Ottimizzare i prompt per la documentazione del codice

Lavori da tempo in un'azienda bancaria e da anni mantieni una grande codebase in Python. Ora sta arrivando un nuovo tirocinante e ti rendi conto che tutta quella conoscenza è solo nella tua testa. Decidi di usare un assistente AI per iniziare a documentare la codebase.

Per testare la fattibilità dell'approccio, decidi di partire da una singola funzione, salvata in interest.py, un file che l'LLM può leggere e usare:

def calculate_interest(balance, rate, years):
  return balance * (1 + rate) ** years

Questo esercizio fa parte del corso

Programmazione assistita dall'AI per sviluppatori

Visualizza il corso

Istruzioni dell'esercizio

- Chiedi al modello di **aggiungere docstring** alla funzione, **specificando uno standard** (ad es., docstring in stile Google) e **richiedendo sezioni** per lo scopo della funzione, gli argomenti (nomi/tipi), il tipo di ritorno e, facoltativamente, esempi.

Esercizio pratico interattivo

Passa dalla teoria alla pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

Programmazione assistita dall'AI per sviluppatori

IntermediárioNível de habilidade

4.9+

Inizia il corso gratis

Scopri come i modelli di AI migliorano il coding tramite completamento, debugging e documentazione. Padroneggia le basi del prompt engineering e scopri come il contesto renda più intelligenti le risposte dell’AI. Questo capitolo getta le basi per usare l’AI come un assistente di programmazione pratico.

Exercise 1: Il paradigma del coding assistito dall’AI Exercise 2: Abbinare i modelli di AI ai compiti Exercise 3: Classificare i carichi di lavoro per l’AI Exercise 4: Basi del prompt engineering Exercise 5: Decodificare le funzioni con i prompt giusti Exercise 6: Perfezionare i prompt per le modifiche al codice Exercise 7: Aggiungere contesto per risposte dell'IA più intelligenti Exercise 8: Scegliere il contesto giusto nei task di coding Exercise 9: Migliorare il codice con l'iterazione dei prompt

Impara a creare prompt che guidino i modelli attraverso ragionamenti complessi, documentino efficacemente il codice e generino implementazioni guidate dai test. Alla fine del capitolo, saprai progettare prompt che migliorano sia la qualità del codice generato sia il tuo workflow di sviluppo complessivo.

Exercise 1: Prompt engineering avanzato per l’assistenza alla scrittura di codice Exercise 2: Prompt per un debug efficace Exercise 3: Definizioni di ruolo efficaci Exercise 4: Documentare il codice con l'AI Exercise 5: Ottimizzare i prompt per la documentazione del codice

Esercizio in corso

Exercise 6: Messaggi di commit efficaci con l'AI Exercise 7: Scrivere test e mettere in sicurezza il codice con l’AI Exercise 8: Prompt per un coding assistito dall'AI in sicurezza Exercise 9: Individuare lacune nei test generati dall'AI

In questo capitolo vai oltre la scrittura dei prompt ed entri nelle realtà pratiche di esecuzione dell’AI in produzione. Esplora come confrontare e selezionare i modelli in base a prestazioni, costi e aderenza al task; come integrare guardrail che mantengano gli output sicuri e conformi; e come ottimizzare i workflow per l’efficienza senza sacrificare la qualità.

Exercise 1: Scegliere il miglior strumento di AI per il compito Exercise 2: Capire il costo degli assistenti AI Exercise 3: Valutare i compromessi dei modelli di reasoning Exercise 4: Guardrail per un uso responsabile dell'AI nel coding Exercise 5: Guardrail di sicurezza ed etica per un workflow di AI Exercise 6: Applicare guardrail di sicurezza a un workflow di AI Exercise 7: Ottimizzare l'AI per velocità, costi e qualità Exercise 8: Strategie efficaci per controllare il costo del modello Exercise 9: Bilanciare prestazioni del modello e costi Exercise 10: Congratulazioni!