教程：使用 Chat API 构建代码教程聊天参与者

在本教程中，你将学习如何创建一个与 GitHub Copilot Chat 体验集成的 Visual Studio Code 扩展。你将使用 Chat 扩展 API 来贡献一个聊天参与者。你的参与者将是一位代码导师，可以为编程概念提供解释和示例练习。

先决条件

你需要以下工具和帐户来完成本教程

• Visual Studio Code
• GitHub Copilot
• Node.js

步骤 1：设置你的项目

首先，使用 Yeoman 和 VS Code 扩展生成器生成扩展项目。

npx --package yo --package generator-code -- yo code

选择以下选项以完成设置

# ? What type of extension do you want to create? New Extension (TypeScript)
# ? What's the name of your extension? Code Tutor

### Press <Enter> to choose default for all options below ###

# ? What's the identifier of your extension? code-tutor
# ? What's the description of your extension? LEAVE BLANK
# ? Initialize a git repository? Yes
# ? Bundle the source code with webpack? No
# ? Which package manager to use? npm

# ? Do you want to open the new folder with Visual Studio Code? Open with `code`

一旦你的扩展项目生成，你将处理两个文件：extension.ts 和 package.json，你可以在扩展解剖文档中了解更多信息。作为一个快速概述

• extension.ts 是你扩展的主要入口点，包含聊天参与者的逻辑。
• package.json 包含你扩展的元数据，例如参与者的名称和描述。

删除 extension.ts activate() 方法中自动生成的代码。你将在此处放置我们聊天参与者的逻辑。

步骤 2：注册聊天参与者

在 package.json 文件中，将自动生成的 contributes 部分替换为以下内容

"contributes":{
    "chatParticipants": [
    {
        "id": "chat-tutorial.code-tutor",
        "fullName": "Code Tutor",
        "name": "tutor",
        "description": "What can I teach you?",
        "isSticky": true
    }
    ]
}

此代码注册了一个具有以下属性的聊天参与者

• 唯一 ID chat-tutorial.code-tutor，将在代码中引用
• 全名 Code Tutor，将显示在你参与者响应的标题区域中
• 名称 tutor，将用于在 Chat 视图中将聊天参与者引用为 @tutor
• 描述 “我可以教你什么？”，将显示在聊天输入字段中作为占位符文本

最后，设置 isSticky: true 将在用户开始与参与者互动后自动在聊天输入字段中预先添加参与者名称。

步骤 3：制作提示

现在参与者已注册，你可以开始实现代码导师的逻辑。在 extension.ts 文件中，你将为请求定义一个提示。

制作一个好的提示是获得参与者最佳响应的关键。查看这篇文章，了解有关提示工程的技巧。

你的代码导师应该通过引导学生理解概念而不是提供直接答案来模仿真实的导师。此外，导师应专注于主题，避免回答非编程问题。

考虑以下两个提示。哪个更可能给出指定的行为？

1. 你是一位乐于助人的代码导师。你的工作是使用简单的描述和概念的示例代码来教导用户。

2. 你是一位乐于助人的代码导师。你的工作是使用简单的描述和概念的示例代码来教导用户。在一系列消息中回复概念的引导概述。不要直接给用户答案，而是引导他们自己找到答案。如果用户提出非编程问题，请礼貌地拒绝回答。

第二个提示更具体，并为参与者提供了有关如何响应的明确方向。在 extension.ts 文件中添加此提示。

const BASE_PROMPT =
  'You are a helpful code tutor. Your job is to teach the user with simple descriptions and sample code of the concept. Respond with a guided overview of the concept in a series of messages. Do not give the user the answer directly, but guide them to find the answer themselves. If the user asks a non-programming question, politely decline to respond.';

步骤 4：实现请求处理程序

现在提示已选择，你需要实现请求处理程序。这将处理用户的聊天请求。你将定义请求处理程序，执行处理请求的逻辑，并向用户返回响应。

首先，定义处理程序

// define a chat handler
const handler: vscode.ChatRequestHandler = async (
  request: vscode.ChatRequest,
  context: vscode.ChatContext,
  stream: vscode.ChatResponseStream,
  token: vscode.CancellationToken
) => {
  return;
};

