Utilisation responsable de GitHub Spark

À propos de GitHub Spark

Spark est une plateforme alimentée par Copilot permettant de créer et de partager des applications (« sparks ») qui peuvent être adaptées aux besoins individuels et accessibles de manière fluide sur les appareils de bureau et mobiles - sans obliger les utilisateurs à écrire ou à déployer du code.

Spark offre un environnement de développement centré sur le langage naturel pour la création d'applications et un environnement runtime entièrement managé qui s'adapte aux besoins de vos sparks. Spark élimine le besoin de gérer manuellement l'infrastructure ou d'assembler plusieurs outils, vous permettant de vous concentrer sur la création.

Traitement de l’entrée

Les requêtes d’entrée dans Spark sont prétraitées par Copilot, enrichies d'informations contextuelles provenant de vos saisies actuelles dans Spark et envoyées à un agent alimenté par un modèle linguistique volumineux au sein de votre environnement de développement. Le contexte inclus comporte des informations issues de votre spark, notamment le code de votre application actuelle, les prompts précédents fournis dans l'interface Spark, ainsi que tous les journaux d'erreurs de l'environnement de développement de votre spark.

Le système est uniquement conçu pour générer du code à partir des prompts soumis. Il n'est pas capable d'interactions conversationnelles. L’anglais est la langue préférée pour les invites envoyées.

Analyse du modèle de langage

Le prompt est ensuite transmis à un modèle de langage de grande taille, qui est un réseau neuronal entraîné sur un vaste corpus de données textuelles. Le modèle de langage analyse le prompt d'entrée afin d'aider l'agent à raisonner sur la tâche et à utiliser les outils nécessaires.

Exécution de l'agent

L'agent qui s'exécute dans votre environnement de développement accepte votre prompt ainsi que le contexte supplémentaire transmis, et décide comment mettre à jour votre spark pour satisfaire votre demande. L'agent est capable d'utiliser votre environnement de développement en écrivant du code, en exécutant des commandes et en lisant les sorties d'exécution. Toutes les actions effectuées par l'agent visent à garantir un code fonctionnel et exact pour exécuter votre prompt. La seule sortie de l'agent est le code de votre application.

Frameworks Spark

L'agent Spark est entraîné à utiliser des frameworks et SDK fournis par Spark qui garantissent un design moderne et des déploiements sécurisés, intégrés de manière fluide au composant runtime de Spark. Le framework de design est conçu pour être flexible et modulaire, ce qui vous permet de modifier facilement le thème pour correspondre à l'apparence que vous souhaitez. L'intégration runtime de Spark, accessible via le SDK, applique les bonnes pratiques des déploiements web afin de garantir des déploiements sécurisés et évolutifs.

Ajout de capacités d'inférence à votre spark

Le SDK de Spark s'intègre nativement avec GitHub Models, vous permettant d'incorporer l'inférence de modèles à votre spark. Si Spark détermine que votre application nécessite des capacités d'inférence, il les ajoutera en utilisant le SDK Spark.

Spark vous donne les outils pour créer, modifier et tester les prompts qui seront utilisés avec ces capacités d'inférence. Spark n'effectue aucun test des prompts que vous créez dans votre application. Vous devez donc vous assurer que les capacités incluses fonctionnent comme prévu. Pour plus d'informations sur l'utilisation responsable dans GitHub Models, veuillez consulter la section Utilisation responsable des modèles GitHub.

Traitement des données

Spark collecte des données pour faire fonctionner le service - cela inclut les prompts, les suggestions et les extraits de code nécessaires pour assurer la continuité entre les sessions. Spark collecte également des informations d'utilisation supplémentaires, notamment les modèles d'utilisation, le feedback soumis et la télémétrie des performances.

Cas pratiques d'utilisation de Spark

Création et déploiement d'applications web full stack

Vous pouvez utiliser Spark pour créer des applications web full stack à l'aide du langage naturel. L'environnement runtime intégré de Spark vous permet de déployer ces applications sur l'internet public. Vous pouvez définir des autorisations pour ces applications déployées en fonction de la visibilité du compte GitHub, en les rendant visibles au grand public, à certains membres de GitHub, aux membres de votre équipe ou organisation, ou à vous uniquement. Les sparks peuvent être tout type d'application - allant de trackers de score de jeux de société à des produits logiciels en tant que service complets - toutefois, tout ce que vous déployez reste soumis aux Conditions de GitHub relatives au contenu généré par les utilisateurs.

Prototypage d'idées

Spark aide les développeurs, designers, responsables produit ou autres créateurs à prototyper rapidement des idées sans avoir besoin de créer des applications à partir de zéro ou de construire des maquettes complexes. Ces prototypes peuvent être déployés pour faciliter le partage, ou rester non publiés afin de permettre aux créateurs de voir instantanément leur vision.

Améliorer les performances de Spark

Spark peut créer une grande variété d'applications et itérer dessus au fil du temps pour accroître la complexité à mesure que de nouvelles exigences apparaissent. Pour améliorer les performances et traiter certaines limites de Spark, vous pouvez adopter diverses bonnes pratiques. Pour plus d'informations sur les limites de Spark, veuillez consulter la section Limites de Spark.

