Inline Suggestions: autocomplete który rozumie zamiar

Czego się nauczysz

• Jak działają inline suggestions i czym różnią się od chatu
• Jak akceptować pełne i częściowe sugestie bez wybijania się z rytmu pracy
• Co realnie wpływa na jakość podpowiedzi: komentarze, kontekst i model completions

To jest najczęściej używana powierzchnia Copilota

Jeśli pracujesz z Copilotem codziennie, to właśnie inline suggestions najczęściej decydują, czy czujesz flow, czy frustrację.

Nie chat. Nie agent. Nie wielkie demonstracje.

Tylko ten moment, w którym piszesz kod i w edytorze pojawia się podpowiedź, która albo idealnie trafia w zamiar, albo kompletnie rozmija się z tym, co chcesz zrobić.

Dlatego warto rozumieć tę warstwę dobrze, bo to ona daje najwięcej drobnych oszczędności czasu w skali dnia.

Inline suggestions to nie mini-chat

W dokumentacji VS Code inline suggestions są opisane jako osobna powierzchnia pracy z AI.

Copilot podpowiada kod bez wyrywania Cię z edytora. Nie otwierasz panelu rozmowy. Nie formułujesz pełnego zadania. Nie czekasz na plan. Po prostu piszesz, a system próbuje dokończyć Twoją intencję.

To ważne, bo to oznacza też inne kryteria oceny niż przy chacie:

• liczy się latencja
• liczy się rytm pracy
• liczy się dopasowanie do lokalnego kontekstu
• liczy się to, czy sugestia jest użyteczna od razu, a nie czy brzmi inteligentnie

Inline suggestions mają Cię wspierać w ruchu, a nie zatrzymywać do dyskusji.

Ghost text: podstawowy tryb działania

Pierwsza forma inline suggestions to ghost text, czyli przygaszona podpowiedź pojawiająca się dokładnie tam, gdzie masz kursor.

To może być:

• dokończenie bieżącej linii
• kilka kolejnych linii
• fragment implementacji funkcji
• szkic testu
• kod wynikający z komentarza opisującego zamiar

I właśnie ten ostatni przypadek jest szczególnie ważny. Dokumentacja pokazuje wprost, że komentarze mogą działać jak bardzo lekki prompt dla inline suggestions.

Czyli zamiast pisać wszystko ręcznie, możesz dać krótki sygnał intencji, a Copilot spróbuje dowieźć resztę.

Jak akceptować sugestie bez wybijania się z rytmu

Najprostsza akcja to pełna akceptacja przez Tab.

To jednak dopiero początek.

VS Code wspiera też częściową akceptację, na przykład przez przyjęcie kolejnego słowa albo kolejnej linii. To bardzo ważne, bo dobre sugestie rzadko są idealne w stu procentach. Często najbardziej opłaca się wziąć tylko ten fragment, który naprawdę przyspiesza pracę.

To jest dobry nawyk:

• nie traktuj sugestii jak wyroczni
• traktuj ją jak półprodukt wysokiej jakości

W praktyce najlepszy workflow to szybkie odróżnienie trzech sytuacji:

• biorę całość
• biorę fragment
• odrzucam bez sentymentu

Alternatywne sugestie istnieją nie bez powodu

Dokumentacja przypomina też o czymś, co wiele osób ignoruje: dla tego samego wejścia Copilot potrafi mieć kilka wariantów podpowiedzi.

To ważne, bo sugeruje poprawny model mentalny.

Copilot nie “zna jednej dobrej odpowiedzi”. On proponuje prawdopodobne rozwinięcia w oparciu o kontekst. Jeśli pierwszy wariant jest prawie dobry, to często nie warto od razu przechodzić do chatu. Czasem wystarczy sprawdzić alternatywę.

To ma szczególny sens przy:

• implementacji małych funkcji pomocniczych
• testach
• kodzie powtarzalnym
• miejscach, gdzie styl rozwiązania może być różny, ale nadal poprawny

Komentarze są najtańszym promptem dla suggestions

Jedna z praktyczniejszych wskazówek w oficjalnych materiałach jest bardzo prosta: jeśli chcesz lepszej sugestii, dopowiedz intencję w komentarzu.

Na przykład zamiast zostawić pustą funkcję, możesz napisać:

• jakiego algorytmu oczekujesz
• jakie pola ma mieć obiekt
• jakie warunki ma obsługiwać funkcja
• jaki styl rozwiązania chcesz dostać

To działa, bo inline suggestions są bardzo czułe na lokalny kontekst. Krótki komentarz potrafi zrobić większą różnicę niż późniejsze ręczne poprawianie źle trafionej podpowiedzi.

