План на курса
Лучши практики и инструменти
Често срещани грешки и стратегии за тяхното предотвратяване
Въведение в Prompt Engineering
Уточняване на промптите и итеративен дизайн
Промптиране за генериране на Test Automation и SQL
Резюме и следващи стъпки
Използване на промпти за обяснение и отстраняване на грешки в кода
Написване на промпти за генериране на код
- Избягване на халюциниращи кодове или уязвимости за сигурност
- Обработка на некомплетни или двусмислени входни данни
- Създаване на безопасни резервни промпти и предпазни механизми
- Създаване на тестови случаи от изисквания или код
- Генериране на структурирани SQL заявки от естествен език
- Форматиране на изходните данни за интеграция в тестови набори
- Обсъждане на стари или непознати кодове
- Промптиране за логически обходи или анализ на крайни случаи
- Намеряване и обяснение на грешки или неефективности
- Генериране на код от описания на езика
- Контролиране на формата на изхода и езика на програмирането
- Работа с сложна логика или множество функции
- Улучшаване на резултатите чрез верижни промпти и обратни връзки
- Стратегии за възстановяване от грешки и настройване на промптите
- Случаи на уточняване за технически задачи
- Библиотеки с промпти и шаблони за повторно използване
- Използване на шаблони за промпти в VS Code или API-базирани работни процеси
- Оценяване на качеството и производителността на промптите в производствени среди
- Разбиране на промптите, контекста, токените и моделите
- Типове промпти: zero-shot, one-shot, few-shot
- Използване на системни или потребителски инструкции в различни API
Лучши практики и инструменти
Често срещани грешки и стратегии за тяхното предотвратяване
Въведение в Prompt Engineering
Уточняване на промптите и итеративен дизайн
Промптиране за генериране на Test Automation и SQL
Резюме и следващи стъпки
Използване на промпти за обяснение и отстраняване на грешки в кода
Написване на промпти за генериране на код
- Избягване на халюциниращи кодове или уязвимости за сигурност
- Обработка на некомплетни или двусмислени входни данни
- Създаване на безопасни резервни промпти и предпазни механизми
- Създаване на тестови случаи от изисквания или код
- Генериране на структурирани SQL заявки от естествен език
- Форматиране на изходните данни за интеграция в тестови набори
- Обсъждане на стари или непознати кодове
- Промптиране за логически обходи или анализ на крайни случаи
- Намеряване и обяснение на грешки или неефективности
- Генериране на код от описания на езика
- Контролиране на формата на изхода и езика на програмирането
- Работа с сложна логика или множество функции
- Улучшаване на резултатите чрез верижни промпти и обратни връзки
- Стратегии за възстановяване от грешки и настройване на промптите
- Случаи на уточняване за технически задачи
- Библиотеки с промпти и шаблони за повторно използване
- Използване на шаблони за промпти в VS Code или API-базирани работни процеси
- Оценяване на качеството и производителността на промптите в производствени среди
- Разбиране на промптите, контекста, токените и моделите
- Типове промпти: zero-shot, one-shot, few-shot
- Използване на системни или потребителски инструкции в различни API
Опции за персонализиране на курса
Формат на курса
По време на този курс участващите ще научат да:
Prompt Engineering за разработка на софтуер е курс с упражнения, насочен към обучение на разработчици как да създават ефективни промпти, които оптимизират полезността, точността и сигурността на AI-генерените изходи в контекста на задачи за разработка на софтуер.
Този курс с инструктор (онлайн или на място) е направен за разработчици с средно ниво, които искат да интегрират техники за промптиране в използването на AI кодови помощници, анализатори на код и инструменти за интелигентна автоматизация.
- Създаване на точни промпти за задачи за генериране, преглед и оптимизация на код
- Използване на верижни промпти и уточняване за подобряване на AI отговори в итеративни работни процеси
- Генериране на структурирани изходи като тестови случаи, SQL заявки и документация от минимален вход
- Предотвратяване на халюцинации и подобряване на контрол върху поведението на LLM в технически среди
- Интерактивна лекция и обсъждане
- Много упражнения и практика
- Ръчна реализация в среда за жива лаборатория
- За да поискате персонализиран обучение за този курс, моля, свържете се с нас за уредение.
Целева група
- Разработчици, използващи LLM в генериране или анализ на код
- Технически ръководители, разследващи AI инструменти в работите процеси
- Софтуерни професионалисти, експериментиращи с интеграции на LLM
- Опит в разработка на софтуер или скриптване
- Знакомство с общоприетите езици за програмиране (например, Python, JavaScript, SQL)
- Основно разбиране на големи езикови модели и AI инструменти като ChatGPT, Claude или Copilot
Изисквания
Целева аудитория
- Разработчици, използващи LLMs в генериране или анализ на код
- Технически ръководители, изследващи AI инструменти в работите процес
- Софтуерни професионалисти, експериментиращи с интеграции на LLM
- Опит в софтуерно разработване или скриптоване
- Завършеност с общи езици за програмиране (например, Python, JavaScript, SQL)
- Основно разбиране за големи езикови модели и AI инструменти като ChatGPT, Claude или Copilot