寫程式的AI戰友 – VS Code x GitHub Copilot DM2570

1-1 認識 VS Code 的誕生與設計理念

1-1-1 微軟出品卻開源免費 - 開放與創新的象徵

1-1-2 輕量與模組化 - 由「編輯器」進化為「開發平台」

1-1-3 為開發者而生 - 從 UI 到功能的精緻設計

1-2 VS Code vs 其他 IDE（PyCharm、Jupyter、Spyder）

1-2-1 PyCharm - 功能齊全但較重，VS Code 輕量取勝

1-2-2 Jupyter Notebook - 適合資料分析，VS Code 更適合專案開發

1-2-3 Spyder - 科學運算為主，但擴充性不及 VS Code

1-2-4 小結 - VS Code 的彈性與擴充，打造萬用開發利器

1-3 VS Code 對 Python 開發的優勢與定位

1-3-1 Python 延伸模組支援強大（Linting、Debug、Jupyter 等）

1-3-2 Git 與 GitHub 整合，專案管理無縫接軌

1-3-3 開發者生態圈活躍，外掛資源豐富

1-3-4 與 GitHub Copilot 結合，進入 AI 程式設計新時代

▌第2 章　打造你的 VS Code 開發環境

2-1 安裝 VS Code

2-1-1 Windows 系統下載與安裝 VS Code

2-1-2 首次啟動更改VS Code 背景顏色

2-1-3 建立VS Code 中文環境

2-2 安裝 Python 解譯器

2-2-1 下載與安裝Python

2-2-2 如何知道自己安裝哪些Python 版本

2-2-3 你可以怎麼解決多版本Python 的PATH 設定

2-3 VS Code 安裝Python 模組

2-3-1 安裝Python 擴充模組

2-3-2 選擇Python 解譯器

2-4 認識 VS Code 的介面

2-4-1 左側功能欄

2-4-2 開始

2-4-3 逐步解說

2-5 建立資料夾與Python 程式

2-5-1 開啟空白資料夾

2-5-2 新增資料夾

2-5-3 新增檔案

2-5-4 建立Python 程式

2-5-5 執行程式

2-5-6 關閉資料夾

2-6 開啟檔案

2-6-1 先開啟「資料夾」再選取檔案

2-6-2 直接「開啟檔案」

2-7 啟用GitHub Copilot

2-7-1 GitHub Copilot 簡介

2-7-2 安裝Copilot 延伸模組

2-7-3 登入GitHub Copilot

2-7-4 測試GitHub Copilot 是否安裝成功

2-8 終端機管理

2-8-1 啟用與使用 VS Code 內建終端機

2-8-2 終端機環境測試指令

2-8-3 認識pip 基礎知識

2-8-4 pip 與 Python 多版本搭配技巧

2-8-5 Python 程式執行常見與pip 有關錯誤與排除方式

▌第3 章　VS Code 基本操作快速上手

3-1 編輯器操作介面導覽

3-1-1 側邊欄

3-1-2 編輯區

3-1-3 標籤列

3-1-4 狀態列

3-1-5 內建終端機

3-1-6 Copilot 編輯區

3-2 命令面板、工作區與檔案管理

3-2-1 命令面板（Command Palette）

3-2-2 工作區（Workspace）與資料夾管理

3-3 快捷鍵實用技巧與視窗配置最佳化

3-3-1 常用快捷鍵整理

3-3-2 視窗配置

3-3-3 主題與配色

▌第4 章　在 VS Code 中寫Python 程式

4-1 輸出、輸入與變數的操作

4-2 主控或工具人 - if __name__ == "__main__"