在此处理程序的主体中，初始化提示和一个包含提示的 messages 数组。然后，发送用户在聊天框中输入的内容。你可以通过 request.prompt 访问它。

使用 request.model.sendRequest 发送请求，这将使用当前选择的模型发送请求。最后，将响应流式传输给用户。

// define a chat handler
const handler: vscode.ChatRequestHandler = async (
  request: vscode.ChatRequest,
  context: vscode.ChatContext,
  stream: vscode.ChatResponseStream,
  token: vscode.CancellationToken
) => {
  // initialize the prompt
  let prompt = BASE_PROMPT;

  // initialize the messages array with the prompt
  const messages = [vscode.LanguageModelChatMessage.User(prompt)];

  // add in the user's message
  messages.push(vscode.LanguageModelChatMessage.User(request.prompt));

  // send the request
  const chatResponse = await request.model.sendRequest(messages, {}, token);

  // stream the response
  for await (const fragment of chatResponse.text) {
    stream.markdown(fragment);
  }

  return;
};

步骤 5：创建聊天参与者

一旦处理程序实现，最后一步是使用 Chat 扩展 API 中的 createChatParticipant 方法创建聊天参与者。确保使用你在 package.json 中使用的相同 ID。

你应该通过为其添加图标来进一步自定义你的参与者。这将在与参与者互动时显示在 Chat 视图中。

// define a chat handler
const handler: vscode.ChatRequestHandler = async (
  request: vscode.ChatRequest,
  context: vscode.ChatContext,
  stream: vscode.ChatResponseStream,
  token: vscode.CancellationToken
) => {
  // initialize the prompt
  let prompt = BASE_PROMPT;

  // initialize the messages array with the prompt
  const messages = [vscode.LanguageModelChatMessage.User(prompt)];

  // add in the user's message
  messages.push(vscode.LanguageModelChatMessage.User(request.prompt));

  // send the request
  const chatResponse = await request.model.sendRequest(messages, {}, token);

  // stream the response
  for await (const fragment of chatResponse.text) {
    stream.markdown(fragment);
  }

  return;
};

// create participant
const tutor = vscode.chat.createChatParticipant('chat-tutorial.code-tutor', handler);

// add icon to participant
tutor.iconPath = vscode.Uri.joinPath(context.extensionUri, 'tutor.jpeg');

步骤 6：运行代码

你现在可以尝试你的聊天参与者了！按 F5 运行代码。将打开一个新的 VS Code 窗口，其中包含你的聊天参与者。

在 Copilot Chat 窗格中，你现在可以通过键入 @tutor 来调用你的参与者！

通过键入你想了解的内容来测试它。你应该看到一个响应，其中提供了概念的概述！

如果你键入相关消息以继续对话，你会注意到参与者不会根据你的对话给出后续响应。那是因为我们当前的参与者仅发送用户的当前消息，而不是参与者消息历史记录。

在下面的屏幕截图中，导师正确地回应了堆栈的起始解释。但是，在后续操作中，它不理解用户正在继续对话以查看 Python 中堆栈的实现，因此它反而给出了关于 Python 的通用响应。

步骤 7：添加消息历史记录以获得更多上下文

Copilot Chat 的最大价值之一是能够迭代多个消息以获得最佳响应。为此，你希望将参与者的消息历史记录发送到聊天请求。你可以通过 context.history 访问它。

你需要检索该历史记录并将其添加到 messages 数组中。你需要在添加 request.prompt 之前执行此操作。

// define a chat handler
const handler: vscode.ChatRequestHandler = async (
  request: vscode.ChatRequest,
  context: vscode.ChatContext,
  stream: vscode.ChatResponseStream,
  token: vscode.CancellationToken
) => {
  // initialize the prompt
  let prompt = BASE_PROMPT;

  // initialize the messages array with the prompt
  const messages = [vscode.LanguageModelChatMessage.User(prompt)];

  // get all the previous participant messages
  const previousMessages = context.history.filter(
    h => h instanceof vscode.ChatResponseTurn
  );

  // add the previous messages to the messages array
  previousMessages.forEach(m => {
    let fullMessage = '';
    m.response.forEach(r => {
      const mdPart = r as vscode.ChatResponseMarkdownPart;
      fullMessage += mdPart.value.value;
    });
    messages.push(vscode.LanguageModelChatMessage.Assistant(fullMessage));
  });

  // add in the user's message
  messages.push(vscode.LanguageModelChatMessage.User(request.prompt));

