൂടുതൽ ഉൽപ്പാദനക്ഷമമായി പ്രവർത്തിക്കാൻ സഹായിക്കുന്നതിന് ഉദ്ദേശിച്ചുള്ളതാണ്. ചട്ടക്കൂട് പാരാമീറ്ററുകൾകോപൈലറ്റ് പതിപ്പും സംയോജനവും: PHP സ്റ്റോമിലെ പ്ലഗിൻ ആയി ഞങ്ങൾ Github Copilot Business ഉപയോഗിച്ചു. കോപൈലറ്റ് സവിശേഷതകൾ 1. ടൈപ്പ് ചെയ്യുമ്പോൾ AI- പവർഡ് ഓട്ടോ പൂർത്തീകരണം. ഇൻപുട്ട്: ഔട്ട്പുട്ട്: 2. അഭിപ്രായങ്ങൾ ഉപയോഗിച്ച് AI- പവർഡ് ഓട്ടോ പൂർത്തീകരണം ഒരു ലളിതമായ ഉദാഹരണം ഇതാ. മുഴുവൻ ക്ലാസുകളും ജനറേറ്റുചെയ്യുന്നതിന് നിങ്ങൾക്ക് കമൻ്റ് ഫംഗ്‌ഷൻ ഉപയോഗിക്കാനും കഴിയും, അത് അന്തിമ കോഡിൻ്റെ ആദ്യ നിർമ്മാണമായി ഉപയോഗിക്കാം. ഇൻപുട്ട്: ഔട്ട്പുട്ട്: ടീം 5 ഡെവലപ്പർമാർക്ക് ഓരോന്നിനും GitHub Copilot-നുള്ള ലൈസൻസ് ഞങ്ങളുടെ ടീമിന് ലഭിക്കുന്നു. പരീക്ഷണ കാലയളവിൽ (ജൂലൈ 1, 2023 – ജനുവരി 31, 2024) ടീമിൽ ജൂനിയർമാരും സീനിയർമാരും ഉണ്ടായിരുന്നു. ഓരോ ഡെവലപ്പറും കോപൈലറ്റുമായി എങ്ങനെ പ്രവർത്തിക്കാം എന്നതിനെക്കുറിച്ച് സ്വയം അറിയിച്ചിട്ടുണ്ട്. പ്രോജക്‌റ്റും ടീം സന്ദർഭവും: ടീം 2-3 പ്രോജക്‌റ്റുകൾക്കായി സജീവ പ്രോജക്‌റ്റ് ബിസിനസിൽ കോപൈലറ്റിനെ ഉപയോഗിച്ചു കൂടാതെ വർ ഫോൺ നമ്പർ ലൈബ്രറി ഷങ്ങളായി കാൻബനുമായി പ്രവർത്തിക്കുന്നു. പരീക്ഷണ ഘട്ടത്തിൽ, റിട്രോസ്‌പെക്റ്റീവുകൾ പതിവായി നടത്തപ്പെട്ടു, ഇത് സമാന്തരമായി കൂടുതൽ പരീക്ഷണങ്ങൾക്ക് കാരണമായി. വിജയ മാനദണ്ഡം: തീസിസ്: ഇനിപ്പറയുന്ന മെട്രിക്കുകളിൽ കോപൈലറ്റ് 10% പുരോഗതി കൈവരിച്ചാൽ, പരീക്ഷണം വിജയകരമാണെന്ന് ഞങ്ങൾ കണക്കാക്കും: ലീഡ്ടൈം:

ലീഡ്ടൈം മെട്രിക്കിനായി