4-2-1 基礎觀念

4-2-2 創意實例 - 我是主控，還是工具人？

4-2-3 VS Code 視窗看主控和工具人專案

4-2-4 主控和工具人學習重點

▌第5 章　VS Code 中的互動練功場用 REPL 模式即時學 Python

5-1 什麼是 REPL ？為什麼學 Python 要學它？

5-1-1 解釋 Read - Eval - Print - Loop 的概念

5-1-2 初學者「練習邏輯與語法」的最佳入口

5-2 用終端機啟動 Python REPL

5-2-1 嘗試基本語法、變數、運算、函數定義

5-2-2 介紹內建函數如 type()、help()、dir() 的應用

5-3 使用 Python REPL 標籤頁（Start REPL）

5-3-1 如何開啟 Python REPL 標籤頁

5-3-2 變數 - 執行與偵錯

5-3-3 REPL 標籤頁的操作特性

5-3-4 實用示範操作

5-4 終端機 REPL 與 REPL 標籤頁的差異與應用場景

▌第6 章　讓 AI 幫你寫程式GitHub Copilot 入門

6-1 使用註解觸發 Copilot 寫出函數

6-1-1 教學如何使用自然語言註解讓 Copilot 自動產生對應函數

6-1-2 示範常見註解語法類型（中英文皆可）

6-1-3 強調「提示語言」與「程式語言」混用的有效策略

6-1-4 讀者可以練習的註解基礎提示

6-1-5 讀者可以練習的註解進階提示

6-2 補全語法、參數與錯誤提示

6-2-1 示範如何從變數、函數名稱的開頭讓 Copilot 自動補完內容

6-2-2 說明 Copilot 如何根據上下文猜測資料結構與參數類型

6-2-3 輸入錯誤或不完整時 Copilot 的容錯行為與修正建議

6-3 AI 幫忙完成你腦海中的程式邏輯

6-3-1 實戰情境 - 你知道你「想做什麼」，但不知道怎麼寫

6-3-2 使用部分函數、流程片段，讓 Copilot 幫你「接下去寫」

6-3-3 結合測試、範例輸入、輸出提示來強化 Copilot 的回應品質

6-3-4 示範如何反覆提示、調整指令，與 AI 互動式協作

▌第7 章　用Copilot 幫你除錯、解釋與重構程式

7-1 Copilot 協助程式開發的雙模式運作 - 自動補全與互動審查

7-2 利用 Copilot 改寫與最佳化程式

7-2-1 讓 Copilot 調整命名與格式提升可讀性

7-2-2 用簡單註解提示 Copilot 改寫現有程式

7-2-3 比較 Copilot 重構前後版本的優劣（搭配註解說明）

7-2-4 Copilot 常見重構註解句型清單

7-2-5 系列重構實例

7-3 將錯誤訊息變成修正建議

7-3-1 將錯誤訊息貼回編輯器，觀察 Copilot 修正方式

7-3-2 解釋Modify using Copilot 和Review using Copilot

7-3-3 Copilot 如何自動補出可能的修正範例

7-3-4 Copilot 如何根據錯誤行上下文補出防錯邏輯

7-3-5 錯誤修正任務 - 讓 Copilot 幫你從錯誤中成長！

7-4 協助理解陌生程式片段與資料流程

7-4-1 在函數上方輸入「 # 解釋這段程式碼 」讓 Copilot 加入註解

7-4-2 分析資料處理流程與資料結構使用

7-4-3 用 Copilot 幫忙「翻譯」舊程式碼、過時寫法

▌第8 章　用 Copilot Chat 和 AI 對話寫程式

8-1 認識 Copilot Chat 對話式編程介面

8-1-1 Copilot Chat 是什麼？與傳統 Copilot 有何不同？

8-1-2 如何啟用 Copilot Chat

8-1-3 認識Copilot Chat 視窗

8-1-4 聊天輸入基礎知識

8-2 用自然語言請 AI 解釋程式

8-2-1 示範輸入 - 檔案程式摘要分析

8-2-2 解釋特定段落

8-2-3 自動翻譯英文註解成中文 - 雙語學習應用

8-3 用對話方式除錯與修正錯誤

8-3-1 將錯誤訊息貼入 Chat 請求修正建議

8-3-2 錯誤說明：IndexError, KeyError, TypeError

8-3-3 多步驟對話修正流程

8-4 請 AI 幫你重構與優化程式

8-4-1 自然語言提示範例

8-4-2 善用 Copilot Chat 自動拆解、重新命名、加入防錯

8-5 跨檔案提問與整體架構理解

8-5-1 查詢目前專案有哪些檔案

8-5-2 請 Copilot 解釋 main.py 與 utils.py 的關係

8-5-3 使用多步驟提示建立全域邏輯理解

8-6 生成測試、文件與範例輸入

▌第9 章　VS Code + Jupyter Notebook 資料科學實戰起點

9-1 Jupyter Notebook 開發 Python 程式的特色

9-2 安裝與使用 Jupyter 擴充模組

9-2-1 在 VS Code Marketplace 中搜尋並安裝 Jupyter 擴充功能

