هوش مصنوعی GitHub Copilot

مقدمه: کدنویسی در عصر هوش مصنوعی

دنیای برنامه‌نویسی با سرعت زیادی در حال تغییر است. ابزارهای هوش مصنوعی اکنون می‌توانند کد را تکمیل کنند، از روی توضیحات متنی تابع بسازند، تست بنویسند و حتی در پیدا کردن خطاها به برنامه‌نویس کمک کنند. در چنین شرایطی، مهارت استفاده صحیح از یک دستیار هوش مصنوعی برنامه نویسی می‌تواند سرعت و کیفیت توسعه نرم‌افزار را به شکل محسوسی افزایش دهد.

گیت هاب کوپایلوت یکی از شناخته‌شده‌ترین ابزارهای کدنویسی با هوش مصنوعی است. این ابزار مانند یک هم‌تیمی یا Pair Programmer در محیط توسعه کنار برنامه‌نویس قرار می‌گیرد و براساس کدها، توضیحات و ساختار پروژه پیشنهادهای مرتبط ارائه می‌دهد.

Copilot فقط یک ابزار تکمیل خودکار ساده نیست؛ بلکه مجموعه‌ای از قابلیت‌های هوشمند برای پیشنهاد کد، گفت‌وگو درباره پروژه، توضیح کد، تولید تست، اصلاح خطا و کمک به انجام وظایف توسعه نرم‌افزار است. اطلاعات رسمی و آخرین قابلیت‌های آن در صفحه رسمی GitHub Copilot منتشر می‌شود.

GitHub Copilot چیست و چگونه کار می‌کند؟

اگر بخواهیم به زبان ساده توضیح دهیم که GitHub Copilot چیست، می‌توان آن را یک دستیار کدنویسی مبتنی بر مدل‌های زبانی بزرگ دانست. این ابزار در محیط توسعه نرم‌افزار فعال می‌شود و متناسب با کاری که انجام می‌دهید، کد، توضیح یا راهکار پیشنهادی تولید می‌کند.

Copilot قرار نیست به جای برنامه‌نویس درباره معماری، امنیت و منطق محصول تصمیم بگیرد. وظیفه اصلی آن کاهش کارهای تکراری، سرعت بخشیدن به پیاده‌سازی و فراهم کردن نقطه شروع مناسب برای حل مسئله است.

تولد کوپایلوت و همکاری گیت‌هاب با OpenAI

GitHub Copilot در سال ۲۰۲۱ به‌صورت پیش‌نمایش معرفی شد. نسخه‌های اولیه آن نتیجه همکاری GitHub و OpenAI بودند و از OpenAI Codex، مدلی توسعه‌یافته برای درک و تولید کد، استفاده می‌کردند.

با گذشت زمان، کوپایلوت از یک پیشنهاددهنده کد به یک پلتفرم گسترده‌تر برای توسعه نرم‌افزار تبدیل شد. نسخه‌های جدید آن بسته به قابلیت، پلن و محیط استفاده می‌توانند از مدل‌های هوش مصنوعی مختلف بهره ببرند. بنابراین معرفی Copilot به‌عنوان ابزاری که فقط از Codex استفاده می‌کند، درباره نسخه‌های امروزی آن دقیق نیست.

مدل‌های زبانی بزرگ با بررسی حجم زیادی از داده‌های متنی و کد، الگوهای رایج برنامه‌نویسی را یاد می‌گیرند. آن‌ها کد را مانند یک پایگاه داده ثابت بازیابی نمی‌کنند، بلکه براساس ورودی و کانتکست موجود، خروجی محتمل را تولید می‌کنند.

مکانیزم عملکرد کوپایلوت در پس‌زمینه

هنگام استفاده از افزونه GitHub Copilot، ابزار برای تولید پاسخ مناسب بخشی از کانتکست قابل‌دسترسی را بررسی می‌کند. این کانتکست ممکن است شامل موارد زیر باشد:

• کدهای قبل و بعد از محل فعلی نشانگر
• نام تابع‌ها، متغیرها، کلاس‌ها و فایل‌ها
• کامنت‌ها و توضیحات نوشته‌شده در کد
• زبان برنامه‌نویسی و کتابخانه‌های در حال استفاده
• فایل‌های باز یا بخش‌های مرتبط پروژه، متناسب با قابلیت و محیط
• متن درخواست ثبت‌شده در Copilot Chat

برای مثال، اگر در یک پروژه پایتون تابعی با نام calculate_order_total ایجاد کنید و بالای آن توضیح دهید که قیمت نهایی باید با احتساب مالیات محاسبه شود، Copilot از نام تابع، پارامترها، کامنت و الگوهای موجود در پروژه برای پیشنهاد بدنه تابع استفاده می‌کند.

