Transcription
Я получил комментарий к моему последнему видео с вопросом, использовал ли я раньше GitHub Copilot и как он сравнивается с Claude Code. Это отличный вопрос. Я пользовался обоими. Мне очень понравилось экспериментировать с различными ИИ-ассистентами для кодирования, которые существуют, и конкуренция в этой области действительно накаляется. Так что, если вы заинтересованы в использовании этих инструментов, было бы полезно знать различия между ними. Итак, давайте сравним Cloud Code и GitHub Copilot.
Сначала я хочу дать общий обзор различных уровней ИИ. Вычисления в целом — это как луковица, верно? Существует множество различных уровней вычислений, от аппаратного до программного обеспечения. И поэтому то же самое верно и для ИИ. Хорошо? И первый уровень, о котором я хочу поговорить, — это основа данных. И я хочу, чтобы вы думали об этом как о библиотеке, верно? Это просто необработанные данные и знания. Так что позже мы сможем обучать на этих данных.
Следующий уровень, о котором я хочу поговорить, — это уровень вычислений и аппаратного обеспечения. Подумайте об Nvidia, верно? Как у них есть GPU для потребителей. Ну, они также продают GPU для коммерческих целей, которые чрезвычайно дороги и чрезвычайно мощны. намного мощнее, чем видеокарта, которая есть в вашем компьютере. У Google есть что-то похожее, называемое тензорными процессорами. Они владеют своим оборудованием, на котором обучают свой ИИ. Так что это преимущество для них, в то время как другие компании будут фактически арендовать оборудование. Они могли бы и купить его, если бы хотели построить свои собственные центры обработки данных, но я думаю, что в большинстве случаев люди арендуют оборудование с помощью облачных вычислений, чтобы сделать это. Так что этот уровень — это действительно мышцы и просто сырая вычислительная мощность, которая нам нужна для обучения моделей.
Поднимаясь еще на один уровень, мы переходим к фреймворкам и инфраструктуре машинного обучения. Итак, мы уже отошли от аппаратного обеспечения и перешли к программному. Думайте об этом больше как о мастерской, где разработчики могут писать программное обеспечение более высокого уровня для обучения своих моделей. Итак, как только инженеры ИИ напишут свой код, они выполнят этот код, который начнет обучение модели. И это действительно длительный процесс, верно? Так что в итоге, когда этот процесс завершится, модель будет результатом написанного ими кода. И вот где мы дальше.
Так что фундаментальные модели — это следующий уровень. С этим уровнем я хочу, чтобы вы думали, что это, по сути, обученные эксперты, верно? Многие из этих моделей решают более общие проблемы. Так что они не обязательно специфичны для одной области или другой. Мы сейчас видим модели, которые специфичны для определенных задач, верно? Ну, всегда были модели, специфичные для определенных задач в эпоху ИИ, но я думаю, что большинство потребителей видят более общие модели, такие как ChatGPT 5 или Claude Sonnet 4.5. Знаете, это хорошие модели для кодирования, но они также хороши для множества других вещей, верно?
Итак, у нас есть модели, но как нам получить к ним доступ в качестве разработчиков? И это подводит нас к следующему уровню, которым являются API и оркестрация. Так, например, с API у нас есть OpenAI, Enthropic, Google, Google GCP. Все они обучают и создают свои собственные модели, но они также предлагают уровень API для разработчиков, чтобы получить к ним доступ. И есть, например, AWS Bedrock, и они предлагают несколько различных моделей в одном месте. Так что есть много разных поставщиков, которые предлагают API-доступ к различным моделям. И далее оркестрация, например, есть LangChain, а также различные SDK для ИИ. Это больше похоже на строительные блоки, возможно, для объединения различных LLM или, например, SDK для легкого использования библиотеки для вызова различных функций ИИ. Так что этот уровень — это, по сути, интерфейс для разработчиков для доступа к ИИ.
