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
提示詞精煉與迭代設計
針對測試自動化與 SQL 生成的提示詞設計
總結與後續步驟
使用提示詞進行程式碼解釋與除錯
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
- 建立安全的後備提示詞與防護機制
- 根據需求或程式碼建立測試案例
- 從自然語言生成結構化 SQL 查詢
- 格式化輸出以便整合至測試套件中
- 解釋舊式或不熟悉的程式碼
- 使用提示詞進行邏輯流程分析或邊緣案例剖析
- 發現並解釋錯誤或效能低下的部分
- 根據一般語言描述生成程式碼
- 控制輸出格式及程式語言
- 處理複雜邏輯或多個函式
- 透過提示詞鏈接與回饋循環改善結果
- 錯誤恢復與提示詞調整策略
- 技術任務精煉案例研究
- 提示詞庫與重用模式
- 在 VS Code 或基於 API 的工作流程中使用提示詞模板
- 評估生產環境中提示詞的品質與效能
- 理解提示詞、上下文、代幣(Tokens)及模型
- 提示詞類型:零樣本、單樣本、少樣本
- 在不同 API 中使用系統指令與使用者指令
最低要求
目標受眾
- 在程式碼生成或分析中使用大型語言模型的開發人員
- 探索在工作流程中應用 AI 工具的主管
- 試驗大型語言模型整合的軟體專業人士
- 具備軟體開發或腳本編程經驗
- 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