میزان دسترسی به کانتکست در همه محیط‌ها و قابلیت‌ها یکسان نیست. همچنین تنظیمات سازمانی، سیاست‌های حریم خصوصی و قابلیت Content Exclusion می‌توانند مشخص کنند چه محتوایی در اختیار Copilot قرار بگیرد.

ویژگی‌ها و قابلیت‌های شگفت‌انگیز GitHub Copilot

تکمیل خودکار کد (Auto-completion)

یکی از اصلی‌ترین قابلیت‌های گیت هاب کوپایلوت، ارائه پیشنهادهای درون‌خطی هنگام تایپ کد است. این پیشنهاد ممکن است فقط ادامه یک خط، بدنه کامل یک تابع یا چندین خط مرتبط باشد.

برای نمونه، پس از تعریف نام یک تابع برای مرتب‌سازی محصولات براساس قیمت، Copilot می‌تواند پارامترهای مناسب و منطق مرتب‌سازی را پیشنهاد دهد. هرچه نام‌گذاری‌ها، نوع داده‌ها و ساختار کد واضح‌تر باشند، احتمال دریافت پیشنهاد مفید بیشتر می‌شود.

• تکمیل شرط‌ها و حلقه‌ها
• ساخت تابع‌های تکراری و کدهای Boilerplate
• پیشنهاد عبارت‌های منظم یا Regular Expression
• تکمیل Queryهای پایگاه داده
• ساخت مدل‌ها، کنترلرها و مسیرهای API
• پیشنهاد مستندات و توضیح برای تابع‌ها

پیشنهاد Copilot صرفاً یک پیش‌نویس است. پذیرش آن به معنی صحیح، امن یا بهینه بودن قطعی کد نیست.

تبدیل زبان طبیعی به کد (Natural Language to Code)

قابلیت تبدیل کامنت به کد به برنامه‌نویس اجازه می‌دهد هدف خود را با زبان طبیعی توضیح دهد. Copilot سپس تلاش می‌کند کدی متناسب با آن توضیح تولید کند.

برای مثال، می‌توان در یک فایل پایتون کامنت زیر را نوشت:

# Create a function that receives a list of numbers# and returns only unique even numbers in ascending order

Copilot ممکن است کدی مشابه نمونه زیر پیشنهاد کند:

def unique_even_numbers(numbers):    return sorted(set(number for number in numbers if number % 2 == 0))

کامنت یا پرامپت دقیق باید ورودی، خروجی، محدودیت‌ها و رفتار مورد انتظار را مشخص کند. عبارت مبهمی مانند «این تابع را بهتر کن» معمولاً نتیجه ضعیف‌تری از درخواست مشخصی مانند «پیچیدگی زمانی این تابع را کاهش بده، رفتار فعلی را حفظ کن و برای ورودی خالی تست بنویس» ایجاد می‌کند.

Copilot می‌تواند توضیحات فارسی را نیز در بسیاری از سناریوها درک کند، اما در بعضی زبان‌ها، کتابخانه‌ها و مسائل تخصصی، پرامپت انگلیسی ممکن است خروجی دقیق‌تری تولید کند.

تولید تست‌های نرم‌افزاری (Unit Testing)

نوشتن تست یکی از مهم‌ترین و در عین حال زمان‌برترین بخش‌های توسعه نرم‌افزار است. Copilot می‌تواند با بررسی تابع، کلاس یا ماژول انتخاب‌شده، نقطه شروعی برای تولید Unit Test فراهم کند.

این ابزار در کارهای زیر مفید است:

• تولید تست برای مسیر عادی اجرای تابع
• پیشنهاد تست برای ورودی‌های خالی یا نامعتبر
• ایجاد داده‌های آزمایشی
• ساخت Mock برای وابستگی‌های خارجی
• نوشتن تست با ابزارهایی مانند pytest، Jest و JUnit
• پیشنهاد Edge Caseهایی که ممکن است نادیده گرفته شده باشند

تست تولیدشده نیز باید بازبینی شود. اگر Copilot رفتار تابع را اشتباه درک کند، ممکن است تستی بنویسد که به جای نیاز واقعی محصول، همان برداشت اشتباه را تأیید کند.

