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 14 時間:
課程簡介
使用 LLMs 理解程式碼
- 用於程式碼解釋與導覽的提示策略
- 處理不熟悉的程式碼庫與專案
- 分析控制流、依賴關係及架構
為可維護性重構程式碼
- 識別程式異味(code smells)、死代碼及反模式
- 重組函數與模組以提升清晰度
- 利用 LLMs 建議命名規範與設計改進
提升效能與可靠性
- 借助 AI 協助檢測低效問題與安全風險
- 建議更高效的演算法或函式庫
- 重構 I/O 操作、資料庫查詢及 API 調用
自動化程式碼文件
- 生成函數/方法級註釋與摘要
- 從程式碼庫撰寫並更新 README 文件
- 在 LLM 支援下建立 Swagger/OpenAPI 文檔
與工具鏈整合
- 使用 VS Code 外掛及 Copilot Labs 進行文件撰寫
- 在 Git pre-commit 掛鉤中整合 GPT 或 Claude
- CI 流水線整合以進行文件生成與代碼靜態檢查(linting)
處理遺留及多語言程式碼庫
- 逆向工程處理舊系統或無文檔系統
- 跨語言重構(例如從 Python 至 TypeScript)
- 案例研究及雙人 AI 編程演示
倫理、品質保證與審查
- 驗證 AI 生成的變更並避免幻覺(hallucinations)
- 使用 LLMs 時的同行審查最佳實踐
- 確保再現性並遵守編碼標準
總結與下一步
最低要求
- 具備 Python、Java 或 JavaScript 等程式語言經驗
- 熟悉軟體架構及程式碼審查流程
- 了解大型語言模型運作的基本原理
適用對象
- 後端工程師
- DevOps 團隊
- 高級開發人員及技術負責人
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