കോപൈലറ്റിന് സ്വാധീനം ചെലുത്തുന്ന കാലയളവ് മാത്രമാണ് ഞങ്ങൾ വിലയിരുത്തിയത്. പ്രത്യേകിച്ചും, വികസനത്തിൻ്റെ ആരംഭം മുതൽ രണ്ടാമത്തെ വ്യക്തിയുടെ പ്രാദേശിക പരിശോധന വിജയിക്കുന്നത് വരെ ഒരു ടിക്കറ്റിന് ആവശ്യമായ സമയം (പ്രോസസ്സിംഗ് + കാത്തിരിപ്പ് സമയം) അളക്കുന്നു. ഡെവലപ്പർമാർ, പിഒകൾ, ഉപഭോക്താക്കൾ എന്നിവരുടെ വിന്യാസത്തിനും തുടർ പരിശോധനയ്‌ക്കുമുള്ള സമയം അതിനാൽ കണക്കിലെടുക്കുന്നില്ല. അളന്ന ടിക്കറ്റ് തരങ്ങളായി ഞങ്ങൾ സ്റ്റോറികൾ തിരഞ്ഞെടുത്തു, കാരണം അവയിൽ ഏറ്റവും കൂടുതൽ പ്രോഗ്രാമിംഗ് പ്രയത്നം ഉൾപ്പെടുന്നു. ഇനിപ്പറയുന്ന ഗ്രാഫിക് ടെക്ഡിവിഷൻ ലീഡ് ടൈംസ് ഡാഷ്‌ബോർഡ് മാതൃകാപരമായ ഡാറ്റ കാണിക്കുന്നു: ഓരോ ടിക്കറ്റ് തരത്തിലും ഒരു ടിക്കറ്റിൻ്റെ ശരാശരി പ്രോസസ്സിംഗ് സമയത്തിലെ കുറവ്: ഈ മെട്രിക് ഒരു ടിക്കറ്റ് തരത്തിന് ഒരു ടിക്കറ്റിൻ്റെ പ്രയത്നം നിർണ്ണയിക്കാൻ ഉദ്ദേശിച്ചുള്ളതാണ്. “പുരോഗതിയിലാണ്” എന്ന സ്റ്റാറ്റസുള്ള ടിക്കറ്റുകളിലെ ഡെവലപ്പർമാരുടെ വർക്ക്ലോഗുകൾ മാത്രമാണ് ഇവിടെ പരിഗണിച്ചത്. ടിക്കറ്റ് നിരസിക്കൽ/നിരസിക്കൽ നിരക്ക്: കോപൈലറ്റ് കോഡ് ഗുണനിലവാരത്തിൽ സ്വാധീനം ചെലുത്തുന്നുണ്ടോ എന്ന് അളക്കാനുള്ള ശ്രമമാണ് ഈ മെട്രിക്. രണ്ടാമത്തെ dev ടെസ്റ്റിൽ നിന്നോ ഉപഭോക്താവോ ഒരു ടിക്കറ്റ് നിരസിക്കപ്പെടുമ്പോൾ നിരസിക്കൽ അളക്കുന്നു. ഒരു അധിക മെട്രിക് എന്ന നിലയിൽ, ബ്ലോക്കർ ടിക്കറ്റുകൾ ഉണ്ടാകുന്നത് ഞങ്ങൾ ഉൾപ്പെടുത്തിയിട്ടുണ്ട്. ഉപയോക്താക്കൾക്ക് ഷോപ്പ് സാധാരണയായി ഉപയോഗിക്കുന്നതിൽ നിന്ന് തടയുന്ന ഒരു തത്സമയ സിസ്റ്റത്തിൽ ഒരു പിശക് സംഭവിക്കുമ്പോൾ ഒരു ബ്ലോക്കർ ടിക്കറ്റ് ഉണ്ടാകുന്നു. തെറ്റായ വിലകൾ അല്ലെങ്കിൽ പ്രവർത്തനരഹിതമായ ചെക്ക്-ഔട്ട് എന്നിവ ഇത്തരം ഗുരുതരമായ പ്രശ്നങ്ങളിൽ ഉൾപ്പെടുന്നു. ഡെവലപ്പർമാരുടെ ആത്മനിഷ്ഠമായ അഭിപ്രായം: ടൂൾ ആസ്വദിച്ചിട്ടുണ്ടോ എന്നും അത് സഹായകരവും ഉൽപ്പാദനക്ഷമത വർദ്ധിപ്പിച്ചതും ആണെന്ന് പരിശോധിക്കാൻ, ഓരോ ഡവലപ്പർക്കും അവരുടെ അനുഭവം 1 മുതൽ 4 വരെ ദിവസേന റേറ്റുചെയ്യേണ്ടി വന്നു (1 = വളരെ നെഗറ്റീവ്, 