学习 AI 模型如何通过补全、调试和文档生成来增强编码能力。掌握提示工程基础，并了解上下文如何让 AI 的回答更智能。本章为将 AI 作为实用编码助手奠定基础。

AI 辅助编码范式

将 AI 模型与任务匹配

分类 AI 工作负载

提示工程基础

用正确的提示解读函数

为代码更改优化提示词

通过补充上下文让 AI 回答更智能

在编码任务中选择合适的上下文

用提示迭代改进代码

激活 AI 在代码中的力量

学习如何编写提示，引导模型进行复杂推理、高效生成代码文档，并产出以测试为驱动的实现。完成本章后，您将能设计提示，既提升生成代码的质量，也优化整体开发工作流。

用于编码辅助的高级提示工程

用于高效调试的提示词

有效的角色定义

使用 AI 编写代码文档

为代码文档优化提示词

用 AI 生成高质量提交信息

使用 AI 编写测试并加固代码

用于安全 AI 辅助编码的提示词

识别 AI 生成测试中的缺口

面向真实编码任务的提示工程

本章将超越提示编写，聚焦在生产环境中运行 AI 的实际问题。您将探索如何基于性能、成本与任务匹配度对模型进行对比与选择；如何设置护栏以确保输出安全合规；以及如何在不牺牲质量的前提下优化工作流以提升效率。

为任务挑选最合适的 AI 工具

理解 AI 助手的成本

Options

Pros

Cons

评估推理模型的权衡

负责任的 AI 编码防护栏

AI 工作流的安全与伦理护栏

应用护栏

为 AI 工作流应用安全护栏

为速度、成本与质量优化 AI

控制模型成本的高效策略

选项

可用常规（更便宜）模型

需要强大模型

在性能与成本之间取得平衡

恭喜您！

构建稳健的 AI 编码工作流

了解如何用 AI 全面提升您的编码效率。本课程介绍提示工程技巧，帮助您编写更整洁的代码、更快地调试、生成文档，并提升应用安全性。您将学习如何撰写精确的提示、选择合适的 AI 工具，并构建安全且具性价比的编码工作流。完成课程后，您将能把 AI 融入实际开发任务，显著简化日常工作。课程适合希望将 AI 作为编码伙伴的开发者。

  <h2>用 AI 更聪明地编写代码</h2>
  人工智能正在改变开发者编写、调试和维护代码的方式。 从生成函数到改进文档和捕捉错误，AI 编码助手可以显著提升生产力——前提是您知道如何有效地提示它们。 本课程将向你传授用于编程的提示工程艺术与科学，帮助你掌握负责任且高效地运用 AI 的工具。<br>

  <h2>释放 AI 在开发中的强大力量</h2>
  你将首先探索大型语言模型（LLMs）如何支持软件开发。 学习提示工程的基础知识，了解上下文如何影响 AI 输出，以及如何通过迭代优化提示词来获得更准确、更可靠的结果。<br>

  <h2>将提示工程应用于真实世界的编码任务</h2>
  接下来，你将实践用于调试、文档编写和测试生成的高级提示策略。 你还将了解如何引导模型提升安全性，确保你的 AI 辅助工作流程避免常见漏洞，并支持软件开发中的最佳实践。<br>

  <h2>构建稳健且负责任的代码</h2>
  最后，你将评估不同模型，为每项任务选择合适的工具，平衡速度、成本和质量，并应用护栏以确保安全、合乎伦理地使用 AI。 最终，您将能够安全地利用由 AI 驱动的编码助手，并根据自身需求进行定制。

Intermediate Python

利用AI提升编程效率——指导助手高效编写、测试和记录代码。

面向开发者的 AI 辅助编码

用 AI 提升编码效率——引导你的编码助手高效编写、测试和记录代码。

软件工程中的 AI

GitHub Copilot Fundamentals (GH-300)

提供清晰的解释，有助于代码透明性。

通过 Chain-of-Thought（CoT，链式思维）过程促使回复更准确。

由于推理会增加额外的 tokens，导致总体成本上升。

因生成额外的推理 tokens，响应时间会略有增加。

评估推理模型的权衡

面向开发者的 AI 辅助编码

动手互动练习