Prompt Engineering for Software Development

Grupa docelowa

• Programiści używający LLMs do generowania lub analizy kodu
• Kierownicy techniczni badający narzędzia AI w przepływach pracy
• Specjaliści od oprogramowania eksperymentujący z integracjami LLM

• Doświadczenie w tworzeniu oprogramowania lub pisaniu skryptów
• Znajomość popularnych języków programowania (np. Python, JavaScript, SQL)
• Podstawowa wiedza na temat dużych modeli językowych i narzędzi AI takich jak ChatGPT, Claude lub Copilot

Opcje dostosowania kursu

Format kursu

Po zakończeniu tego szkolenia uczestnicy będą mogli:

Prompt Engineering for Software Development to kurs praktyczny, który ma na celu nauczanie developerów, jak tworzyć skuteczne instrukcje, które optymalizują użyteczność, precyzję i bezpieczeństwo wygenerowanych przez AI wyników w kontekście zadań inżynierii oprogramowania.

Jest to prowadzone przez instruktora szkolenie na żywo (online lub na miejscu), skierowane do developerów średnio zaawansowanych, którzy chcą zintegrować techniki inżynierii instrukcji z używaniem asystentów kodowania AI, analizatorów kodu i inteligentnych narzędzi automatyzacji.

• Tworzenie precyzyjnych instrukcji do zadań generowania, przeglądania i optymalizacji kodu.
• Używanie łańcuchów instrukcji i ich doskonalenie w celu poprawy odpowiedzi AI w iteracyjnych procesach pracy.
• Generowanie strukturowanych wyników, takich jak przypadki testowe, zapytania SQL i dokumentacja na podstawie minimalnego wejścia.
• Zmniejszanie halucynacji i poprawa kontroli nad zachowaniem LLM w środowiskach technicznych.

• Interaktywne wykłady i dyskusje.
• Dużo ćwiczeń i praktyki.
• Ręczne wdrażanie w środowisku laboratoryjnym na żywo.

• Aby złożyć wniosek o dostosowany kurs szkoleniowy, skontaktuj się z nami w celu umówienia.

Najlepsze praktyki i narzędzia

Częste pułapki i strategie ich łagodzenia

Wprowadzenie do Prompt Engineering

Udoskonalanie instrukcji i projektowanie iteracyjne

Instrukcje dla generowania Test Automation i SQL

Podsumowanie i następne kroki

Używanie instrukcji do wyjaśniania i debugowania kodu

Pisanie instrukcji do generowania kodu

• Unikanie generowania niebezpiecznego kodu lub podatności na atak
• Obsługa niekompletnych lub niejasnych wejść
• Tworzenie bezpiecznych instrukcji awaryjnych i zabezpieczeń

• Tworzenie przypadków testowych na podstawie wymagań lub kodu
• Generowanie złożonych zapytań SQL z języka naturalnego
• Formatowanie wyników do integracji z zestawami testów

• Wyjaśnianie starego lub nieznanego kodu
• Instrukcje do analizy logiki lub przypadków krańcowych
• Wyszukiwanie i wyjaśnianie błędów lub niesprawności

• Generowanie kodu z opisów językiem potocznym
• Kontrolowanie formatu wyjścia i języka programowania
• Pracowanie z złożoną logiką lub wieloma funkcjami

• Poprawianie wyników poprzez łańcuchowanie instrukcji i pętle sprzeczności
• Strategie odzyskiwania błędów i dostosowywania instrukcji
• Studia przypadków dotyczące doskonalenia zadań technicznych

• Biblioteki instrukcji i wzorce ponownego użycia
• Używanie szablonów instrukcji w VS Code lub w przepływach API
• Ocenianie jakości i wydajności instrukcji w zastosowaniach produkcyjnych

• Zrozumienie instrukcji, kontekstu, tokenów i modeli
• Typy instrukcji: zero-shot, one-shot, few-shot
• Używanie instrukcji systemowych lub użytkownika w różnych API