智能 GitHub Copilot 副驾驶® 的自定义模型现已在智能 Copilot 副驾驶® 企业版中推出有限公开测试版。这一新功能允许您微调智能 Copilot 副驾驶®，使其可以更好地理解和适应您企业特有的编码实践，从而提高在项目中代码建议的相关性和准确性。
自定义模型是一种大语言模型 (LLM)，借助您企业的代码库进行微调。通过对您企业专有库、专业语言和内部编码模式进行模型训练，智能 Copilot 副驾驶® 可根据您企业的需求提供更贴近上下文的代码建议。
在测试期间，您可以使用 GitHub 代码库创建自定义模型。您还可以选择启用从企业开发者的智能 Copilot 副驾驶® 提示和响应中收集代码片段和遥测数据，从而对模型进一步微调。此过程将智能 Copilot 副驾驶® 的建议与您的编码实践紧密结合，使其更具相关性和准确性。因此，您的开发团队将会在代码审查、调试和手动代码调整上节省时间，提高团队工作效率，最终还可确保代码质量更为一致。
更重要的是，您的数据完全归您所有。这些数据绝不会用于训练其他客户的模型，而且我们还可确保您的自定义模型始终保持隐私性、可控且安全。
自定义模型可使智能 Copilot 副驾驶® 的建议更符合您的特定需求，从而提高企业开发者对智能 Copilot 副驾驶® 建议的接受度。您可以考虑在以下场景中使用自定义模型：
增强库和 API 的使用： 当您的企业严重依赖公共数据集中未被明确标记的自定义库或 API 时，可考虑使用自定义模型，以帮助企业开发者更容易遵循内部标准。
改进对专业语言的支持： 如果您的企业正在使用非常用或专有编程语言时，自定义模型可使智能 Copilot 副驾驶® 更加高效。通过微调，智能 Copilot 副驾驶® 可以更好地理解这些语言，从而减少阻力并提高生产力。
适应不断变化的代码库：随着代码库的变化，您可以完全控制何时以及如何重新训练自定义模型。通过定期重新训练，您可以确保智能 Copilot 副驾驶® 时刻保持与最新编码模式一致，从而持续提供相关且准确的建议。
1. 请联系您对应的微软客户经理申请加入测试队列
2. 准备您的版本库：选择最能反映贵企业编码标准的版本库。包括那些有专有库、专业语言或关键内部框架的库，以获得最大的微调效果。如果企业有多个 GitHub 组织，请注意，在测试阶段只能使用一个组织及其资源库进行训练。
3. 启用遥测收集：为进一步定制模型，请考虑启用代码片段和与企业开发者提示和智能 Copilot 副驾驶® 建议相关的遥测收集功能。这些数据将被安全地收集并用于进一步微调，以提高智能 Copilot 副驾驶® 输出结果的准确性和相关性。您的数据将仅用于增强您的自定义模型，不会与他人共享。
4. 训练和应用：设置完成后，您的自定义模型将使用选定的资源库进行训练。一旦准备就绪，企业开发者的IDE将自动使用自定义模型，为所有内联代码补全提供建议。
5. 监控与质量评估：定期对自定义模型进行重新训练，使其确保与新代码保持一致。
有关自定义模型的更多信息，请参阅文档
任何问题或建议，欢迎加入社区讨论