И это подводит нас к самому последнему уровню, которым являются приложения ИИ. Это, по сути, конечный продукт. Так что подумайте о разговорных чат-ботах, которые вы используете в браузере. Может быть, вы просто разговариваете с ИИ, или, знаете, для этого видео GitHub Copilot и Cloud Code. Они живут на этом уровне приложений ИИ.
Есть много деталей, которые я не осветил. Знаете, вы можете углубиться в каждый из этих различных уровней и провести целый, как бы, университетский курс по каждому из них, но я просто хотел дать общий обзор, прежде чем говорить о Copilot и Cloud Code, которые, опять же, живут на уровне приложений ИИ. Давайте приступим.
Начнем с Copilot. У меня здесь открыт VS Code, и Copilot также включен. Итак, есть бесплатный тариф с Copilot, что приятно. Вам просто нужно войти в свою учетную запись GitHub, и это, по сути, все. У вас есть определенный лимит сообщений в чате, а также завершений кода, которые вы всегда можете проверить здесь, в правом нижнем углу.
Copilot был первым на сцене, действительно, для помощи в кодировании с помощью ИИ. Это был основной выбор, если вы интересовались помощью ИИ в написании кода, вы использовали Copilot. В то время особо ничего другого на сцене не было. И одной из его первых функций было предложение завершения кода. Итак, здесь я работаю над небольшим побочным проектом. Я изучаю Go и просто использую, у меня есть небольшой трекер расходов для пар, который я использую для изучения Go. И вот я нахожусь в представлении и работаю над страницей входа. Итак, все, что вам нужно сделать, ну, сначала вам нужно убедиться, что завершение кода включено. Вы можете сделать это в правом нижнем углу, но вы просто начинаете печатать, и он начинает предлагать код, и это, по сути, все. Итак, здесь он немного бледный, но я могу нажать Tab, чтобы завершить это, и он уже предлагает больше предложений. Так что вы можете просто постоянно нажимать Tab, Tab, Tab, чтобы действительно, действительно быстро написать код. И если вы слышали о Cursor, Cursor также известен своим завершением по Tab.
VS Code — это хороший опыт. Я думаю, в целом мы сегодня не будем особо касаться Cursor, но Cursor, на мой взгляд, — это еще более отполированная версия интегрированной среды разработки, управляемой ИИ или LLM. У них обоих схожие возможности, но я думаю, что Cursor на данный момент имеет преимущество.
Хорошо, так или иначе, у нас есть завершение кода. Это была, как бы, первая функция, которую имел Copilot. Затем появился чат-бот, который похож на разговор с ИИ в вашем браузере, верно? Просто вы можете добавить контекст вашего кода. Файлы в каталоге вашего проекта, вы можете добавить это в качестве контекста для LLM для потребления. Это как часть ввода. Итак, вы можете задавать ему любые вопросы, например, предложить план для рефакторинга. И это сделало использование LLM в качестве партнера по размышлениям очень простым, или да, просто задавать ему вопросы. Может быть, вы новичок в кодовой базе. Знаете, это отличный способ изучить кодовую базу. Очевидно, вы хотите ориентироваться в структуре каталогов самостоятельно. Вы можете спросить коллег, но вы также можете спросить ИИ, и это довольно хороший ресурс для знакомства с кодовой базой и задания ему вопросов.
Какое-то время казалось, что это был набор функций Copilot. У него было завершение кода, у него был чат-бот, и это было все. И я отмечу, я быстро спрячу себя здесь. Вы также можете довольно легко менять модели с помощью Copilot. И они предлагают модели OpenAI с GPT. Они предлагают модели Google с Gemini. и модели Anthropic с Claude. Так что я думаю, что это преимущество Copilot — у них довольно хороший выбор моделей.
Многие корпоративные компании используют Copilot. Теперь я должен сказать, что иногда это немного разочаровывает, потому что есть определенные ограничения на вашу лицензию C-pilot, и это зависит от компании, конечно, но многие корпоративные и предприятия не находятся полностью на переднем крае. И, по сути, я говорю, что Copilot выпускает новые модели, например, сейчас это ChatGPT 5 или Claude Sonnet 4.5, знаете, и на работе у меня еще нет к ним доступа, и это потому, что они находятся в публичном предварительном просмотре, некоторые функции в публичном предварительном просмотре не имеют такой же юридической защиты или соответствия им. Так что это немного разочаровывает, когда модели выходят, а я не могу их использовать пока. Что со временем они выйдут из публичного предварительного просмотра и станут общедоступной функцией.
