人工智能编码工具可以快速生成代码，但仅靠速度并不能解决最困难的软件工程问题。开发人员仍然需要提供上下文，验证结果，保护可维护性，并对哪些内容负责。为了了解经验丰富的开发人员如何实现这一平衡，我们采访了三位Java倡导者，他们在使用Java方面都有十多年的经验。
他们分享了在生产和开源中使用GitHub Copilot的具体例子，以及他们将人工智能生成的输出转化为可靠软件的实践。以下是他们与我们分享的建议。
认识Java拥护者Vlad Mihalcea，他是Hypersistence的创始人，也是《High-Performance Java Persistence》一书的作者Patrick Baumgartner，他是42名员工的软件工匠，拥有20多年的Java经验Frank Delporte， Azul的高级技术作家和Foojay.io的维护者，拥有15年以上的Java经验Vlad Mihalcea GitHub个人资料： @ vladmihalcea GitHub Copilot最近如何帮助您？
我一直在使用它来分析、设计和实现Hypersistence Utils和Hypersistence Optimizer中的各种功能。例如，我一直希望开发一个提供Optimizer事件历史记录的Web应用程序，以便我们可以看到性能改进工作如何在应用程序性能中实现。在人工智能之前，我一直推迟这项任务，因为它需要花费数周的时间来发展。
但使用Copilot就像有一个新的团队成员，所以我用它来创建一个应用程序，该应用程序将在下一版本的Hypersistence Optimizer中发布。这项任务只花了两天时间就完成了，而不是几周。您的典型用法是什么？您是否将GitHub Copilot用作IDE插件或GitHub Copilot应用程序？我在IntelliJ IDEA中使用GitHub Copilot，因为在查看源代码或调试会话期间运行非常方便。