Jakość suggestions bierze się z kontekstu

Dokumentacja mówi też wprost, że Copilot patrzy nie tylko na bieżącą linijkę, ale również na aktualne i otwarte pliki.

To dobrze łączy się z poprzednim modułem o context window.

Jeśli masz otwarte powiązane pliki, spójne nazewnictwo i czytelny lokalny fragment kodu, suggestions zwykle są lepsze. Jeśli pracujesz w bałaganie, z niejasnymi nazwami i bez sygnałów intencji, jakość podpowiedzi spada.

Czyli znowu: problem rzadko leży wyłącznie w modelu. Częściej leży w tym, co model widzi i co może wywnioskować z Twojego kodu.

Włączanie, wyłączanie i chwilowe wyciszenie

Inline suggestions nie są ustawieniem typu zero-jedynkowego na całe życie.

VS Code pozwala:

• włączyć lub wyłączyć je globalnie
• sterować nimi per język
• chwilowo je uśpić
• przywrócić bez zmiany stałej konfiguracji

To praktyczne, bo są momenty, gdy suggestions pomagają, i momenty, gdy tylko rozpraszają. Na przykład przy bardzo nietypowej refaktoryzacji albo pracy w plikach, gdzie nie chcesz żadnego automatycznego dopowiadania.

Dobry workflow nie polega na trzymaniu jednej konfiguracji zawsze. Polega na umiejętnym zarządzaniu tarciem.

Model dla completions też ma znaczenie

Oficjalna dokumentacja przypomina, że model dla inline suggestions można zmienić osobno przez komendę zmiany completions model.

To ważne, bo inline suggestions i chat nie muszą być zoptymalizowane pod ten sam typ pracy.

W suggestions zwykle bardziej liczy się:

• szybkość
• płynność
• trafne dokańczanie lokalnego kontekstu

Nie zawsze potrzebujesz tu modelu nastawionego na cięższe reasoning. Często ważniejsze jest to, żeby sugestia pojawiła się szybko i była wystarczająco dobra, a nie perfekcyjna po kilku sekundach.

Jak oceniać, czy suggestions są dobre

Nie pytaj tylko: “czy Copilot dobrze napisał ten kod?”

Lepsze pytania brzmią:

• czy sugestia skróciła liczbę naciśnięć klawiszy
• czy utrzymała mnie w rytmie pracy
• czy była zgodna z lokalnym stylem kodu
• czy wymagała mniej poprawek niż napisanie tego od zera

To lepsza rama, bo inline suggestions są narzędziem produktywności, a nie egzaminem z inteligencji.

Ćwiczenie praktyczne

Wykonaj trzy krótkie próby w jednym pliku:

1. Napisz nagłówek funkcji i zobacz, co Copilot zaproponuje bez dodatkowych wskazówek.
2. Cofnij zmianę i dopisz komentarz opisujący intencję implementacji.
3. Zaakceptuj jedną sugestię w całości, a drugą tylko częściowo.
4. Sprawdź alternatywne warianty, jeśli pierwszy jest tylko częściowo trafiony.
5. Na końcu zmień completions model i porównaj, czy sugestie są szybsze albo bardziej trafne dla tego samego typu zadania.

Po tym ćwiczeniu zwykle widać dwie rzeczy:

• komentarz i lokalny kontekst realnie poprawiają jakość suggestions
• częściowa akceptacja jest często bardziej wartościowa niż ślepe branie całej propozycji

Kluczowe wnioski

• Inline suggestions są osobną powierzchnią pracy z AI, nastawioną na tempo i ciągłość pisania.
• Ghost text pomaga dokańczać kod dokładnie w miejscu kursora.
• Komentarze i otwarte powiązane pliki potrafią znacząco poprawić trafność podpowiedzi.
• Dobra sugestia nie musi być idealna; często wystarczy zaakceptować tylko fragment.
• Dla inline suggestions liczy się przede wszystkim flow, nie efektowna odpowiedź jak w chacie.

Co dalej

Skoro baza jest już jasna, w następnej lekcji przechodzimy do bardziej zaawansowanego trybu edycji inline, czyli Next Edit Suggestions, gdzie Copilot zaczyna przewidywać nie tylko treść, ale też kolejne miejsce zmiany.