変更要約: GH-300 第3章を新規作成（データの取り扱いと流れ＝文脈収集/プロンプト構築・プロキシフィルタリング/後処理・プラン別のデータ利用/共有/保持、提案のライフサイクルと LLM の限界＝文脈変化→生成→提示→受入/却下の循環・インライン候補の未確定・確率的生成/知識カットオフ/コンテキスト依存/正しさ非保証）
3.1データの取り扱いと流れ
Copilot がデータをどう使い・流し・共有するか、入力の処理とプロンプトの組み立て、そしてプロキシによるフィルタリングと後処理（ポストプロセッシング）の役割を理解します。
Copilot を安全に・適切に使うには、データがどう流れるか を理解することが重要です。大まかな流れは「エディタの文脈を集める → プロンプトを組み立てる → プロキシ/フィルターを通す → モデルが生成 → 後処理して提案を返す」です。GH-300 では、この データフロー と、途中の フィルタリング/後処理 の役割が問われます。
3.1.1入力処理とプロンプトの組み立て
提案を作るために、Copilot はまず 文脈（コンテキスト） を集めます——カーソル周辺のコード、開いているファイル、関連するファイルなどから、関連性の高い情報を選び、モデルに渡す プロンプト を組み立てます。文脈は無制限ではなく、有限の コンテキストウィンドウ に収める必要があるため、何を含め何を省くかが提案品質に影響します。コンテンツ除外（第2・6章）の対象ファイルは、この文脈収集から外れます。
3.1.2プロキシによるフィルタリングと後処理
プロンプトはモデルへ送られる前後に処理を受けます。プロキシ の段階では、有害コンテンツや既知の脆弱なパターン、（設定により）公開コードと一致する提案 の検出（重複検出, 第6章）などの フィルタリング が行われます。モデルが生成した後は 後処理（post-processing） で、形式の整形や不要・不適切な出力の除去が行われ、最終的な提案としてエディタに返されます。これらは、出力の安全性と品質を高めるための仕組みです。
3.1.3データの利用と共有
どのデータがどう使われ・保持されるかは プラン（個人/Business/Enterprise）と設定 により異なります。一般に、Business/Enterprise 向けでは プロンプトや提案をモデルの学習に使わない など、企業利用に配慮した既定が用意されます。利用者・管理者は、自社の要件（機密・規制）に照らして データの取り扱いポリシー を確認し、必要ならコンテンツ除外やテレメトリ設定で調整します。「どこに・何が送られ、何が残るか」を把握することが、責任ある利用（第1章）の前提です。
頻出：
①データフロー＝文脈収集→プロンプト構築→プロキシ/フィルター→モデル生成→後処理→提案。
②文脈は有限のコンテキストウィンドウに収める＝何を含めるかが品質に影響。
③プロキシでフィルタリング（有害/脆弱/公開コード一致）、後処理で整形・除去。
④データの利用/共有/保持はプランと設定で異なる（Business/Enterprise は学習に使わない等）。
混同・注意：
①「文脈に入れたものが多いほど良い」とは限らない——コンテキストウィンドウは有限で、無関係な情報は品質を下げる。
②プロキシのフィルタリングは安全性を高めるが完全ではない——出力検証は依然必須。
③データの取り扱いはプラン/設定で異なるため、「個人で確認した挙動」を組織にそのまま当てはめない。
④コンテンツ除外したファイルは文脈にも提案にも使われない。
3.1.4この節のまとめ
- データフロー：文脈収集→プロンプト構築→プロキシ/フィルター→生成→後処理→提案
- 文脈は有限のコンテキストウィンドウに収める＝取捨選択が品質に影響
- プロキシでフィルタリング・後処理で整形/除去（安全性向上だが完全ではない）
- データの利用/共有/保持はプランと設定で異なる（Business/Enterprise は学習に使わない等）
進捗の記録にはログインが必要です。
理解度チェック
（軽い確認用）Q1. Copilot が提案を作る前に行う最初の処理として正しいものはどれですか？
Q2. プロンプトがモデルに渡る経路で、有害コンテンツや公開コードとの一致などをフィルタリングする段階はどれですか？
Q3. 文脈（コンテキスト）に関する正しい理解はどれですか？
Q4. Business/Enterprise 向けプランのデータ取り扱いについて、一般に正しいものはどれですか？
Q5. モデルが生成した後、形式の整形や不適切な出力の除去を行う段階はどれですか？
Q6. プロキシのフィルタリングがあるからといって、出力検証を省いてよいですか？