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。
課程簡介
最佳實踐與工具
常見陷阱與緩解策略
提示工程入門
提示詞優化與迭代設計
針對測試自動化與SQL生成的提示技巧
總結與下一步
使用提示詞進行程式碼說明與除錯
撰寫用於程式碼生成的提示詞
- 避免產生幻覺程式碼或安全漏洞
- 處理不完整或含糊的輸入資料
- 建立安全的備用提示詞與防護機制
- 從需求或程式碼生成測試案例
- 將自然語言轉換為結構化SQL查詢
- 格式化輸出結果以整合至測試套件
- 解釋舊有程式碼或不熟悉的程式碼片段
- 透過提示詞引導邏輯 walkthrough 或邊緣情況分析
- 找出並解釋錯誤或效能瓶頸
- 從自然語言描述生成程式碼
- 控制輸出格式與程式語言
- 處理複雜邏輯或多個函數
- 透過提示詞鏈結與回饋循環改善結果
- 錯誤復原與提示詞微調策略
- 技術任務的微調案例研究
- 提示詞庫與重用模式
- 在VS Code或基於API的工作流中使用提示詞範本
- 評估生產環境中提示詞的品質與效能
- 理解提示詞、情境、權杖(tokens)與模型
- 提示詞類型:零樣本(zero-shot)、一樣本(one-shot)、少樣本(few-shot)
- 在不同API中使用系統指令與使用者指令
最低要求
對象族群
- 在程式碼產生或分析中使用大型語言模型的開發人員
- 探索工作流中AI工具的技術負責人
- 嘗試整合大型語言模型之軟體專業人士
- 具備軟體開發或腳本撰寫經驗
- 熟悉常見程式語言(例如Python、JavaScript、SQL)
- 對大型語言模型及ChatGPT、Claude或Copilot等AI工具具備基礎了解
7 小時
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