Итак, теперь мы перейдем к Cloud Code, прежде чем вернуться к Copilot. Но Google выпустил Cloud Code в феврале 2025 года, и вы можете получить к нему доступ или, скорее, установить его через npm, и вы можете запустить его, просто запустив Claude. Это агент, который живет непосредственно в вашем терминале, и это все. Он не обязательно живет в вашем редакторе, как Copilot. Он просто живет в вашем терминале. И таким образом он довольно портативен, верно? Вы можете просто использовать терминал, как я делаю здесь. Но, знаете, вернувшись в VS Code, вы можете открыть терминал VS Code и запустить Cloud Code там. У него нет такой тесной интеграции с IDE, как у Copilot или Cursor. Однако у них все же есть некоторая интеграция с IDE. Вы можете управлять этим с помощью команды `/ide`. И, по сути, более или менее, что он показывает вам, это немного проще видеть различия в файлах, когда он вносит изменения в файлы. И, кстати, быстрая заметка, пока мы здесь с Cloud Code, есть разные команды с косой чертой. Так что да, полезно знать об этом. Знаете, хорошая команда, которую стоит знать, — это `init` для инициализации. И, по сути, что он сделает, он исследует ваш проект и создаст файл `cloud.md` с ключевыми моментами, важными аспектами вашего проекта. И таким образом Claude сможет быстро вернуться к этому, чтобы получить контекст. Опять же, еще одна хорошая команда, которую стоит знать, я бы сказал, это `clear`. Это, да, как сказано, очищает историю ваших разговоров и освобождает контекст, потому что у моделей есть что-то под названием контекстное окно. И когда вы разговариваете с моделью, как ввод, так и вывод модели учитываются в контекстном окне. Ваш разговор, ваше сообщение, которое вы задаете модели, это часть контекста. Но если он извлекает файл из вашего проекта и читает файл, то это также часть контекста.
Хорошо. Хорошо. Я не думаю, что Cloud Code был обязательно первым агентом ИИ, но я думаю, что он действительно популяризировал терминальные агенты, и мы видим, как конкуренты следуют этому примеру. И я думаю, что это действительно нашло отклик у разработчиков, потому что это ощущается более легким, и я также думаю, что многим разработчикам просто нравится использовать терминал. Так что это больше похоже на домашний опыт. Но дело в том, что с Cloud Code больше автономии. Так что он не интегрирован в вашу IDE, как Copilot, где он предлагает завершение кода по мере ввода. Так что у него этого на самом деле нет. Это больше агент. Да. Где у него больше автономии. Так что, поскольку у него есть доступ к вашему терминалу, у него есть доступ к различным командам bash. Так что, как я упоминал ранее, он может читать файлы, он может записывать в файлы. Так что все, что вы можете вызвать из командной строки, Claude может вызвать, верно? И я думаю, что в этом разница между ранними днями, когда с LLM вы могли просто использовать их как чат-бот, чтобы задавать им вопросы, по сути, но с агентами теперь это все еще использует модель за кулисами. Но то, что он может делать, это вызывать инструменты. Инструменты, такие как чтение файла, инструменты, такие как запись в файл. Вы можете настроить различные инструменты. Теперь существует даже протокол контекста модели, который выводит это еще дальше, если вы хотите подключиться к различным сервисам, которые, по сути, предоставляют больше ввода для модели, и это попытка дать ей больше контекста, чтобы сгенерировать успешный вывод, который вы в конечном итоге проверите.
