通过动手ML和MCP服务器练习学习GitHub Copilot最佳实践的培训库。
重要提示：在培训之前，您必须完成预培训设置。 请参阅预训练-训练.md，并至少提前48小时完成所有步骤。
📚 里面是什么
此存储库包含：
- 训练演习 适用于GitHub Copilot工作流和模型上下文协议（MCP）服务器
- 最小ML管道 基于合成数据的航空公司折扣预测
- 完全自动化设置 支持跨平台（Mac/Linux/Windows）
🎯 学习路径
练习01：设置副驾驶指令
学习配置仓库范围和路径范围的Copilot指令，以生成一致、高质量的代码。
📁 exercises/01-setup/
练习02:GitHub的MCP服务器
通过Copilot探索GitHub的MCP服务器，以进行存储库管理、问题跟踪和代码搜索。
📁 exercises/02-mcp-server-for-github/
练习03：构建自定义MCP服务器
创建自己的MCP服务器，该服务器封装Synth CLI以生成合成数据，然后将其连接到VS Code。
📁 exercises/03-custom-mcp-server/
- 安装指南：安装Synth，生成数据，加载到SQLite中
- 主要练习：构建FastAPI MCP服务器，添加工具，连接到Copilot
- 作业：使用Docker部署，添加安全性，与团队共享
练习04：使用pytest进行单元测试
通过编写全面的单元测试，掌握GitHub Copilot的测试驱动开发。
📁 exercises/04-unit-tests/
🚀 快速开始
对于ML管道
cd airline-discount-ml
./setup.sh # Mac/Linux
# OR
setup.bat # Windows
# Verify setup
make test看 airline-discount-ml/README.md 详细说明。
用于练习
每个练习文件夹包含：
- 详细的分步说明
- 代码示例和模板
- 故障排除指南
- 预期结果
从练习01开始配置您的Copilot环境。
📁 存储库结构
airlst-github-copilot-training/
├── README.md # This file
├── exercises/ # Training exercises
│ ├── 01-setup/ # Copilot instructions setup
│ ├── 02-mcp-server-for-github/ # GitHub MCP server
│ ├── 03-custom-mcp-server/ # Build custom MCP server
│ └── 04-unit-tests/ # pytest unit testing with copilot
└── airline-discount-ml/ # ML project
├── src/ # Source code
├── tests/ # Test suite
├── data/ # SQLite database and schemas
├── notebooks/ # Jupyter notebooks
├── setup.sh / setup.bat # Automated setup
└── README.md # Detailed project docs🎓 这是给谁的？
- 学习GitHub Copilot最佳实践的开发人员
- 采用人工智能辅助开发工作流程的团队
- 任何对构建自定义MCP服务器感兴趣的人
- 数据科学家探索合成数据生成
📝 先决条件
- 带有GitHub Copilot扩展的VS代码
- Python 3.8+
- Git
- （可选）用于自定义MCP部署的Docker
🔗 关键技术
- GitHub Copilot -AI配对编程
- 模型上下文协议（MCP） -使用自定义工具扩展Copilot
- Synth命令行界面 -生成逼真的合成数据
- 快速API -为MCP服务器构建web API
- SQLite -用于培训的轻量级数据库
- pytest -Python测试框架
- scikit学习 -机器学习模型
🤝 贡献
这是一个培训库。请随意分叉并适应您自己的培训需求。
📄 许可证
用于教育目的的培训材料。
______________________________________________________________________
准备好开始了吗？ 前往 exercises/01-setup/ 并按照说明配置您的Copilot环境。