Takk for at du sendte din henvendelse! En av våre teammedlemmer vil kontakte deg straks.
Takk for at du sendte din bestilling! En av våre teammedlemmer vil kontakte deg straks.
Varighet 7 timer
Kursplan
Beste praksis og verktøy
Vanlige fallgruver og strategier for demping
Introduksjon til Prompt Engineering
Prompt raffinering og iterativt design
Prompting for testautomatisering og SQL-generering
Oppsummering og neste steg
Bruk av prompts for kodeforklaring og feilsøking
Å skrive prompts for kodegenerering
- Å unngå hallucinert kode eller sikkerhetssårbarheter
- Å håndtere ufullstendige eller tvetydige inndata
- Å opprette sikre fallback-prompts og garde-railer
- Å opprette testtilfeller fra krav eller kode
- Å generere strukturerte SQL-spørringer fra naturlig språk
- Å formatere resultater for integrering i testsuiter
- Å forklare legacy- eller ukjente kode
- Å prompte for logikk-gjennomgang eller grensetilfellsanalyse
- Å finne og forklare feil eller ineffektivitet
- Å generere kode fra beskrivelser i vanlig språk
- Å kontrollere utdataformat og programmeringsspråk
- Å arbeide med kompleks logikk eller flere funksjoner
- Å forbedre resultater gjennom prompt chaining og tilbakemeldingsløyper
- Feilgjenoppretting og prompt justeringsstrategier
- Casesstudier i raffinering for tekniske oppgaver
- Prompt-biblioteker og gjenbruksmønstre
- Å bruke prompt-mal i VS Code eller API-baserte arbeidsflyter
- Å evaluere prompt-kvalitet og ytelse i produksjonsbruk
- Å forstå prompts, kontekst, tokens og modeller
- Prompt-typer: zero-shot, one-shot, few-shot
- Å bruke system- vs. brukerinstruksjoner i ulike API-er
Krav
Målgruppe
- Utviklere som bruker LLM-er i kodegenerering eller analyse
- Tekniske ledere som utforsker AI-verktøy i arbeidsflyter
- Softwareprofesjoneller som eksperimenterer med LLM-integrasjoner
- Erfaring med softwareutvikling eller scripting
- Kjennskap til vanlige programmeringsspråk (f.eks. Python, JavaScript, SQL)
- Basisk forståelse av store språkmodeller og AI-verktøy som ChatGPT, Claude eller Copilot
Referanser (1)
At jeg har skaffet kunnskap om Streamlit-biblioteket fra Python, og jeg vil sikkert prøve å bruke det for å forbedre applikasjonene i min gruppe som er laget i R Shiny.
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maskinoversatt