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
最佳實務與工具
常見陷阱與緩解策略
提示工程簡介
提示優化與迭代設計
用於測試自動化與SQL生成的提示
總結與後續步驟
使用提示進行程式碼解釋與除錯
撰寫程式碼生成提示
- 避免幻覺程式碼或安全漏洞
- 處理不完整或模棱兩可的輸入
- 建立安全後備提示與護欄
- 從需求或程式碼創建測試案例
- 從自然語言生成結構化SQL查詢
- 格式化輸出以整合至測試套件
- 解釋遺留或不熟悉的程式碼
- 提示邏輯走讀或邊界情況分析
- 找出並解釋Bug或低效之處
- 從白話描述生成程式碼
- 控制輸出格式與程式語言
- 處理複雜邏輯或多個函數
- 透過提示鏈接與反饋循環改善結果
- 錯誤恢復與提示調優策略
- 技術任務優化的案例研究
- 提示庫與重用模式
- 在VS Code或基於API的工作流程中使用提示模板
- 評估生產環境使用中的提示品質與效能
- 理解提示、上下文、令牌與模型
- 提示類型: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LLM的開發者
- 探討工作流程中AI工具的技術負責人
- 嘗試LLM整合的軟體專業人員
- 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工具有基本理解
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