Ta kontakt
 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

Antall deltakere


Pris per deltaker

Referanser (1)

Kommende kurs

Relaterte kategorier