聯繫我們
 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)

即將到來的課程

課程分類