GreenGrid 的一位同事送出了一個 pull request,為監控 pipeline 新增批次警示函式。終端機顯示了程式碼差異。合併之前,你想請 AI 檢視這段程式碼的可讀性、可維護性,以及可能的錯誤。
你的任務: 使用 AI 聊天來審查這個 pull request 的差異。特別注意任何建議是否會改變函式的行為。
在檢視 AI 的建議後,哪一項是修正了真正的錯誤,而不只是風格偏好?
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
探索如何透過 AI 輔助來理解正式環境的程式碼、找出瓶頸,並最佳化資料結構以提升效能。
學習使用 AI 來建立測試套件、進行安全性審查,以及在正式環境的程式碼庫中管理相依套件。
將 AI 應用於以組態驅動的設計、資料庫綱要對應與查詢最佳化,以及協作式開發流程。
當前練習