router = APIRouter(prefix="/users", tags=["users"])

为啥这么写？因为Copilot会读取你当前打开的多个标签页，尤其是相邻的代码。上面这个例子，我明确了函数签名、返回类型、docstring，Copilot就知道了：要用SQLAlchemy查询、要处理404异常、要返回UserResponse格式。这时候你按下回车，Copilot生成的代码准确率能到80%以上。

另一个坑是大函数拆分。 Copilot对短函数（10-20行）的理解能力远强于长函数。我做过测试：一个50行的函数，Copilot补全准确率只有40%；拆成3个15行的函数，准确率提升到85%。

坏的写法：一个大函数

def process_order(order_id: int):
# 验证订单、计算价格、更新库存、发送邮件
pass

好的写法：拆分成小函数

def validate_order(order_id: int) -> Order:
"""验证订单是否存在且状态正确"""
pass

def calculate_total(order: Order, coupon_code: Optional[str] = None) -> Decimal:
"""计算订单总价，可选使用优惠券"""
pass

def update_inventory(order: Order) -> bool:
"""更新商品库存，返回是否成功"""
pass

def send_confirmation_email(order: Order, user_email: str) -> None:
"""发送订单确认邮件"""
pass

def process_order(order_id: int):

一开始我觉得拆成这么多函数有点反人类，找起来都费劲。但后来发现，每个函数的职责单一，Copilot能准确理解上下文。而且测试也方便，每个函数单独写单元测试，真的好用。

*核心：展示拆分后Copilot补全效果对比截图，左边大函数补全差，右边小函数补全准*

提示词工程：和Copilot对话的艺术

Copilot的提示词和ChatGPT不一样。ChatGPT是对话式的，Copilot是代码上下文式的。我总结了三招：

法则1：注释要具体
不要写“# 处理数据”，要写“# 对用户列表按注册时间排序，只保留最近30天注册的用户，输出格式为[{id, name, register_date}]”

ng>法则2：用代码示例引导
如果你想让Copilot生成特定风格的代码，先写一个例子：

示例：获取热门文章

def get_hot_articles(limit: int = 10) -> List[Article]:
return session.query(Article)\
.filter(Article.status == 'published')\
.order_by(Article.views.desc())\
.limit(limit)\
.all()

现在让Copilot生成获取最新评论的函数

我试过，这种方法能让Copilot生成的代码风格和你的代码保持一致，准确率从60%提升到90%。

法则3：利用多文件上下文
Copilot会读取你当前打开的文件。如果你打开了一个配置文件和工具函数文件，它生成代码时会自动引用这些文件中的函数和变量。

高级技巧：让Copilot成为你的代码评审员

这个技巧我用了半年才发现：Copilot不仅能写代码，还能帮你找bug。一开始我搞错了，以为它只能写代码。

当你写完一段代码后，在下面写注释“# 检查这段代码是否有bug”或“# 有没有潜在的性能问题”，Copilot会生成一段分析代码。虽然不完美，但能发现一些明显的错误。

原始代码

def batch_process(items: List[Item]):
results = []
for item in items:
# 这里逻辑复杂，容易出错
result = process_item(item)
results.append(result)
return results

检查：这段代码在items为空时会不会报错？

建议：如果items很大，考虑用异步处理

Copilot会给出类似的分析和建议，虽然不如人工评审全面，但至少能帮你扫掉60%的低级错误。

对了，还有个技巧：用Copilot生成单元测试。写测试是最烦人的工作，但Copilot特别擅长这个。你只需要写测试函数名和docstring：