Tack för att du skickade din fråga! En av våra teammedlemmar kontaktar dig snart.
Tack för att du skickade din bokning! En av våra teammedlemmar kontaktar dig snart.
Varaktighet 7 timmar
Kursplan
Bästa praxis och verktyg
Vanliga fallgropar och mitigationsstrategier
Introduktion till Prompt Engineering
Promptförfining och iterativ design
Prompting för testautomatisering och SQL-generering
Sammanfattning och nästa steg
Användning av prompts för kodförklaringar och felsökning
Skrivande av prompts för kods generation
- Att undvika hallucinerad kod eller säkerhetsbrister
- Att hantera ofullständiga eller tvetydiga indata
- Att skapa säkra fallback-prompts och skyddsräcken (guardrails)
- Att skapa testfall från kravspecifikationer eller kod
- Att generera strukturerade SQL-frågor från naturligt språk
- Att formatera output för integration i testsviter
- Att förklara legacy eller ovanlig kod
- Att prompting för logikgenomgångar eller analys av randfall (edge cases)
- Att hitta och förklara fel eller ineffektiviteter
- Att generera kod från beskrivningar i vanligt språk
- Att kontrollera outputformat och programmeringsspråk
- Att arbeta med komplex logik eller flera funktioner
- Att förbättra resultat genom prompt chaining och feedbackslöjdar
- Felsökning och strategier för promptjustering
- Fallstudier i förfining för tekniska uppgifter
- Promptbibliotek och återanvändningsmönster
- Att använda promptmallar i VS Code eller API-baserade arbetsflöden
- Att utvärdera promptkvalitet och prestanda i produktionsanvändning
- Att förstå prompts, kontext, token och modeller
- Prompttyper: zero-shot, one-shot, few-shot
- Att använda system- kontra användarinstruktioner i olika API:er
Krav
Målgrupp
- Utvecklare som använder LLM:er för kods generation eller analys
- Tekniska ledare som undersöker AI-verktyg i sina arbetsflöden
- Mjukvaruproffs som experimenterar med LLM-integrationer
- Erfarenhet inom mjukvaruutveckling eller skriptning
- Kunskap om vanliga programmeringsspråk (t.ex. Python, JavaScript, SQL)
- Grundläggande förståelse för stora språkmodeller och AI-verktyg som ChatGPT, Claude eller Copilot
Vittnesmål (1)
Att jag har fått kunskap om Streamlit-biblioteket från Python och jag kommer säkert att försöka använda det för att förbättra applikationerna i mitt team som är skapade med R Shiny
Michal Maj - XL Catlin Services SE (AXA XL)
Kurs - GitHub Copilot for Developers
Maskintolkat