Gardez vos prompts spécifiques et pertinents

Spark est conçu pour créer et faire évoluer votre spark. Plus vous êtes précis sur les comportements et interactions attendus, meilleurs seront les résultats de Spark. L'intégration d'un contexte pertinent, comme des scénarios spécifiques, des maquettes ou des spécifications, aidera Spark à comprendre votre intention et améliorera la sortie que vous recevrez.

Spark intègre également le contexte des prompts précédents à chaque révision suivante qu'il génère. L'envoi de prompts hors sujet peut nuire aux performances des révisions suivantes. Essayez donc de garder vos prompts aussi pertinents que possible par rapport à l'application que vous créez.

Utilisez correctement les modifications ciblées

Les modifications ciblées dans Spark vous permettent de spécifier des éléments au sein de votre application, afin d'affiner le style, le contenu ou le comportement d'éléments individuels de votre application. Ces modifications ciblées sont un excellent moyen de limiter la surface de modification et d'exprimer clairement votre intention à Spark. L'utilisation de modifications ciblées lorsque c'est possible (plutôt que des prompts globaux) produira des changements plus précis, ainsi que moins d'effets secondaires dans votre application à mesure que Spark génère de nouvelles révisions.

Vérifiez la sortie de Spark

Bien que Spark soit un outil extrêmement puissant, il peut encore commettre des erreurs. Ces erreurs peuvent provenir d'une mauvaise compréhension de vos objectifs ou d'erreurs de syntaxe plus simples au sein de votre spark généré. Vous devez toujours utiliser l'aperçu d'application fourni par Spark pour vérifier que votre spark se comporte comme prévu dans différents scénarios. Si vous êtes à l’aise avec le code, il est également recommandé de s’assurer que le code généré est conforme à vos normes de qualité de code.

Limitations de GitHub Spark

Interprétation de l'intention de l'utilisateur

Spark n'interprète pas toujours correctement votre intention. Vous devez toujours utiliser l'aperçu fourni par Spark pour confirmer le comportement exact de votre spark.

Étendue limitée

Spark s'appuie sur Copilot et a donc été entraîné sur un vaste corpus de code et d'applications pertinentes. Cependant, il peut encore avoir des difficultés avec des applications complexes ou véritablement inédites. Spark fonctionnera mieux dans des scénarios d'application courants/personnels (par exemple, outils de productivité, aides à l'apprentissage, utilitaires de gestion de la vie quotidienne) et lorsque les instructions en langage naturel sont fournies en anglais.

Code public

Spark peut générer du code qui correspond ou est similaire au code disponible publiquement, même si la politique « Bloquer les suggestions correspondant au code public » est activée. Consultez Gérer les stratégies de GitHub Copilot en tant qu’abonné individuel.

Si cela se produit, Copilot ne fournira pas de références de code pointant vers la source d'origine du code. Consultez Recherche de code public correspondant aux suggestions de GitHub Copilot.

Limitations de sécurité

Bien que le runtime de Spark suive les bonnes pratiques de déploiement d'applications, il génère du code de manière probabiliste, ce qui peut potentiellement introduire des vulnérabilités, en particulier si ces vulnérabilités sont courantes dans l'ensemble d'entraînement des applications. Vous devez faire preuve de prudence lorsque vous créez des applications qui gèrent des données personnelles ou sensibles et toujours examiner et tester soigneusement l'application générée.

Considérations relatives à la conformité et aux réglementations

Les utilisateurs doivent évaluer les obligations juridiques et réglementaires spécifiques potentielles lorsqu'ils utilisent des services et solutions d'IA, qui peuvent ne pas être adaptés à tous les secteurs ou scénarios. En outre, les services ou solutions IA ne sont pas conçus pour et peuvent ne pas être utilisés de manière interdite en termes de service applicables et codes de conduite pertinents.

Contenu choquant

Spark intègre des protections contre les contenus nuisibles, haineux ou offensants. Veuillez signaler tout contenu offensant à [email protected]. Veuillez inclure l'URL de votre spark afin que nous puissions identifier le spark.

Vous pouvez signaler un contenu problématique ou illégal via Feedback, ou vous pouvez signaler une spark pour abus ou spam. Veuillez consulter la section Signalement d’abus ou de courrier indésirable et les Politiques de suppression de contenu de GitHub.

En savoir plus

•           [AUTOTITLE](/copilot/tutorials/building-your-first-app-in-minutes-with-github-spark)
  

•           [AUTOTITLE](/copilot/tutorials/building-ai-app-prototypes)
  

•           [AUTOTITLE](/copilot/concepts/copilot-billing/about-billing-for-github-spark)
  

•           [AUTOTITLE](/github-models/responsible-use-of-github-models)
  

•           [AUTOTITLE](/free-pro-team@latest/site-policy/github-terms/github-pre-release-license-terms)