4 = വളരെ പോസിറ്റീവ്). കോൺക്രീറ്റ് ഫലങ്ങൾ അളവുകൾക്കായി, 2023 ജൂലൈ 1 – ജനുവരി 31, 2024, ഡിസംബർ 1, 2022 – ജൂൺ 30, 2023 എന്നീ രണ്ട് ഏഴ് മാസ കാലയളവുകൾ താരതമ്യം ചെയ്തു. ലീഡ് സമയവും ടിക്കറ്റ് കാലാവധിയും സ്റ്റോറി ലീഡ് സമയം 2 ദിവസം വർദ്ധിച്ചു, 9.5% ഇടിവ്. കൂടാതെ, ഒരു ടിക്കറ്റിൻ്റെ ശരാശരി ദൈർഘ്യം ഒരു പുരോഗതിയും കാണിക്കുന്നില്ല, ഈ മേഖലകളിൽ ഞങ്ങളുടെ കാര്യക്ഷമത വർദ്ധിപ്പിക്കുന്നതിൽ കോപൈലറ്റ് പരാജയപ്പെട്ടുവെന്ന് സൂചിപ്പിക്കുന്നു. നിരസിക്കൽ നിരക്കും ബ്ലോക്കർ ടിക്കറ്റുകളും രസകരമെന്നു പറയട്ടെ, കോപൈലറ്റ് അവതരിപ്പിച്ചതിന് ശേഷം സെക്കൻഡ് ഡെവലപ്‌മെൻ്റ് ടെസ്റ്റിംഗിലെ ടിക്കറ്റ് നിരസിക്കൽ നിരക്ക് ഗണ്യമായി വർദ്ധിച്ചു – 17.79% ൽ നിന്ന് 26.69% ആയി. കൂടാതെ, ഉപഭോക്താവിനെ പരിശോധിക്കുമ്പോൾ നിരസിക്കൽ നിരക്ക് 3.36% ൽ നിന്ന് 9.65% ആയി വർദ്ധിച്ചു. എന്നിരുന്നാലും, ഈ പരീക്ഷണത്തോടൊപ്പം ഏതാണ്ട് ഒരേസമയം ആരംഭിച്ച മറ്റൊരു പരീക്ഷണമാണ് ഇതിന് കാരണം. ഗുണനിലവാര നിയന്ത്രണങ്ങൾ മെച്ചപ്പെടുത്തുകയും ടീമിനുള്ളിലും

ഞങ്ങളുടെ ഉപഭോക്താ

ക്കൾക്കും കൂടുതൽ കൃത്യമായ ടെസ്റ്റിംഗ് how to make a mobile-friendly website and drive traffic  നടപടിക്രമങ്ങൾ അവതരിപ്പിക്കുകയും ചെയ്തു. കൂടാതെ, “ബ്ലോക്കർ” മുൻഗണനയുള്ള ടിക്കറ്റുകളുടെ അനുപാതം ഏതാണ്ട് മാറ്റമില്ലാതെ തുടർന്നു, കുറഞ്ഞ കുറവ് 4.72% ൽ നിന്ന് 4.63% ആയി. വിഷയപരമായ വിലയിരുത്തലുകൾ ആവർത്തിച്ചുള്ള ജോലികൾക്കായുള്ള കോപൈലറ്റിൻ്റെ ഉപയോഗവും നേറ്റീവ് PHP ഫംഗ്‌ഷനുകൾ നടപ്പിലാക്കുന്നതിനുള്ള എളുപ്പവും ഡവലപ്പർമാർ ശ്രദ്ധിച്ചു. കൂടുതൽ സങ്കീർണ്ണമായ കോഡ് നിർദ്ദേശങ്ങളുടെ കൃത്യതയും അനുചിതമായ നിർദ്ദേശങ്ങൾ മൂലമുണ്ടാകുന്ന വ്യതിചലനത്തിനുള്ള സാധ്യതയുമായിരുന്നു പ്രധാന വിമർശനം. അടിസ്ഥാനപരമായി, പ്രതിദിന