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 merkt dat al die kennis in jouw hoofd zit. Je besluit een AI-assistent te gebruiken om de codebase te 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
- Geef het model de opdracht om **docstrings toe te voegen** 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 optioneel voorbeelden.
Praktische interactieve oefening
Zet theorie om in actie met een van onze interactieve oefeningen.
Begin met trainen