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
最佳實踐與工具
常見陷阱與緩解策略
提示工程入門
提示優化與迭代設計
針對測試自動化與 SQL 生成的提示設計
總結與後續步驟
運用提示進行程式碼解釋與除錯
撰寫程式碼生成的提示
- 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
- 創建安全的備用提示與防護欄(Guardrails)
- 根據需求或程式碼創建測試用例
- 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
- 解釋舊有或不熟悉的程式碼
- 進行邏輯梳理或邊界情況分析的提示設計
- 發現並解釋錯誤或低效之處
- 從自然語言描述生成程式碼
- 控制輸出格式及編程語言
- 處理複雜邏輯或多個函數
- 透過提示鏈接與回饋循環改善結果
- 錯誤恢復與提示調優策略
- 技術任務優化案例研究
- 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質量與性能
- 理解提示、上下文、令牌(Tokens)及模型
- 提示類型:零樣本(Zero-shot)、單樣本(One-shot)、少樣本(Few-shot)
- 在不同 API 中使用系統提示與用戶指令的區別
最低要求
受眾對象
- 在程式碼生成或分析中運用 LLM 的開發人員
- 探索在工作流程中應用 AI 工具的技術主管
- 嘗試整合 LLM 的軟體專業人員
- 具備軟體開發或腳本編程經驗
- 熟悉常見編程語言(如 Python、JavaScript、SQL)
- 對大語言模型及如 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