സർവേയുടെ ശരാശരി മൂല്യം 3.48 ആയിരുന്നു. ഇത് വളരെ പോസിറ്റീവ് ആയി കാണാൻ കഴിയും. ഫലങ്ങളുടെ വ്യാഖ്യാനം മെട്രിക്കുകൾ വിലയിരുത്തുമ്പോൾ, മെട്രിക്സിൽ നിന്ന് GitHub Copilot ഉപയോഗിച്ചുള്ള പരീക്ഷണത്തെക്കുറിച്ച് എന്തെങ്കിലും പറയാൻ എത്ര ബുദ്ധിമുട്ടാണെന്ന് വ്യക്തമായി. സജീവമായ പ്രോജക്റ്റ് ബിസിനസ്സിൽ, അളവുകൾ വിലയിരുത്തുന്നത് ബുദ്ധിമുട്ടാക്കുന്ന സ്വാധീനിക്കുന്ന നിരവധി ഘടകങ്ങളുണ്ട്. ടീമിൻ്റെ വലുപ്പത്തിലോ ടിക്കറ്റ് വലുപ്പത്തിലോ ഉള്ള മാറ്റങ്ങൾ ഈ സ്വാധീനിക്കുന്ന ഘടകങ്ങളിൽ ചിലത് മാത്രമാണ്. ഡെവലപ്പർമാർ കോപൈലറ്റിൽ വളരെ സന്തുഷ്ടരാണെങ്കിലും, അളന്ന അളവുകളുടെ ഫലങ്ങൾ തുടക്കത്തിൽ ഉൽപ്പാദനക്ഷമതയിലും ഗുണനിലവാരത്തിലും ഒരു തകർച്ചയെ സൂചിപ്പിക്കുന്നു. എന്നിരുന്നാലും, മെട്രിക്‌സ് വിലയിരുത്തുമ്പോൾ മാത്രം വ്യക്തമായ മറ്റൊരു വശമുണ്ട്, അതായത് കോപൈലറ്റിന് കൃത്യമായ സ്വാധീനം എന്താണുള്ളത്: കോഡ് എഴുതുക. ഫലപ്രദമായി, ഒരു ടിക്കറ്റിനായി ബുക്ക് ചെയ്ത പരിശ്രമത്തിൻ്റെ 2 മുതൽ 12% വരെ മാത്രമേ ടെസ്റ്റ് വിഷയങ്ങൾ കോഡ് എഴുതിയിട്ടുള്ളൂ. റൈറ്റിംഗ് കോഡ് ശുദ്ധമായ ടൈപ്പിംഗ് ആയി നിർവചിച്ചിരിക്കുന്നു, കോപൈലറ്റിൻ്റെ നിലവിലെ പതിപ്പ്, ഒരു AI- പിന്തുണയുള്ള ഓട്ടോകംപ്ലീറ്റർ എന്ന നിലയിൽ, ഇത് ഏതാണ്ട് പ്രത്യേകമായി പിന്തുണയ്ക്കുന്നു. ബാക്കിയുള്ള 90% ടിക്കറ്റിൻ്റെ ആവശ്യകതകൾ മനസ്സിലാക്കാനും അവ എങ്ങനെ നടപ്പാക്കണമെന്ന് ഗവേഷണം നടത്താനും ഒരു ഡെവലപ്പർക്ക് ആവശ്യമായ സമയമാണ്. കോപൈലറ്റ് പ്രധാനമായും 2-12% എന്ന ചെറിയ അനുപാതത്തെ ബാധിക്കുന്നു എന്ന കണ്ടെത്തലിനെ ഞങ്ങൾ വ്യാഖ്യാനിക്കുന്നത് കോപൈലറ്റിൻ്റെ സ്വാധീനം മെട്രിക്സിൽ ദൃശ്യമാകാൻ കഴിയാത്തത്ര ചെറുതാണ് എന്നാണ്. ഉപസംഹാരം AI- പിന്തുണയുള്ള കോഡ് പൂർത്തീകരണത്തിൻ്റെ ഉപയോഗം മാത്രം പ്രോജക്റ്റ് ബിസിനസ്സിലെ സോഫ്റ്റ്‌വെയർ വികസനത്തിൽ അളക്കാനാവുന്ന സ്വാധീനം ചെലുത്തുന്നില്ലെന്ന് പരീക്ഷണം കാണിച്ചു. ഞങ്ങൾ ആദ്യം പരിഗണിച്ച മെട്രിക്കുകൾ നിർഭാഗ്യവശാൽ, ഉപയോഗിച്ച പ്രവർത്തനത്തിൽ GitHub

