感谢您发送咨询!我们的团队成员将很快与您联系。
感谢您发送预订!我们的团队成员将很快与您联系。
课程大纲
最佳实践与工具
常见陷阱与缓解策略
提示工程简介
提示精炼与迭代设计
测试自动化和SQL生成的提示
总结与下一步
使用提示进行代码解释和调试
编写代码生成提示
- 避免生成幻觉代码或安全漏洞
- 处理不完整或模糊的输入
- 创建安全的备用提示和防护措施
- 从需求或代码创建测试用例
- 从自然语言生成结构化SQL查询
- 格式化输出以集成到测试套件中
- 解释遗留或陌生的代码
- 提示逻辑演练或边缘情况分析
- 发现并解释错误或低效问题
- 从自然语言描述生成代码
- 控制输出格式和编程语言
- 处理复杂逻辑或多个函数
- 通过提示链和反馈循环改进结果
- 错误恢复和提示调优策略
- 技术任务精炼的案例研究
- 提示库和重用模式
- 在VS Code或API工作流中使用提示模板
- 评估生产使用中的提示质量和性能
- 理解提示、上下文、标记和模型
- 提示类型:零样本、单样本、少样本
- 在不同API中使用系统与用户指令
要求
受众
- 在代码生成或分析中使用LLM的开发者
- 在工作流程中探索AI工具的技术负责人
- 尝试LLM集成的软件专业人士
- 具备软件开发或脚本编写经验
- 熟悉常见编程语言(如Python、JavaScript、SQL)
- 对大型语言模型和AI工具(如ChatGPT、Claude或Copilot)有基本了解
7 小时
客户评论 (2)
我获得了关于Python中Streamlit库的知识,我肯定会尝试使用它来改进我们团队中基于R Shiny开发的apps。
Michal Maj - XL Catlin Services SE (AXA XL)
课程 - GitHub Copilot for Developers
机器翻译
培训师能够在培训过程中根据我们对主题的理解水平调整课程难度,这样我们可以获得更多有用的知识,进一步帮助我们在日常工作中更好地运用这些工具。
Tatt Juen - ViTrox Technologies Sdn Bhd
课程 - Intermediate GitHub Copilot
机器翻译