课程大纲

使用LLMs理解代码

  • 代码解释和逐步分析的提示策略
  • 处理不熟悉的代码库和项目
  • 分析控制流程、依赖关系和架构

重构代码以提高可维护性

  • 识别代码异味、无用代码和反模式
  • 重构函数和模块以提高清晰度
  • 使用LLMs建议命名规范和设计改进

提升性能和可靠性

  • 在AI协助下检测低效和安全风险
  • 建议更高效的算法或库
  • 重构I/O操作、数据库查询和API调用

自动化代码Documentation

  • 生成函数/方法级别的注释和摘要
  • 从代码库编写和更新README文件
  • 在LLM支持下创建Swagger/OpenAPI文档

与工具链的集成

  • 使用VS Code扩展和Copilot Labs进行文档编写
  • 将GPT或Claude集成到Git预提交挂钩中
  • 在CI管道中集成文档和代码检查

处理遗留和多语言代码库

  • 逆向工程旧的或无文档的系统
  • 跨语言重构(例如,从Python到TypeScript)
  • 案例研究和配对AI编程演示

伦理、质量保证和审查

  • 验证AI生成的更改并避免幻觉
  • 使用LLMs时的同行评审最佳实践
  • 确保可重现性并符合编码标准

总结与下一步

要求

  • 具备Python、Java或JavaScript等程式语言的经验
  • 熟悉软体架构和程式码审查流程
  • 对大型语言模型的运作方式有基本了解

目标受众

  • 后端工程师
  • DevOps团队
  • 资深开发人员和技术主管
 14 小时

即将举行的公开课程

课程分类