公司現在想在內部更廣泛使用 LLM,而你想確保為各種工作挑選到合適的模型。你的同事仰賴 AI 來重構程式碼、診斷效能問題,以及產生客戶報告。不過,並非每個任務都需要同樣的「腦力」或成本。
為了幫你選出最佳模型,你請同事分享他們交給 AI 模型的任務範例,這些任務會用來找出、修正並回報軟體效率不佳的情況。接著你就能依照模型需要負擔的能力來進行分類。
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
了解 AI 模型如何透過補全、除錯與文件化來強化開發。掌握提示工程的基礎,並認識脈絡如何讓 AI 回應更聰明。本章將為你奠定把 AI 作為實用開發助理的基礎。
當前練習
學習如何設計提示,帶領模型進行複雜推理、有效撰寫程式文件,並以測試導向方式生成實作。完成本章後,你將能設計提示,同時提升產生程式碼的品質與整體開發流程。
本章將超越撰寫提示,聚焦在 AI 上線與營運的實務。探索如何依效能、成本與任務適配性比較並選擇模型;如何加入防護規範以確保輸出安全且符合法規;以及如何在不犧牲品質的前提下最佳化流程效率。