GitHub nie wymyślił na nowo koła w kwestii uzupełniania kodu, ale cały czas go udoskonala. Najnowsza zmiana polega na tym, że uzupełnianie kodu w GitHub Copilot korzysta teraz z nowszego modelu opartego na GPT-4.1, a firma twierdzi, że jest on dostępny we wszystkich planach. GitHub dodaje też, że model ma poprawiać sugestie wyświetlane bezpośrednio w edytorze, czyniąc je bardziej trafnymi i ściślej powiązanymi z kontekstem kodu.
W tym wszystkim liczy się sam fakt. To nadal uzupełnianie kodu, a nie jakaś magia. Narzędzie patrzy na kod wokół siebie i próbuje przewidzieć kolejne przydatne linie lub bloki. To ten sam podstawowy pomysł, który sprawił, że Copilot stał się użyteczny od początku. Zmienia się silnik stojący za nim oraz deklaracja, że teraz powinien nieco lepiej rozumieć intencje programisty.
Ma to znaczenie, bo uzupełnianie kodu jest użyteczne tylko wtedy, gdy trzyma się blisko wykonywanej pracy. Jeśli model zboczy z tematu, sugestia staje się szumem. Jeśli natomiast pozostaje osadzony w pliku, języku programowania oraz wzorcach już obecnych w projekcie, może zaoszczędzić czasu na rutynowych fragmentach kodu. To jest prawdziwa obietnica tego typu narzędzi. Nie chodzi o genialność. Tylko o mniej pisania i mniej ślepych zaułków.
GitHub jednocześnie poszerza zasięg Copilota o kolejne miejsca i więcej opcji wyboru modeli. W 2024 roku poinformowano, że Copilot będzie obsługiwał modele od Anthropic, Google i OpenAI w ramach konfiguracji wielomodelowej. Dowodzi to, że GitHub traktuje Copilota mniej jako jednego, sztywno określonego asystenta, a raczej jako warstwę nadbudowaną na kilku modelach. Dla developerów oznacza to, że produkt staje się bardziej elastyczny, ale też trudniejszy do opisania jednym zdaniem.
Ważny praktyczny punkt jest taki, że te aktualizacje nie oznaczają tego samego. Nowy model uzupełniania kodu wpływa na sugestie wyświetlane bezpośrednio w edytorze. Konfiguracja Copilota z wieloma modelami decyduje zaś o tym, który duży model językowy odpowie na czacie lub pomoże w innych zadaniach. To zupełnie inne obszary interakcji, nawet jeśli sama nazwa produktu sugeruje wszystko w jednym.
Zauważam też zwykle spotykane ograniczenie. GitHub może twierdzić, że model jest lepszy, ale nic to nie mówi o jego zachowaniu w każdym repozytorium kodu. Uzupełnianie kodu jest bardzo wrażliwe na kontekst. Model może błyszczeć w jednym języku, a słabo radzić sobie w innym. Może pomagać ze standardowymi wzorcami, a wciąż potykać się o dziwne reguły projektu, lokalne API albo kod pisany według wewnętrznych konwencji, których żaden publiczny model jeszcze nie widział.
Jest tu jeszcze jedno, uczciwie powiedziane, ograniczenie. Uzupełnianie kodu przez AI może zasugerować fragment, który wygląda dobrze, a mimo to zawierać subtelny błąd. O tym ludzie zapominają, mówiąc o prędkości działania. Model może zaoszczędzić czas, ale nie zwalnia z konieczności recenzji. Potrafi wygenerować jedną linię. Nie może natomiast udowodnić, że ta linia pasuje do programu.
Dlatego ta aktualizacja GitHuba wydaje się przydatna, ale nie zaskakująca. Branża przesunęła się od pytania „Czy AI potrafi pisać kod?” do „Jak dobrze sprawdza się w edytorze i w przepływie pracy?”. To lepsze pytanie. To też pytanie trudniejsze, bo odpowiedź zależy od jakości modelu, opóźnień, długości kontekstu i tego, jak bardzo narzędzie przeszkadza, gdy czegoś nie jest pewne.
W dzisiejszym newsie o narzędziach dla developerów odpowiedź jest wystarczająco jasna: GitHub zaktualizował uzupełnianie kodu w Copilocie nowszym modelem AI i kontynuuje rozwijanie go jako szerszej platformy sztucznej inteligencji. Na co warto zwrócić uwagę, to nie język nagłówka. Chodzi o to, czy sugestie pozostają trafne, szybkie i użyteczne podczas rzeczywistej pracy w edytorze.
To rodzaj zmian, które lubię obserwować. Niewielkie na papierze. Bardzo rzeczywiste w codziennym użytkowaniu. The Model Log powstało wokół dokładnie tego samego założenia: jedno praktyczne pojęcie z zakresu AI, jeden działający przykład i jedna szczera analiza tego, co naprawdę działa.
