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 21 時間:
課程簡介
氛圍編程簡介
- 氛圍編程的定義與歷史
- 「提示詞到代碼」協作的哲學
- AI 編程與傳統開發的差異
編碼中的大型語言模型
- 開發者視角下的大模型概覽:GPT-4、DeepSeek、Qwen、Mistral
- 開源與專有 AI 編碼工具的比較
- 本地部署或透過 API 調用大模型
開發者的提示詞工程
- 用於生成及重構代碼的有效提示技巧
- 上下文管理及對話狀態處理
- 創建可重複使用的編碼任務提示模板
動手實踐的氛圍編程環境
- 使用 Replit 進行協同 AI 編程
- 將 GitHub Copilot 及 Qwen Coder 整合至 IDE
- 定制工作流程以促進團隊協作
AI 工作流程中的代碼質量與驗證
- 審查與測試大模型生成的代碼
- 確保一致性、可維護性及安全性
- 將代碼驗證工具整合至工作流程
企業整合與治理
- 在團隊間推廣氛圍編程
- 代碼生成中的 AI 治理、倫理與合規性
- 設計組織級別的 AI 輔助開發框架
進階主題:擴展氛圍編程
- 結合多個大模型以實現混合 AI 工作流程
- 將氛圍編程與 CI/CD 自動化整合
- 未來趨勢:多智能體開發生態系統
團隊項目與協作
- 設計真實場景下的 AI 輔助編碼項目
- 與人類及 AI 開發者進行協作
- 展示成果並衡量生產力提升
總結與後續步驟
最低要求
- 了解軟件開發工作流程
- 具備 Python、JavaScript 或其他現代編程語言的經驗
- 熟悉基於 Git 的版本控制系統
目標受眾
- 探索 AI 輔助開發的軟件工程師
- 監督編碼工作流程中 AI 應用的工程負責人
- 尋求將大模型整合至生產流水線的企業開發團隊
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