И что-то уникальное в Cloud Code — это то, что у него есть разные режимы, и я думаю, что в последнее время у него есть режим мышления, так что вы можете включать и выключать мышление с помощью Tab, но вы также можете нажать Shift+Tab+Tab, чтобы автоматически принимать изменения. Так что, если я задам ему здесь запрос, попрошу его реализовать систему двухфакторной аутентификации, то он автоматически начнет записывать в файлы. И у них также есть режим планирования, который я очень рекомендую использовать. Что это делает, так это то, что он извлекает контекст, но у него нет, по сути, разрешения на запись в файлы. Он извлечет контекст. Он представит вам план, и тогда вы должны прочитать план. В этот момент, знаете, вы можете принять план, и тогда он начнет редактировать файлы, или вы можете отклонить план и сказать: «Эй, знаете, сделайте что-нибудь другое». И я думаю, что это отличная функция. Я думаю, что это повысит вероятность того, что вы успешно проверите изменения, потому что часто, я думаю, люди разочарованы ИИ, и они просят его создать какую-то огромную сумасшедшую функцию, и она не выдала того, что они ожидали. Я думаю, что режим планирования помогает этому, но я также думаю, что он помогает быть более целенаправленным в ваших изменениях. Знаете, если бы я снова попросил его реализовать систему двухфакторной аутентификации, я думаю, что этого достаточно разумно на данный момент в возможностях ИИ и возможностях LLM, чтобы он попытался реализовать эту функцию. Если бы я сказал реализовать двухфакторную аутентификацию и также реализовать OAuth, чтобы у нас могли быть разные поставщики единого входа. Теперь, если бы я, если бы я продолжал добавлять, добавлять капчу, если бы я продолжал добавлять разные требования, я думаю, что будет более вероятно или, скорее, менее вероятно, что он сгенерирует успешный вывод.
Теперь это действительно то, с чем вам придется экспериментировать, но я все равно думаю, что лучше быть более целенаправленным в своих запросах, чтобы конечная цель была более узкой, и он был более сосредоточен на достижении этой цели, а не на нескольких.
Итак, давайте посмотрим на реализацию плана для двухфакторной аутентификации. Позволим ему поработать здесь и посмотрим, какой план он придумает. Хорошо, вот он, он выдал план и теперь предлагает мне одобрить или отклонить план. Давайте посмотрим. Давайте посмотрим, что он собрал. Итак, прежде всего, он собрал, что мы используем аутентификацию по паролю с хешированием B-crypt. Мы используем управление сессиями через библиотеку SCS Go и храним сессии в Postgress. И да, мы просто используем простой базовый поток OAuth с проверкой пароля, который ассоциируется, если успешно, ассоциируется с созданием сессии.
Итак, он добавит миграцию базы данных для добавления некоторых новых атрибутов в таблицу пользователей, сервис одноразового пароля для создания даже QR-кода, чтобы вы могли легко настроить двухфакторную аутентификацию, и похоже, что он определил пару различных библиотек Go, которые помогут с этим. Как только у нас это будет, мы можем обновить сервис OAuth, и теперь он говорит здесь, чтобы отредактировать поток входа. Итак, проверка пароля успешна. Проверьте, включена ли одноразовая аутентификация для учетной записи пользователя, и если да, проверьте код одноразового пароля. Он идет дальше. Он настраивает пользовательский интерфейс настроек. Проект здесь не имеет особого значения. Я, наверное, все еще пытаюсь просто продемонстрировать, что есть сходства и различия между Copilot и Claude. Но, знаете, Claude здесь, это Claude 2.5. Знаете, это все, от самого бэкенда до базы данных, до фронтенда в представлении. Так что здорово видеть, как это работает. И, знаете, похоже, что это довольно солидный план, судя по тому, что я вижу на данный момент. И в этот момент, опять же, я могу принять его и позволить ему, позволить ему сделать свое дело, или я могу сказать: «Нет, давайте продолжим планирование, если у меня будет какой-то отзыв, который я хотел бы предоставить».
