Observação
O GitHub Spark está em visualização pública e está sujeito a alterações.
Sobre o GitHub Spark
O Spark é uma plataforma baseada no Copilot para criar e compartilhar aplicativos ("sparks") que podem ser adaptados às necessidades individuais e acessados sem cpmplicação em dispositivos móveis e desktop - sem exigir que os usuários escrevam ou implantem código.
O Spark oferece um ambiente de desenvolvimento centrado em linguagem natural para criação de aplicativos e um ambiente de runtime totalmente gerenciado que é dimensionado com as necessidades dos sparks. O Spark elimina a necessidade de gerenciar manualmente a infraestrutura ou unir várias ferramentas, permitindo que você se concentre na criação.
Processamento de entrada
Observação
No momento, o Spark faz uso do Claude Sonnet 4. Esse modelo está sujeito a alterações.
Os prompts de entrada no Spark são pré-processados pelo Copilot, ampliados com informações contextuais de suas entradas atuais do Spark e enviados para um agente alimentado por modelo de linguagem grande no seu ambiente de desenvolvimento. O contexto incluído traz informações do spark, como código do aplicativo atual, prompts anteriores fornecidos na interface do Spark e os logs de erros do ambiente de desenvolvimento do spark.
O sistema foi projetado apenas para gerar código com base nos prompts enviados. Ele não é capaz de interações de conversação. O inglês é o idioma preferencial para prompts enviados.
Análise de modelo de linguagem
O prompt então passa por um modelo de linguagem grande, que é uma rede neural treinada em um grande corpo de dados de texto. O modelo de linguagem analisa o prompt de entrada para ajudar o agente a raciocinar sobre a tarefa e aproveitar as ferramentas necessárias.
Execução do agente
O agente que é executado em seu ambiente de desenvolvimento aceita seu prompt e o contexto adicional passado e decide como atualizar o spark para atender à sua solicitação. O agente pode operar em seu ambiente de desenvolvimento escrevendo código, executando comandos e lendo saídas da execução. Todas as ações executadas pelo agente são para garantir um código funcional e preciso para executar o prompt. A única saída do agente é o código do aplicativo.
Estruturas do Spark
O agente do Spark é treinado para usar estruturas e SDKs fornecidos pelo Spark que garantem um design moderno e implantações seguras totalmente integradas ao componente de runtime do Spark. A estrutura de design foi projetada para ser flexível e modular, permitindo que você modifique facilmente o tema para corresponder ao aspecto e à usabilidade desejada. A integração do runtime do Spark, acessível por meio do SDK, usa as práticas recomendadas para implantações da Web para garantir implantações seguras e escalonáveis.
Adicionar recursos de inferência ao spark
O SDK do Spark integra-se nativamente com os GitHub Models, permitindo que você incorpore a inferência de modelo ao spark. Se o Spark determinar que seu aplicativo requer recursos de inferência, ele os adicionará usando o SDK do Spark.
O Spark fornece as ferramentas para criar, modificar e testar os prompts que serão usados com esses recursos de inferência. O Spark não faz nenhum teste dos prompts que você cria em seu aplicativo, portanto, você deve garantir que os recursos incluídos atuem conforme o esperado. Para obter mais informações sobre o uso responsável nos GitHub Models, consulte o Uso responsável do GitHub Models.
Processamento de dados
O Spark coleta dados para operar o serviço – isso inclui prompts, sugestões e snippets de código necessários para garantir a continuidade entre as sessões. O Spark também coleta informações de uso adicionais, incluindo padrões de uso, comentários enviados e telemetria de desempenho.
Casos de uso do Spark
Compilar e implantar aplicativos Web de pilha completa
Você pode usar o Spark para criar aplicativos Web de pilha completa usando linguagem natural. O ambiente de runtime integrado do Spark permite implantar esses aplicativos na Internet pública. Você pode definir permissões para esses aplicativos implantados com base na visibilidade da conta do GitHub, permitindo que elas fiquem visíveis para o público em geral, membros específicos do GitHub, membros da sua equipe ou organização ou apenas você. O sparks pode ser qualquer coisa -, desde registradores de pontuação de jogo de tabuleiro até produtos completos de software como serviço-, no entanto, tudo o que você implantar permanece sujeito aos Termos do GitHubpara conteúdo gerado pelo usuário.