پشتیبانی از زبان‌ها و فریم‌ورک‌های متنوع

GitHub Copilot محدود به یک زبان برنامه‌نویسی نیست. این ابزار می‌تواند برای زبان‌ها و فناوری‌های متعدد پیشنهاد تولید کند، اما کیفیت خروجی در زبان‌ها و اکوسیستم‌هایی که نمونه‌ها و الگوهای بیشتری دارند معمولاً بالاتر است.

برخی زبان‌ها و فناوری‌های رایج قابل استفاده با Copilot عبارت‌اند از:

• Python
• JavaScript و TypeScript
• Java
• C و C++
• C# و .NET
• Go
• Ruby
• PHP
• Rust
• SQL
• HTML و CSS
• Shell Script

Copilot در پروژه‌های React، Next.js، Node.js، Django، FastAPI، Flask، Spring، Laravel و بسیاری از فریم‌ورک‌های شناخته‌شده نیز قابل استفاده است. با این حال، در کتابخانه‌های جدید، داخلی یا کم‌کاربرد احتمال پیشنهاد APIهای منسوخ یا حتی ناموجود بیشتر خواهد بود.

مزایا و محدودیت‌های استفاده از کوپایلوت

چرا باید از کوپایلوت استفاده کنیم؟

مهم‌ترین مزیت کدنویسی با هوش مصنوعی کاهش زمان انجام کارهای تکراری است. برنامه‌نویس به جای نوشتن چندباره ساختارهای استاندارد می‌تواند پیشنهاد اولیه را دریافت کند و زمان بیشتری برای طراحی، تحلیل و حل مسئله اختصاص دهد.

• افزایش بهره‌وری: تابع‌ها، تست‌ها و ساختارهای تکراری سریع‌تر ساخته می‌شوند.
• کاهش جابه‌جایی بین ابزارها: بسیاری از پرسش‌ها در همان IDE و از طریق Copilot Chat بررسی می‌شوند.
• کاهش جست‌وجوهای پراکنده: برای مسائل متداول نیاز کمتری به جست‌وجوی مداوم در مستندات یا Stack Overflow وجود دارد.
• کمک به یادگیری: برنامه‌نویس می‌تواند نمونه سینتکس یک زبان یا کتابخانه جدید را مشاهده و تحلیل کند.
• توضیح کدهای پیچیده: Copilot Chat می‌تواند هدف و روند اجرای بخشی از کد را به زبان ساده توضیح دهد.
• کمک به بازنویسی: امکان پیشنهاد برای ساده‌سازی، خواناتر کردن یا تقسیم یک تابع بزرگ وجود دارد.
• تولید مستندات: توضیح تابع‌ها، پارامترها و نمونه استفاده سریع‌تر آماده می‌شود.

مزیت واقعی زمانی ایجاد می‌شود که برنامه‌نویس خروجی را بفهمد و ارزیابی کند. پذیرش سریع تمام پیشنهادها ممکن است فقط سرعت تولید کد نامطمئن را افزایش دهد.

چالش‌ها و نکاتی که باید مراقب آن‌ها باشید

Copilot مانند هر مدل مولد دیگری ممکن است خروجی ظاهراً منطقی اما نادرست تولید کند. این مسئله با عنوان Hallucination شناخته می‌شود و می‌تواند شامل فراخوانی تابع ناموجود، استفاده اشتباه از API یا پیاده‌سازی ناقص منطق برنامه باشد.

• باگ‌های منطقی: کد ممکن است اجرا شود اما نتیجه مورد انتظار کسب‌وکار را تولید نکند.
• آسیب‌پذیری امنیتی: احتمال تولید Query ناامن، مدیریت ضعیف رمز عبور، اعتبارسنجی ناقص ورودی یا استفاده نادرست از رمزنگاری وجود دارد.
• وابستگی بیش از حد: پذیرش کد بدون درک آن می‌تواند یادگیری و مهارت حل مسئله را تضعیف کند.
• APIهای اشتباه یا قدیمی: ابزار ممکن است متد یا گزینه‌ای پیشنهاد دهد که در نسخه فعلی کتابخانه وجود ندارد.
• ابهام حقوقی و مجوزها: در بعضی شرایط ممکن است پیشنهاد به کد عمومی موجود شباهت داشته باشد؛ سیاست‌های سازمان و الزامات مجوز باید بررسی شوند.
• افشای اطلاعات حساس: کلید API، گذرواژه، اطلاعات مشتری و اسرار تجاری نباید بدون توجه به سیاست‌های سازمانی در پرامپت قرار بگیرند.

