GitHub Copilot том эргэлт хийлээ: Локал Ollama моделууд ба чат хооронд контекст хадгалах "Memory" горимыг танилцуулав
Хөгжүүлэгчдийн өдөр тутмын ажлын салшгүй хэсэг болсон GitHub Copilot томоохон шинэчлэлтээ зарлаж, зөвхөн нэг үүлэн үйлчилгээ үзүүлэгчээс хамааралтай байдаг загвараас татгалзах алхмыг хийлээ. Шинэ хувилбараар JetBrains IDE-ийн хэрэглэгчид өөрсдийн локал машиндаа ажиллаж буй Ollama моделуудыг Copilot-той шууд холбон ашиглах (BYOK - Bring Your Own Key / Model) боломжтой болсон ба сесс хооронд төслийн онцлог, кодын стандартыг хадгалж үлддэг Copilot Memory системийг албан ёсоор нэмлээ.
Энэхүү шинэчлэл нь AI код туслах хэрэгслүүд зөвхөн бэлэн үүлэн API-аар хязгаарлагдахгүй, хөгжүүлэгчийн хувийн тохиргоо болон локал дэд бүтэц рүү гүн шилжиж буйг харуулж байна.
1. Локал Ollama моделуудыг холбох нь (BYOK)
Өнөөг хүртэл GitHub Copilot-ийг ашиглахын тулд OpenAI, Anthropic эсвэл Google-ийн серверүүд рүү дата илгээх шаардлага гардаг байсан тул нууцлал өндөртэй корпорацийн төслүүд болон интернетгүй орчинд ажилладаг инженерүүдийн хувьд томоохон саад болдог байв.
Шинэ интеграцаар хөгжүүлэгчид өөрсдийн компьютер дээрээ ажиллаж буй Ollama серверийг шууд Copilot-ийн model provider болгон тохируулах боломжтой боллоо:
- Дата гадагшаа алдагдахгүй: Бүх өгөгдөл, prompt болон кодын контекст зөвхөн таны локал машин эсвэл дотоод сүлжээн дэх Ollama дэд бүтцэд боловсруулагдана.
- Моделийн сонголт: Llama, Qwen, DeepSeek, Mistral зэрэг нээлттэй эхийн ямар ч код бичих чиглэлийн моделийг татан авч, JetBrains UI дээрээс шууд сонгон ажиллуулах боломжтой.
- Хэрэглээний зардал хэмнэх: Үүлэн API-ийн дуудлагын токен зардал гарахгүйгээр өөрийн GPU/NPU чадлаа ашиглана.
# Локал Ollama ашиглах үндсэн тохиргооны жишээ
export COPILOT_PROVIDER_BASE_URL="http://localhost:11434/v1"
export COPILOT_PROVIDER_TYPE="openai"
2. "Copilot Memory": Чат бүрт кодын бүтцээ дахин тайлбарлах шаардлагагүй
Одоогийн AI чатботуудын хамгийн том сул талуудын нэг нь шинэ сесс эхлүүлэх бүрт төслийн архитектур, хэрэглэж буй framework-ийн хувилбар, эсвэл багийн кодын дүрэм, конвенцийг дахин дахин зааж өгөх шаардлагатай болдог явдал байв.
Copilot Memory энэ асуудлыг шийдвэрлэх зорилготой юм:
- Persistent Context: Хөгжүүлэгчийн өгсөн заавар, төслийн архитектурын сонголт, кодын санал шүүмжлэлийг чат хооронд автоматаар санан үлдэнэ.
- Preference Learning: Таны код бичих загвар (жишээ нь: функциональ хандлага, тодорхой linting дүрэм, naming conventions)-ийг аажмаар суралцаж, ирээдүйн чат болон agent үйлдлүүддээ автоматаар тусгана.
- Удирдах боломж: Хөгжүүлэгч өөрийн Copilot тохиргооны самбараас Memory горимыг хүссэн үедээ унтраах эсвэл хадгалагдсан санамжуудыг шалгаж, цэвэрлэх боломжтой.
Энэ нь хөгжүүлэгчийг AI агенттай харилцах бүртээ эхнээс нь "context priming" хийх цагийг нь эрс хэмнэж өгч байна.
3. Enterprise MCP ба Аюулгүй байдлын төвлөрсөн удирдлага
Хөгжүүлэгчид олон янзын MCP (Model Context Protocol) серверүүд болон plugin-уудыг IDE дээрээ холбон ажиллах нь түгээмэл болсонтой холбогдуулан GitHub энэхүү шинэчлэлтээр байгууллагын админуудад зориулсан хяналтын системийг (Enterprise Managed Settings) давхар нэвтрүүлсэн байна:
- MCP Server Whitelisting: Ажилтнууд ямар MCP сервер рүү хандаж болох (
allowedMcpServers), ямрыг хориглохыг төвлөрсөн бодлогоор зохицуулна. - Permission Bypass хяналт: AI агент терминалын комманд эсвэл файлын өөрчлөлтийг зөвшөөрөлгүй шууд хийх эрсдэлийг хязгаарлах тохиргоог админ алсаас удирдана.
- OpenTelemetry интеграц: Copilot-ийн гүйцэтгэл, latency, загварын дуудлагуудыг байгууллагын дотоод хяналтын систем (observability stack) рүүгээ OpenTelemetry форматаар цуглуулах боломж нээгдлээ.
Хөгжүүлэгчдэд юу өөрчлөгдөх вэ?
Энэхүү шинэчлэл нь зөвхөн жижиг feature нэмэгдэл бус, харин хөгжүүлэгчдийн AI ашиглах хэв маягийг бүхэлд нь өөрчлөх суурь юм.
- IDE нь агентуудын төв болж байна: Өмнө нь зөвхөн "код гүйцээгч" байсан Copilot нь одоо локал болон үүлэн загваруудыг сольж сэлгэх, төслийн өнгөрсөн түүхийг санах, гадаад хэрэгслүүдтэй MCP-ээр харилцах бүрэн удирдлагын цэг болж хувирлаа.
- Гибрид AI хөгжүүлэлт: Өдөр тутмын хөнгөн refactoring эсвэл нууцлалтай файлуудаа локал Ollama-аар ажиллуулж, архитектурын хүнд шийдлүүд дээрээ Claude 3.5 Sonnet эсвэл Kimi K3 зэрэг илүү хүчирхэг үүлэн моделууд руу шилжин ажиллах уян хатан байдал бүрдэж байна.
Та IntelliJ IDEA, PyCharm, WebStorm зэрэг JetBrains IDE-ийнхээ Copilot plugin-ийг v1.15 хувилбар луу шинэчилснээр эдгээр боломжуудыг шууд туршиж үзэх боломжтой.
Эх сурвалж: GitHub Changelog, DevOps.com
Сэтгэгдэл
Ачаалж байна...