感謝您提交詢問!我們的一位團隊成員將在短時間內與您聯繫。
感謝您提交預訂!我們的一位團隊成員將在短時間內與您聯繫。
課程時長 7 時間:
課程簡介
最佳實務與工具
常見陷阱與緩解策略
提示工程簡介
提示優化與迭代設計
用於測試自動化與 SQL 生成的提示技術
總結與後續步驟
使用提示進行代碼解釋與除錯
撰寫用於代碼生成的提示
- 避免生成幻覺代碼或安全漏洞
- 處理不完整或模糊的輸入
- 創建安全的備援提示與防護機制
- 從需求或代碼中創建測試案例
- 從自然語言生成結構化的 SQL 查詢
- 格式化輸出以整合至測試套件
- 解釋遗留或陌生的代碼
- 提示進行邏輯梳理或邊界案例分析
- 尋找並解釋 Bug 或效能低下的問題
- 從自然語言描述生成代碼
- 控制輸出格式與編程語言
- 處理複雜邏輯或多個函數
- 透過提示鏈接與反饋循環改善結果
- 錯誤恢復與提示調優策略
- 技術任務中優化的案例研究
- 提示庫與重用模式
- 在 VS Code 或基於 API 的工作流程中使用提示模板
- 評估生產環境中提示的品質與效能
- 理解提示、上下文、令牌與模型
- 提示類型:Zero-shot、One-shot、Few-shot
- 在不同 API 中使用系統指令與用戶指令
最低要求
目標對象
- 在代碼生成或分析中使用 LLM 的開發人員
- 探索在工作流程中應用 AI 工具的技術負責人
- 正在進行 LLM 整合實驗的軟體專業人員
- 具備軟體開發或腳本編寫經驗
- 熟悉常見編程語言(例如 Python、JavaScript、SQL)
- 對大型語言模型及 ChatGPT、Claude 或 Copilot 等 AI 工具有基本了解
客戶評論 (1)
我獲得了關於Python中Streamlit庫的知識,我肯定會嘗試使用它來改進我們團隊中基於R Shiny開發的apps。
Michal Maj - XL Catlin Services SE (AXA XL)
課程 - GitHub Copilot for Developers
機器翻譯