Criação de protótipos de ideias
O Spark ajuda desenvolvedores, designers de produto, gerentes de produto ou outros criadores a elaborar protótipos de ideias rapidamente sem a necessidade de criar aplicativos do zero ou construir simulações complexas. Esses protótipos podem ser implantados para facilitar o compartilhamento ou podem permanecer não publicados como uma forma de os criadores verem instantaneamente o que imaginaram.
Aprimoramento do desempenho do Spark
O Spark pode criar uma ampla variedade de aplicativos e iterá-los ao longo do tempo para aumentar a complexidade à medida que surgem novos requisitos. Para aprimorar o desempenho e resolver algumas limitações do Spark, há várias práticas recomendadas que você pode adotar. Para obter mais informações sobre as limitações do Spark, consulte Limitações do Spark.
Mantenha seus prompts específicos e pertinentes
O Spark destina-se a criar e iterar no spark. Quanto mais específico você puder ser sobre os comportamentos e interações pretendidos, melhor será o resultado do Spark. Incorporar contexto relevante, como cenários específicos, simulações ou especificações, ajudará o Spark a entender sua intenção, o que melhorará o resultado obtido.
O Spark também incorpora o contexto de prompts anteriores em cada revisão subsequente gerada. Enviar prompts fora do tópico pode prejudicar o desempenho nas revisões subsequentes. Portanto, tente manter seus prompts o mais relevante possível para o aplicativo que você está criando.
Usar edições direcionadas adequadamente
As edições direcionadas no Spark permitem especificar elementos em seu aplicativo, possibilitando que você refine o estilo, a essência ou o comportamento de cada elemento do aplicativo. Essas edições direcionadas são uma excelente maneira de restringir a área de edição disponível e expressar a intenção ao Spark. O uso de edições direcionadas quando possível (em vez de prompts globais) resultará em alterações mais precisas, bem como menos efeitos colaterais em seu aplicativo, já que o Spark gera novas revisões.
Conferir o que o Spark produz
Embora o Spark seja uma ferramenta extremamente poderosa, ele pode cometer erros. Esses erros podem ser mal-entendidos de seus objetivos ou erros de sintaxe mais simples no spark gerado. Você sempre deve usar a visualização de aplicativo fornecida pelo Spark para verificar se o spark se comporta conforme o esperado em diferentes cenários. Se você estiver familiarizado com o código, também é uma prática recomendada garantir que o código gerado esteja de acordo com seus padrões de qualidade de código.
Limitações do GitHub Spark
Interpretação da intenção do usuário
O Spark nem sempre está correto na interpretação de sua intenção. Você sempre deve usar a visualização fornecida pelo Spark para confirmar o comportamento preciso no spark.
Escopo limitado
O Spark é apoiado pelo Copilot e, portanto, foi treinado em um grande corpo de código e aplicativos pertinentes. No entanto, ele ainda pode ter dificuldades com aplicativos complexos ou realmente inovadores. O Spark terá o melhor desempenho em cenários comuns/de aplicativos pessoais (por exemplo, ferramentas de produtividade, auxílios de aprendizagem, utilitários de planejamento de vida) e quando a instrução em linguagem natural for fornecida em inglês.
Limitações de segurança
Embora o runtime do Spark siga as práticas recomendadas para implantação de aplicativos, ele gera código de maneira probabilística, o que tem potencial de introduzir vulnerabilidades, especialmente se essas vulnerabilidades forem comuns no conjunto de treinamento de aplicativos. Você deve ter cuidado ao criar aplicativos que gerenciem dados pessoais ou confidenciais e sempre examinar e testar o aplicativo gerado minuciosamente.
Considerações legais e regulatórias
Os usuários precisam avaliar possíveis obrigações legais e regulatórias específicas ao usar serviços e soluções de IA, o que pode não ser apropriado para uso em todos os setores ou cenários. Além disso, os serviços ou as soluções de IA não são projetados e podem não ser usados de maneiras proibidas em termos de serviço aplicáveis e códigos de conduta relevantes.
Conteúdo ofensivo
O Spark tem proteções internas contra conteúdo nocivo, de ódio ou ofensivo. Informe exemplos de conteúdo ofensivo para copilot-safety@github.com. Inclua a URL do spark para que possamos identificar o spark.
Você pode relatar conteúdo problemático ou ilegal por meio de Comentários ou relatar um spark como abusivo ou spam. Confira Denunciar abuso ou spam e as Políticas de Remoção de Conteúdo do GitHub.