主要观点：GitHub Copilot 已从基本的自动补全引擎发展为能理解和处理大规模代码库的智能 AI 助手，能跨项目多文件进行推理，文章深入探讨其内部处理多文件上下文的技术。
关键信息：

• 现代软件项目多文件分布，Copilot 需模拟人类开发者在多文件间构建上下文的行为。
• Copilot 内部架构包含开发者 IDE、Copilot 插件、上下文检索器、提示汇编器和 LLM 后端等组件。
• 从多个源代码（如当前编辑文件、其他打开文件等）获取上下文信息并通过检索策略动态构建提示上下文。
• 提示构造要在语言模型的令牌窗口限制内做到有意义且有边界，根据任务类型使用不同模板。
• 具备实时适应性，能对开发者动作实时重新计算上下文，包括编辑器信号监测、动态上下文重新评估和优先级队列刷新等。
  重要细节：
• 早期语言模型助手上下文窗口有限，Copilot 需解决动态选择和组合多文件信息的挑战。
• 各组件在处理多文件上下文过程中的具体作用，如 IDE 捕获文件等信息，插件负责通信等。
• 上下文检索的多种来源及全生命周期过程，如通过向量嵌入确定语义相似文件等。
• 提示构造时对不同部分的处理方式，如插入代码前缀、添加文件片段等及令牌预算的管理。
• 实时适应性的各个方面，如编辑器信号监测的多种信号及对其的处理，动态上下文重新评估的关键步骤和原理，优先级队列刷新的机制及作用等。