Итак, мы отклоним это на данный момент, но давайте вернемся к Copilot. И так, здесь внизу справа, я снова спрячу себя. Чат-бот развивался со временем, или этот интерфейс чата развивался со временем. И в конечном итоге они также предложили возможность агента. И это, по сути, то же самое, что мы видели с Claude Code. Так что вы можете задать ему здесь в чате агента тот же вопрос, и он попытается реализовать то, что вы попросили. Одно отличие в том, что у Copilot на самом деле нет режима планирования, который вы можете переключать. Я поклонник, вы можете теперь просто сказать: «Планируй, не вноси никаких изменений, пока я не одобрю». Вы можете просто сделать это. Так же, как пользовательский опыт режима планирования в Cloud Code.
Итак, давайте дадим ему тот же запрос. Это не совсем справедливое сравнение выходных данных модели, обязательно, потому что здесь мы используем Gemini 2.5, а там мы используем Claude Sonnet 4.5, а другая модель, но это больше попытка продемонстрировать больше различий между двумя продуктами, а не прямое сравнение моделей.
Это было довольно быстро. Похоже, это заняло не так много времени, как Claude. И еще одна вещь, которую стоит знать в Copilot здесь, в строке чата, вы можете добавить контекст с помощью символа `#`. Так что вы можете ссылаться на разные файлы напрямую вот так. Вы можете сделать это вручную, если хотите использовать символ `@`, чтобы, как бы, привнести больше контекста таким образом. О, и у него также есть команды с косой чертой, как и у Cloud Code. Так что я не помню этого, но похоже, они реализовали что-то похожее.
И есть еще одна вещь, которую я хотел упомянуть с Copilot, и это встроенный чат. Нажмите Ctrl+I, чтобы открыть встроенный чат. Так что, возможно, вы не хотите использовать завершение кода, или, возможно, вы хотите отключить завершение кода, потому что иногда я печатаю что-то, знаете, у меня уже есть идея, что я хочу сделать. Знаете, я вижу предложение завершения кода, и я думаю: «Ах», как бы, это сбивает меня с мысли. Так что, возможно, это лучший способ, знаете, попросить его сделать то, что вы хотите. И опять же, это еще одно отличие между Copilot и Claude Code.
С Copilot у вас есть возможность изменять степень автономии. Так что, опять же, вы можете сделать что-то простое, как, знаете, оставить завершение кода включенным, что-то простое, как реализация ссылки для регистрации, или вы можете увеличить автономию и просто использовать функциональность агента, как Cloud Code. И на самом деле похоже, что недавно Copilot также выпустил интерфейс командной строки. Так что у нас есть еще один конкурент Cloud Code, или, знаете, они видят, что Cloud Code преуспевает, и они хотят предложить аналогичный продукт. И скажем так, у OpenAI есть что-то похожее. Это называется Codeex. Так что вы можете использовать Codeex как терминальный агент Copilot. И на самом деле, да, у Google Gemini также есть терминальный агент. Так что все зависит от опыта, который вы хотите, и от того, как вы хотите взаимодействовать с ИИ.
Хорошо, давайте подведем итоги и рассмотрим, что мы обсуждали сегодня. Итак, с Copilot это скорее решение, нативное для IDE, верно? Оно живет в VS Code. Оно живет в JetBrains. И, возможно, есть еще одно, о котором я не думаю, но это скорее нативный для IDE ИИ-ассистент для кодирования, в отличие от Claude Code. Это агент, который живет только в терминале. Вы используете его в интерфейсе командной строки. И хотя у него есть некоторая интеграция с IDE, она не такая глубокая, как у Copilot или Cursor.
Теперь Copilot также имеет автозавершение, которое мы видели ранее, которое, когда вы печатаете, показывает предложение, и вы можете просто нажать Tab, чтобы завершить это предложение. Cloud Code этого не будет иметь, верно? Это только, это действительно только агент, и он более свободный. Он более автономный, где вы просто задаете ему вопрос, и он попытается сделать свое дело, и это все. Теперь, со временем, мы также видим агентские возможности Copilot, как в IDE, так и, как мы видели, они выпустили CLI, чтобы конкурировать с такими конкурентами, как Cloud Code.