GitHub برای برخی محصولات و تنظیمات، قابلیت‌هایی مانند تشخیص یا مسدودسازی پیشنهادهای مشابه کد عمومی، مدیریت سیاست‌ها و مستثنا کردن بخشی از محتوا ارائه می‌کند. در دسترس بودن این قابلیت‌ها به پلن، تنظیمات و محیط استفاده بستگی دارد.

برای استفاده ایمن، هر پیشنهاد باید مانند کدی که یک توسعه‌دهنده دیگر نوشته است بررسی شود. اجرای تست، Lint، تحلیل امنیتی، Code Review و کنترل وابستگی‌ها همچنان ضروری است.

نحوه دسترسی، هزینه‌ها و نصب GitHub Copilot

هزینه اشتراک و روش‌های دسترسی رایگان

GitHub برای Copilot پلن‌های فردی و سازمانی مختلفی ارائه می‌کند. نام پلن‌ها، محدودیت درخواست‌ها، مدل‌های قابل استفاده و قیمت‌ها ممکن است در طول زمان یا براساس کشور و شیوه پرداخت تغییر کنند.

• Copilot Free: پلن رایگان با محدودیت ماهانه برای پیشنهادهای کد و درخواست‌های گفت‌وگو.
• Copilot Pro: پلن فردی پولی که قیمت پایه آن معمولاً ۱۰ دلار در ماه یا ۱۰۰ دلار در سال اعلام شده است.
• Copilot Pro Plus: پلن فردی پیشرفته‌تر با دسترسی گسترده‌تر به مدل‌ها و درخواست‌های ویژه؛ قیمت پایه اعلام‌شده آن معمولاً ۳۹ دلار در ماه است.
• Copilot Business: پلن سازمانی با مدیریت متمرکز و سیاست‌های مدیریتی؛ قیمت پایه آن معمولاً ۱۹ دلار به‌ازای هر کاربر در ماه است.
• Copilot Enterprise: پلن سازمانی گسترده‌تر با قابلیت‌های پیشرفته؛ قیمت پایه آن معمولاً ۳۹ دلار به‌ازای هر کاربر در ماه است.

مالیات، نرخ تبدیل ارز، سقف درخواست‌های ویژه و شرایط صورتحساب می‌توانند هزینه نهایی را تغییر دهند. قیمت قطعی باید در صفحه رسمی قیمت‌گذاری GitHub بررسی شود.

GitHub معمولاً دسترسی رایگان یا مزایای ویژه‌ای برای برخی گروه‌ها فراهم می‌کند:

• دانشجویان تأییدشده از طریق GitHub Education
• مدرسان و اعضای واجد شرایط برنامه‌های آموزشی GitHub
• نگه‌دارندگان تأییدشده پروژه‌های متن‌باز محبوب

رایگان بودن برای همه مشارکت‌کنندگان متن‌باز تضمین‌شده نیست. حساب کاربر باید شرایط GitHub را داشته باشد و تأیید شود.

آموزش نصب روی محیط‌های توسعه (IDE)

پیش از نصب، یک حساب GitHub ایجاد کنید و مطمئن شوید پلن Copilot برای حساب شما فعال است. سپس افزونه متناسب با محیط توسعه را نصب کنید.

مراحل نصب GitHub Copilot در VS Code:

• Visual Studio Code را اجرا کنید.
• از نوار کناری وارد بخش Extensions شوید.
• عبارت GitHub Copilot را جست‌وجو کنید.
• افزونه رسمی منتشرشده توسط GitHub را انتخاب و نصب کنید.
• در صورت نیاز، قابلیت گفت‌وگو یا افزونه مرتبط با Copilot Chat را نیز فعال کنید؛ در نسخه‌های جدید ممکن است این امکانات یکپارچه باشند.
• گزینه ورود به GitHub را انتخاب کنید.
• مرورگر را باز کرده و مجوز اتصال VS Code به حساب GitHub را تأیید کنید.
• یک فایل کدنویسی باز کنید و شروع به تایپ یا نوشتن کامنت کنید.
• وضعیت فعال بودن Copilot را از آیکون آن در نوار وضعیت VS Code بررسی کنید.