  // send the request
  const chatResponse = await request.model.sendRequest(messages, {}, token);

  // stream the response
  for await (const fragment of chatResponse.text) {
    stream.markdown(fragment);
  }

  return;
};

现在当你运行代码时，你可以与你的参与者进行对话，其中包含以前消息的所有上下文！在下面的屏幕截图中，参与者正确地理解了用户正在请求查看 Python 中堆栈的实现。

步骤 8：添加命令

现在基本参与者已实现，你可以通过添加命令来扩展它。命令是常用用户意图的简写符号，并由 / 符号指示。然后，扩展可以使用命令来相应地提示语言模型。

添加一个命令来提示你的导师为某个概念提供练习题将非常棒。你需要在 package.json 文件中注册命令，并在 extension.ts 中实现逻辑。你可以将命令命名为 exercise，以便可以通过键入 /exercise 来调用它。

在 package.json 中，将 commands 属性添加到 chatParticipants 属性。在这里，你将指定命令的名称和快速描述

"contributes": {
    "chatParticipants": [
      {
        "id": "chat-tutorial.code-tutor",
        "fullName": "Code Tutor",
        "name": "tutor",
        "description": "What can I teach you?",
        "isSticky": true,
        "commands": [
          {
            "name": "exercise",
            "description": "Provide exercises to practice a concept."
          }
        ]
      }
    ]
  },

为了实现从导师那里获取示例练习的逻辑，最简单的方法是更改你发送到请求的提示。创建一个新的提示 EXERCISES_PROMPT，要求参与者返回示例练习。这是一个示例，说明它可能是什么样子

const EXERCISES_PROMPT =
  'You are a helpful tutor. Your job is to teach the user with fun, simple exercises that they can complete in the editor. Your exercises should start simple and get more complex as the user progresses. Move one concept at a time, and do not move on to the next concept until the user provides the correct answer. Give hints in your exercises to help the user learn. If the user is stuck, you can provide the answer and explain why it is the answer. If the user asks a non-programming question, politely decline to respond.';

在请求处理程序中，你需要添加逻辑来检测用户是否引用了该命令。你可以通过 request.command 属性来执行此操作。

如果引用了命令，请将提示更新为新创建的 EXERCISES_PROMPT

// define a chat handler
const handler: vscode.ChatRequestHandler = async (
  request: vscode.ChatRequest,
  context: vscode.ChatContext,
  stream: vscode.ChatResponseStream,
  token: vscode.CancellationToken
) => {
  // initialize the prompt
  let prompt = BASE_PROMPT;

  if (request.command === 'exercise') {
    prompt = EXERCISES_PROMPT;
  }

  // initialize the messages array with the prompt
  const messages = [vscode.LanguageModelChatMessage.User(prompt)];

  // get all the previous participant messages
  const previousMessages = context.history.filter(
    h => h instanceof vscode.ChatResponseTurn
  );

  // add the previous messages to the messages array
  previousMessages.forEach(m => {
    let fullMessage = '';
    m.response.forEach(r => {
      const mdPart = r as vscode.ChatResponseMarkdownPart;
      fullMessage += mdPart.value.value;
    });
    messages.push(vscode.LanguageModelChatMessage.Assistant(fullMessage));
  });

  // add in the user's message
  messages.push(vscode.LanguageModelChatMessage.User(request.prompt));

  // send the request
  const chatResponse = await request.model.sendRequest(messages, {}, token);

  // stream the response
  for await (const fragment of chatResponse.text) {
    stream.markdown(fragment);
  }

  return;
};

这就是需要添加的全部内容！获取消息历史记录、发送请求和流式传输请求的所有其余逻辑都保持不变。

现在你可以键入 /exercise，这将启动你的聊天参与者，你可以获得交互式练习来练习编码！

下一步

恭喜！你已成功创建了一个聊天参与者，可以为编程概念提供解释和示例练习。你可以通过微调提示、添加更多斜杠命令或利用其他 API（如语言模型 API）来进一步扩展你的参与者。准备就绪后，你还可以将你的扩展发布到 Visual Studio Code Marketplace。

你可以在vscode-extensions-sample 存储库中找到本教程的完整源代码。

相关内容

• Chat API 扩展指南
• 教程：使用语言模型 API 生成 AI 驱动的代码注释
• 语言模型 API 扩展指南