Prompts optimaliseren voor codedocumentatie
Je werkt al lang bij de bank en onderhoudt al jaren een grote Python-codebase. Er komt nu een nieuwe stagiair bij, en je beseft dat al die kennis alleen in jouw hoofd zit. Je besluit een AI-assistent te gebruiken om de codebase te gaan documenteren.
Om te testen of dit haalbaar is, begin je met één functie, opgeslagen in interest.py, een bestand dat het LLM kan lezen en gebruiken:
def calculate_interest(balance, rate, years):
return balance * (1 + rate) ** years
Deze oefening maakt deel uit van de cursus
AI-ondersteund coderen voor developers
Oefeninstructies
- Laat het model **docstrings toevoegen** aan de functie, **specificeer een standaard** (bijv. Google-stijl docstrings) en **vereis secties** voor het doel van de functie, argumenten (namen/typen), het returntype en eventueel voorbeelden.
Interactieve oefening met praktijkervaring
Zet theorie om in actie met een van onze interactieve oefeningen
Begin oefening