مراحل نصب در IDEهای JetBrains:

• محیطی مانند IntelliJ IDEA، PyCharm، WebStorm یا PhpStorm را اجرا کنید.
• به بخش Settings یا Preferences بروید.
• از قسمت Plugins، تب Marketplace را باز کنید.
• GitHub Copilot را جست‌وجو و افزونه رسمی را نصب کنید.
• در صورت درخواست، IDE را راه‌اندازی مجدد کنید.
• از طریق گزینه Login to GitHub وارد حساب خود شوید و مجوز دسترسی را تأیید کنید.

Copilot در محیط‌های پشتیبانی‌شده دیگری مانند Visual Studio، Vim یا Neovim و برخی محیط‌های GitHub نیز قابل استفاده است. نحوه نصب و قابلیت‌های دقیق در هر محیط ممکن است متفاوت باشد.

آموزش عملی کار با GitHub Copilot (برای مبتدی‌ها)

نوشتن اولین پرامپت برای تولید کد

در این بخش از آموزش کار با GitHub Copilot، یک تابع محاسبه فاکتوریل در پایتون ایجاد می‌کنیم. ابتدا یک فایل با نام factorial.py بسازید و درخواست خود را به شکل یک کامنت دقیق بنویسید:

# Write a Python function named factorial.# It must accept a non-negative integer.# Return 1 when the input is 0.# Raise ValueError for negative numbers.

پس از رفتن به خط بعد، Copilot ممکن است پیشنهادی مشابه کد زیر نمایش دهد:

def factorial(number):    if number < 0:        raise ValueError("Number must be non-negative")    if number == 0:        return 1    return number * factorial(number - 1)

در مرحله بعد می‌توان از Copilot Chat درخواست کرد برای این تابع تست بنویسد:

Write pytest unit tests for this function.Cover zero, positive numbers and negative input.

برای افزایش کیفیت نتیجه، یک پرامپت مناسب بهتر است این اجزا را داشته باشد:

• هدف: دقیقاً چه چیزی باید ساخته شود.
• زبان و فناوری: مانند Python، TypeScript یا React.
• ورودی و خروجی: نوع داده و ساختار نتیجه.
• محدودیت‌ها: رفتار مورد انتظار در خطاها و حالت‌های خاص.
• استانداردها: کتابخانه، سبک کدنویسی یا نسخه مورد استفاده.
• معیار پذیرش: شرایطی که صحیح بودن خروجی را مشخص می‌کنند.

برای مثال، درخواست «یک API بساز» بسیار کلی است. پرامپت «با FastAPI یک مسیر GET برای دریافت محصول براساس شناسه بساز، برای محصول ناموجود خطای ۴۰۴ برگردان و مدل پاسخ را با Pydantic تعریف کن» کانتکست روشن‌تری ارائه می‌دهد.

مدیریت پیشنهادات (تأیید، رد یا مشاهده جایگزین‌ها)

هنگام تایپ در VS Code، پیشنهاد Copilot معمولاً به‌صورت متن کم‌رنگ نمایش داده می‌شود. کاربر می‌تواند آن را بپذیرد، رد کند یا بین پیشنهادهای جایگزین جابه‌جا شود.

• Tab: پذیرش پیشنهاد درون‌خطی
• Esc: رد یا مخفی کردن پیشنهاد فعلی
• Alt + ] در Windows و Linux: مشاهده پیشنهاد بعدی
• Alt + [ در Windows و Linux: بازگشت به پیشنهاد قبلی
• Option + ] یا Option + [ در macOS: جابه‌جایی میان پیشنهادها
• Ctrl + Enter در برخی نسخه‌ها و تنظیمات VS Code: نمایش چند پیشنهاد یا پنل پیشنهادهای تکمیلی

میان‌برها ممکن است براساس سیستم‌عامل، نسخه افزونه، Keymap و تنظیمات شخصی متفاوت باشند. فهرست دقیق آن‌ها از بخش Keyboard Shortcuts محیط توسعه و با جست‌وجوی عبارت GitHub Copilot قابل مشاهده است.