കോപൈലറ്റിൻ്റെ അധിക

മൂല്യത്തെക്കുറിച്ചുള്ള നിഗമനങ്ങളിൽ  ao lists എത്തിച്ചേരാനാകും. വീക്ഷണം കോപൈലറ്റ്, “അല്പം മെച്ചപ്പെട്ട ഓട്ടോകംപ്ലീറ്റർ” എന്ന നിലയിൽ, അതിൻ്റെ മുഴുവൻ സാധ്യതകളും പ്രയോജനപ്പെടുത്തുന്നില്ലെന്ന് ഞങ്ങൾ മാത്രമല്ല തിരിച്ചറിഞ്ഞത്, കാരണം ഇത് പ്രധാനമായും ശുദ്ധമായ ഫാക്‌ടറിംഗ് നിർദ്ദേശിക്കുക എന്നിവയും അതിലേറെയും ഉൾപ്പെടുന്നു. നിങ്ങൾക്ക് ചാറ്റ് വഴി അടയാളപ്പെടുത്തിയ കോഡ് സ്‌നിപ്പെറ്റുകൾ റഫറൻസ് ചെയ്യാനും നിലവിലെ പ്രോജക്റ്റ് സന്ദർഭത്തിൽ വ്യക്തിഗതമായി തയ്യാറാക്കിയ ഉത്തരങ്ങൾ സ്വീകരിക്കാനും കഴിയും. നിങ്ങൾ സ്വയം ബ്രൗസറിൽ ഉത്തരങ്ങൾ തിരയേണ്ടതില്ല, എന്നാൽ AI പിന്തുണയോടെ വികസന പരിതസ്ഥിതിയിൽ ഇത് ചെയ്യാൻ കഴിയും എന്നതാണ് ഏറ്റവും വലിയ നേട്ടങ്ങളിലൊന്ന്. നിർദ്ദേശങ്ങളുടെ കൃത്യതയും പ്രസക്തിയും മെച്ചപ്പെടുത്തുന്നതിനായി കോപൈലറ്റ് പോലുള്ള ടൂളുകളുടെ ഭാവി അവരുടെ അൽഗോരിതം സൂക്ഷ്മമായി ക്രമീകരിക്കുന്നതിലാണ്. അതേ സമയം, ടീമുകൾ ഏറ്റവും കൂടുതൽ മൂല്യം നേടുന്നതിന് ഈ ടൂളുകളെ അവരുടെ വർക്ക്ഫ്ലോകളിലേക്ക് കൂടുതൽ ഫലപ്രദമായി സംയോജിപ്പിക്കാൻ പഠിക്കണം. ഈ പരീക്ഷണം അക്കാലത്ത് ലഭ്യമായ പതിപ്പിലെ കോപൈലറ്റിൻ്റെ കഴിവുകളെയും പരിമിതികളെയും കുറിച്ചുള്ള ഞങ്ങളുടെ ആദ്യത്തെ മൂല്യവത്തായ ഉൾക്കാഴ്ച നൽകി. സോഫ്‌റ്റ്‌വെയർ വികസനത്തിൻ്റെ കലയെ മുന്നോട്ട് കൊണ്ടുപോകാൻ സാങ്കേതികവിദ്യ എങ്ങനെ ഉപയോഗിക്കാം എന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ പരീക്ഷണങ്ങൾക്കും ചർച്ചകൾക്കും ഇത് അടിസ്ഥാനമായി വർത്തിക്കുന്നു.