iPAS 考題解析
關於GitHub Copilot，下列敘述何者正確？
初級 生成式AI應用與規劃
難度：中等 ★★☆
考試範圍定位
- 考試等級
- 初級能力鑑定
- 考試科目
- 生成式 AI 應用與規劃
- 知識主題
- 生成式 AI 應用領域與工具使用
- 能力指標
- 生成式 AI 應用領域與常見工具（L12201）
本題屬於 iPAS AI 應用規劃師初級能力鑑定「生成式 AI 應用與規劃」科目中的「生成式 AI 應用領域與工具使用」範疇， 對應的能力指標為「生成式 AI 應用領域與常見工具」，涵蓋文本、圖像、聲音；OpenAI API、ChatGPT、Midjourney、Copilot Studio、GitHub Copilot、Cursor、Gemini等核心知識點。 考生在準備這個範疇時，需要掌握相關的理論基礎與實務應用。
題目與選項
關於GitHub Copilot，下列敘述何者正確？
- A. GitHub Copilot基於程式碼片段查詢工具，透過後端搜尋大型程式碼資料庫提供建議；
- B. GitHub Copilot僅適用於GitHub上的開源專案，無法在私有程式碼庫或本地環境中提供程式碼補全建議；
- C. GitHub Copilot利用靜態分析技術分析程式碼，根據邏輯流程推導下一步應寫的程式碼；
- D. GitHub Copilot由OpenAI的Codex模型提供技術支援，可即時在開發者編輯程式碼時給出整行或整個函式建議 ✓ 正確答案
詳細解析
正確答案：D. GitHub Copilot由OpenAI的Codex模型提供技術支援，可即時在開發者編輯程式碼時給出整行或整個函式建議
GitHub Copilot 基於 OpenAI Codex 模型，能在開發者編輯時即時提供整行或整個函式的程式碼建議。
各選項逐一解析
理解每個選項為什麼對或錯，是真正掌握這個知識點的關鍵。以下逐一分析每個選項的含義與判斷依據。
A. GitHub Copilot基於程式碼片段查詢工具，透過後端搜尋大型程式碼資料庫提供建議； （不正確）
GitHub Copilot 基於深度學習模型生成建議，不是單純的程式碼片段搜尋工具
B. GitHub Copilot僅適用於GitHub上的開源專案，無法在私有程式碼庫或本地環境中提供程式碼補全建議； （不正確）
GitHub Copilot 也可在私有程式碼庫和本地環境中使用，不僅限開源專案
C. GitHub Copilot利用靜態分析技術分析程式碼，根據邏輯流程推導下一步應寫的程式碼； （不正確）
GitHub Copilot 使用深度學習而非靜態分析技術來理解和生成程式碼
延伸學習
本題尚未連結特定術語，你可以從以下常見主題開始探索相關知識。
中等題備考建議
- ▶ 本題屬於中等難度，需要理解概念之間的關聯與應用情境，不能只靠死背定義。
- ▶ 中等難度的題目常考「為什麼」和「怎麼用」，建議整理各技術的優缺點比較表。
- ▶ 練習時注意錯誤選項的陷阱設計，很多時候錯誤選項只有一兩個字的差異，需要仔細辨別。
- ▶ 建議用「費曼學習法」，嘗試向別人解釋這道題的解題思路，能講清楚就代表真正理解了。
同主題考題練習
以下題目與本題屬於相同的考試範疇，建議一併練習以加強對該主題的掌握程度。
能使用 DALL-E-2 生成各式逼真的圖片，最關鍵的應用技術為何？
初級 生成式AI應用與規劃 難度 ★★☆ 114 年
在 AI 應用設計中，Model Context Protocol（MCP）與檢索增強生成（RAG）都能擴展模型的能力，但兩者的核心差異主要為下列何者？
初級 生成式AI應用與規劃 難度 ★★☆ 114 年
某金融機構導入檢索增強生成（Retrieval-Augmented Generation, RAG）模型，用於客服文件查詢與自動回覆。由於大型模型運算成本過高，若考慮引入知識蒸餾（Knowledge Distillation, KD）技術，下列何者為帶來的主要效益？
初級 生成式AI應用與規劃 難度 ★★☆ 114 年
iPAS AI 應用規劃師認證簡介
iPAS AI 應用規劃師能力鑑定是經濟部產業發展署推動的國家級 AI 證照制度， 分為「初級」與「中級」兩個等級。初級考試包含「人工智慧基礎概論」和「生成式 AI 應用與規劃」兩個科目， 著重基本概念的理解與應用。中級考試涵蓋「AI 技術應用與規劃」「大數據處理分析與應用」「機器學習技術與應用」三個科目， 要求考生具備更深入的技術知識與實務能力。 本題來自初級考試範圍，適合正在準備初級認證的考生練習。
開始準備 iPAS 考試
本題來自 iPAS AI 應用規劃師初級考試。 想通過 iPAS 認證？從完整題庫練習開始，搭配術語詞典與備考攻略，系統化提升你的 AI 知識。