Lab 107: Como o GitHub Copilot Funciona: Contexto, Modelos, Agentes e Fluxo de Dados¶
Desenho gratuito primeiro
Conclua o exercício com Copilot Free ou com a simulação incluída. Recursos pagos são opcionais e marcados claramente.
Impacto em AI Credits
Baixo no exercício guiado; médio/alto em execuções agênticas ou repetidas. Prefira seleção automática de modelo, planeje antes de agir, mantenha o contexto focado e evite sessões paralelas desnecessárias.
O que Você Aprenderá¶
- Descrever o ciclo de uma solicitação ao Copilot
- Separar seleção de contexto de seleção de modelo
- Distinguir completions, chat e agentes
- Explicar limites de dados, retenção e AI Credits conceitualmente
Alinhamento GH-300¶
GH-300 foundation · Data and architecture. Este mapeamento segue o recorte curricular GH-300 de 07/08/2026. O escopo oficial pode manter termos antigos como “Copilot Edits”; este lab ensina a experiência atual e sinaliza a diferença.
Mapa Conceitual¶
flowchart LR
U[User intent] --> C[Selected context]
C --> P[Policies and controls]
P --> M[Model routing]
M --> R[Response or agent plan]
R --> T[Optional tools]
T --> V[Human verification]
R --> V
Exercício Prático¶
Etapa 1: Rastreie uma solicitação¶
Siga sinais do editor, referências explícitas, instruções, políticas, roteamento de modelo, geração e verificação humana.
Etapa 2: Compare experiências¶
Completions predizem código no fluxo de edição; chat responde conversas; agentes planejam e usam ferramentas em várias etapas.
Etapa 3: Mapeie dados e cobrança¶
Documente quem controla o repositório, qual contexto sai do cliente, retenção e exclusão aplicáveis e quais interações consomem AI Credits.
Kit de apoio¶
O build do site gera downloads estáveis em PDF e ZIP. O ZIP contém o guia do lab e todos os arquivos de apoio declarados para este lab.