9-2-2 必要相依項目 - ipykernel

9-2-3 測試是否安裝Jupyter Notebook 成功

9-3 執行 .ipynb 資料分析筆記本

9-3-1 Notebook 介面導覽

9-3-2 執行每個儲存的方式與輸出觀察

9-3-3 儲存與轉換 .ipynb 成 .py 或 .html

9-4 儲存格選取、複製、移動與刪除

9-5 Markdown 語法

9-5-1 建立與生成Markdown 文件

9-6 結合 Numpy、Matplotlib、Pandas 的應用展示

9-6-1 利用 NumPy 進行矩陣運算與隨機數產生

9-6-2 用 Matplotlib 繪製簡單折線圖與長條圖

9-6-3 載入 Pandas 資料並顯示前幾筆資料

9-6-4 整合三者進行一個小型資料分析任務

9-7 比較 Jupyter 與 Python script 的開發方式

9-7-1 Notebook 的互動性與可視化優勢

9-7-2 Python script 的流程控制與可部署性

9-7-3 兩者整合使用的實務建議

9-7-4 開發效率、版本控管、合作方式的比較分析

▌第10 章　專案實作 - CLI 應用程式

10-1 用 Python 撰寫命令列工具

10-1-1 CLI 應用介紹與範例展示

10-1-2 設計實用CLI 的流程與架構

10-1-3 CLI 實例 - 批量轉換文字檔格式

10-1-4 CLI 實例 - 批量壓縮圖片

10-2 Copilot 協助自動生成指令結構

10-2-1 如何提示 Copilot 產生 CLI 架構

10-2-2 用自然語言生成 argparse 模組

10-2-3 自動補齊子指令、說明與錯誤處理邏輯

10-3 用argparse、os、shutil 實作功能

10-3-1 使用 argparse 處理命令列參數

10-3-2 搭配 os 與 shutil 操作檔案、資料夾

10-3-3 實作 - 批次複製、壓縮、改檔名、自動建立備份等功能

▌第11 章　專案實作 - 資料處理小幫手

11-1 專案目標 - 輸入/ 輸出範例

11-2 使用pandas 進行資料讀取與分析

11-2-1 讀取 CSV、處理欄位名稱與缺漏值

11-2-2 分群統計（groupby）、平均、總和與排序

11-2-3 計算欄位（如金額、成效比）

11-3 openpyxl 寫入報表與格式設定

11-3-1 建立 Excel 報表並寫入 pandas DataFrame

11-3-2 自動命名工作表與儲存路徑

11-3-3 加上儲存格樣式（標題加粗、欄寬調整、數字格式）

11-4 使用 pathlib 管理報表輸出與結構

11-4-1 建立資料夾與日期自動命名

11-4-2 建立輸出路徑與備份版本

11-4-3 檔名自動化 - 報表名稱 + 時間戳記

11-5 AI 協作實作 - 用 Copilot 或 ChatGPT 規劃報表流程

11-5-1 讓 AI 協助推導報表欄位與公式（自然語言提示）

11-5-2 自動產生欄位命名邏輯、報表主流程

11-5-3 與 AI 對話調整資料處理邏輯的練習

11-6 自動化流程封裝 - 部門銷售報表生成器

▌第12 章　專案實作 - API 整合應用

12-1 寫一個查詢天氣或匯率的程式

12-1-1 選擇與介紹公開 API

12-1-2 設計天氣查詢程式

12-1-3 設計匯率查詢程式

12-2 使用requests + Copilot 幫你組合 API 呼叫流程

12-3 加入簡單例外處理與錯誤提示

▌第13 章　寫程式的正確姿勢「AI 是你的助理」，「不是你的大腦」

13-1 Copilot 會出錯嗎？如何判斷建議是否合理？

13-1-1 AI 為什麼會「看起來很對、其實錯了」？

13-1-2 常見錯誤型態：語意錯誤、效能問題、格式正確但邏輯錯

13-1-3 實例分析 - 錯誤的 SQL 查詢、無效的資料結構

13-1-4 建議不要「複製就貼上」，要先「理解再選擇」

13-2 「 AI 輔助」≠「AI 取代」 - 保持邏輯思考與程式判斷力

13-2-1 AI 是語言模型，不是驗證機器

13-2-2 思考順序、變數命名、流程設計仍需人腦決策

13-2-3 怎樣才叫「有 AI 輔助的人腦」而不是「被 AI 駕駛的大腦」

13-2-4 練習 - 「 我會怎麼寫？」與「Copilot 建議怎麼寫？」的比對

13-3 如何引導Copilot 給你正確、清晰的建議

13-3-1 如何寫好「註解提示」來引導 Copilot

13-3-2 中文 vs 英文，哪種效果更好？

13-3-3 要精簡還是詳細？提示語的長度與明確度影響什麼

13-3-4 範例 - 用一列註解帶出三種不同程式邏輯

13-4 強化你的人腦思考，才是駕馭 AI 的關鍵

13-4-1 你不只是「寫程式的人」，你是「指揮 AI 寫程式的人」

13-4-2 建立自己的程式風格與決策原則

13-4-3 用 AI 幫你學習、比較、優化，而不是直接接收

13-4-4 小任務練習 - 讓 AI 給你三種寫法，然後你選最佳解