برای استفاده مؤثرتر از پیشنهادها، این روند توصیه می‌شود:

• ابتدا کد پیشنهادی را کامل بخوانید.
• منطق آن را با نیاز واقعی برنامه مقایسه کنید.
• وابستگی‌ها، نام توابع و APIهای استفاده‌شده را بررسی کنید.
• برای حالت عادی، ورودی نامعتبر و Edge Caseها تست بنویسید.
• ابزارهای Lint، Type Checker و اسکن امنیتی را اجرا کنید.
• کدهای حساس را تحت Code Review انسانی قرار دهید.

جمع‌بندی نهایی

گیت هاب کوپایلوت یک دستیار هوش مصنوعی برنامه نویسی است که می‌تواند تکمیل کد، تبدیل زبان طبیعی به کد، تولید تست، توضیح منطق برنامه و بازنویسی بخش‌هایی از پروژه را سریع‌تر کند. ادغام مستقیم آن با محیط‌های توسعه باعث می‌شود برنامه‌نویس بدون خروج مداوم از IDE به پیشنهادها و پاسخ‌های مرتبط دسترسی داشته باشد.

ارزش Copilot در حذف برنامه‌نویس نیست، بلکه در کاهش کارهای تکراری و کمک به تمرکز بیشتر بر معماری، منطق محصول و حل مسئله قرار دارد. این ابزار مسئولیت صحت، امنیت، کارایی و مجوز کد را بر عهده نمی‌گیرد. بهترین نتیجه زمانی به دست می‌آید که دانش فنی برنامه‌نویس، پرامپت دقیق، تست خودکار و بازبینی انسانی در کنار یکدیگر قرار گیرند.

سوالات متداول (FAQ)

آیا GitHub Copilot کدهای من را می‌دزدد؟

Copilot برای تولید پیشنهاد به کانتکست مشخصی از کد و درخواست کاربر نیاز دارد، اما نحوه جمع‌آوری، نگهداری و استفاده از داده‌ها به پلن، تنظیمات و سیاست‌های جاری GitHub بستگی دارد. برای پروژه‌های محرمانه باید شرایط حریم خصوصی، تنظیمات داده، Content Exclusion و سیاست امنیتی سازمان بررسی شود. اطلاعات حساس مانند رمز عبور، کلید خصوصی و توکن دسترسی نباید در پرامپت قرار بگیرند.

آیا GitHub Copilot از زبان فارسی پشتیبانی می‌کند؟

Copilot می‌تواند بسیاری از دستورها و توضیحات فارسی را درک کند و براساس آن‌ها کد تولید کند. با این حال، در مسائل تخصصی یا هنگام کار با فناوری‌های خاص، استفاده از واژگان فنی دقیق یا نوشتن پرامپت انگلیسی ممکن است کیفیت خروجی را بهبود دهد.

آیا GitHub Copilot بدون اینترنت کار می‌کند؟

خیر. قابلیت‌های اصلی Copilot برای ارسال کانتکست، پردازش درخواست و دریافت پیشنهاد به ارتباط اینترنتی و احراز هویت حساب GitHub نیاز دارند. ویرایشگر و کدهای محلی بدون اینترنت قابل استفاده‌اند، اما تولید پیشنهاد جدید Copilot معمولاً متوقف می‌شود.

آیا GitHub Copilot برای برنامه‌نویسان مبتدی مناسب است؟

بله، به شرط آنکه خروجی ابزار جایگزین یادگیری اصول برنامه‌نویسی نشود. افراد مبتدی باید کد پیشنهادی را خط‌به‌خط بررسی کنند، درباره بخش‌های نامفهوم توضیح بخواهند و صحت آن را با تست و مستندات رسمی بسنجند.

آیا کد تولیدشده توسط Copilot همیشه صحیح و امن است؟

خیر. خروجی ممکن است دارای خطای منطقی، آسیب‌پذیری امنیتی، API نامعتبر یا وابستگی منسوخ باشد. بازبینی انسانی، اجرای تست، تحلیل امنیتی و کنترل مجوزها بخش جدایی‌ناپذیر استفاده حرفه‌ای از GitHub Copilot هستند.