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 14 時間:
課程簡介
使用 LLM 理解代碼
- 用於代碼解釋及講解的提示策略
- 處理陌生的代碼庫及項目
- 分析控制流、依賴關係及架構
為可維護性重構代碼
- 識別代碼異味、死代碼及反模式
- 重構函數及模塊以增強清晰度
- 利用 LLM 建議命名規範及設計改進
提升性能與可靠性
- 借助 AI 檢測低效率及安全風險
- 建議更高效的算法或庫
- 重構 I/O 操作、數據庫查詢及 API 調用
自動化代碼文件
- 生成函數/方法級註釋及摘要
- 從代碼庫撰寫及更新 README 文件
- 藉 LLM 支持創建 Swagger/OpenAPI 文檔
與工具鏈集成
- 使用 VS Code 插件及 Copilot Labs 進行文件化
- 在 Git 提交前掛鉤中整合 GPT 或 Claude
- CI 管道集成以進行文件化及代碼檢查
處理舊有及多語言代碼庫
- 逆向工程舊有或無文檔系統
- 跨語言重構(例如從 Python 轉至 TypeScript)
- 案例研究及 AI 配對編程演示
倫理、質量保證與審查
- 驗證 AI 生成的變更並避免幻覺
- 使用 LLM 時的同行審查最佳實務
- 確保可重現性及遵守編碼標準
總結與後續步驟
最低要求
- 具備 Python、Java 或 JavaScript 等程式語言經驗
- 熟悉軟件架構及代碼審查流程
- 了解大語言模型運作的基本原理
受眾
- 後端工程師
- DevOps 團隊
- 高級開發人員及技術主管
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