آشنایی با Personal Copilot

Hugging Face با معرفی Personal Copilot امکاناتی را برای ساخت هوش مصنوعی شخصی‌سازی‌شده کدنویسی فراهم آورده است. این ابزار بر پایه مدل‌های زبانی مانند Code Llama و StarCoder ساخته شده و به شما امکان می‌دهد مدل را بر اساس داده‌های اختصاصی خود ‌مناسب شناسایی کنید.

چگونه مدل را شخصی‌سازی کنیم؟

پروسه شخصی‌سازی در سه مرحله اصلی انجام می‌شود:

  • جمع‌آوری مجموعه داده‌های کد (برنامه‌های کد، توابع، اسناد و…)
  • آموزش به‌روزرسانی (Fine‑tuning) یا استفاده از LoRA برای به‌دست آوردن مدل با کمترین مصرف حافظه.
  • تعریف دست‌کم یو‌آی (Inferences) و مستندسازی نیازهای اجرایی در محیط Enterprise.

در طول این فرآیند، ابزار خط‌خطی که در VS Code قابل نصب است، به شما امکان می‌دهد با استفاده از کلیدهای میانبر، پاسخ‌های فوری از مدل شخصی‌سازی‌شده را دریافت کنید.

نحوه استفاده در VS Code و محیط توسعه

برای فعال‌سازی در VS Code:

  1. اکستنشن Hugging Face Chat را نصب کنید.
  2. با اتصال به Inference Endpoint شخصی‌سازی‌شده، کلید API را وارد کنید.
  3. از میانبر Ctrl+Shift+H برای فراخوانی Personal Copilot استفاده کنید.

اگر ترجیح می‌دهید محلی اجرا کنید، می‌توانید مدل را در قدرتمندترین GPU آنزلی یا در رایانه شخصی خود بارگذاری کنید. دستورالعمل شکل‌گیری برای مقیاس‌بندی در کد مستندات فراهم شده است.

پرسش‌های پرتکرار

چه گام‌هایی برای یادگیری استفاده از Personal Copilot وجود دارد؟

برای شروع، ابتدا داکیومنت‌های رسمی Hugging Face را مرور کنید، سپس مدل پایه را انتخاب کنید، از دستورالعمل‌های f‑tuning استفاده کنید، در نهایت در VS Code اکستنشن نصب و کدها را با میانبرها بررسی کنید.

آیا می‌توانم از مدل را در محیط‌های دیگر به جز VS Code استفاده کنم؟

بله، Personal Copilot به‌صورت سرویس در قالب Inference Endpoint عرضه می‌شود؛ می‌توانید از هر زبان برنامه‌نویسی که HTTP client داشته باشد، با آن ارتباط برقرار کنید یا در IDEهای دیگر مثل PyCharm نصب کنید.