С точки зрения контекста, оба они могут читать файлы, выполнять команды и читать вывод этих команд. Все для улучшения или добавления большего ввода в контекстное окно. И одно из самых больших различий между этими двумя — это модели. Так что с Copilot у вас есть доступ к различным моделям. И это довольно солидное преимущество на самом деле. Знаете, поскольку различные конкуренты конкурируют, и модели лучше друг друга, приятно пробовать разные модели, потому что по мере их улучшения приятно иметь доступ к этой модели, знаете, в отличие от Cloud Code, где у вас будет доступ только к моделям Anthropic. Теперь модели Anthropic действительно хороши. Также модели GPT действительно хороши, или модели OpenAI действительно хороши. Так что на самом деле все сводится к пользовательскому опыту между этими двумя, просто тот факт, что терминальный агент против более нативной интеграции IDE, это просто два разных опыта, и вам следует попробовать оба, чтобы увидеть, что лучше всего подходит для вас.
И последнее, что действительно стоит учесть при принятии решения, — это цена. Итак, с Claude и Claude Code вы можете платить 17 долларов в месяц, 20, если оплачиваете ежемесячно. Вы можете платить больше, вы можете платить 100 или даже 200 долларов в месяц, если вы опытный пользователь и задаете ему вопросы. У вас запущено несколько разных экземпляров Cloud Code. Возможно, вы достигаете лимитов. Я имею в виду, если вы просто пробуете это изначально, я бы просто попробовал подписку за 20 долларов в месяц, чтобы увидеть, понравится ли вам этот опыт. А затем, если вы действительно достигаете лимитов, вы можете заплатить за максимальный план.
Теперь с Copilot Pro. У них есть разные уровни. У них есть бесплатный, чтобы просто попробовать. Скачайте VS Code. Я думаю, он уже более или менее настроен в VS Code, когда вы его скачиваете, или вы можете платить 10 долларов в месяц за Copilot Pro, что является довольно хорошей ценой. У вас также есть ограничения на использование. Так что у вас есть 300 премиальных запросов, и, по сути, разные модели имеют разные множители, или разные модели, которые предлагает Copilot, могут быть премиальными, а могут и не быть премиальными. Я показывал ранее в VS Code, но вы можете отслеживать свое использование здесь, в правом нижнем углу, и следить за использованием Copilot.
Цена — это большое соображение. Copilot, трудно игнорировать ценность. Я действительно думаю, что это хорошая ценность. Лично мне опыт не так нравится, как Cloud Code. Cloud Code также, на мой взгляд, лидирует в пространстве терминальных агентов. С другой стороны, для многих корпораций и предприятий они используют Copilot в основном потому, что это простой способ для них быть более или менее соответствующими. Так что я действительно думаю, что Copilot — это довольно солидная ценность. 10 долларов в месяц за Copilot Pro. Знаете, возможно, на вашей работе многие корпорации или предприятия уже используют Copilot, так что, возможно, вы застряли с этим. Но я должен сказать, как бонусный совет, есть на самом деле еще один хороший продукт под названием Open Code. И Open Code от SST — это терминальный агент, но он не зависит от поставщика. Так что, в отличие от Cloud Code, где вы используете только модели Anthropic, с Open Code он не зависит от поставщика. Вы можете войти в Anthropic, если хотите, или вы можете использовать OpenAI и использовать GPT-5. Так что, если вы застряли с Copilot на работе и вам не нравится опыт в VS Code, вы можете попробовать Open Code вместо этого. И на самом деле, если у вас даже есть план Anthropic Max, вы можете войти с ним, чтобы использовать Open Code, если хотите попробовать. Я думаю, что это действительно солидный продукт. Я думаю, что он лучше, чем VS Code. Так что я предпочитаю терминальные агенты, и все, что вам нужно сделать, чтобы настроить это с Copilot, это скачать Open Code, а затем просто запустить `open-code login`, и вам будет предложено выбрать поставщика, а затем вы войдете в свою учетную запись GitHub. Так что довольно просто. Определенно рекомендую попробовать это, если вы заинтересованы в терминальных агентах.