ホームページ >バックエンド開発 >Python チュートリアル >コード生成に関してすべての開発者が知っておくべきプロンプトテクニック

コード生成に関してすべての開発者が知っておくべきプロンプトテクニック

Patricia Arquette
Patricia Arquetteオリジナル
2025-01-20 14:13:10975ブラウズ

Prompting Techniques Every Developer Should Know for Code Generation

はじめに

効果的なコード生成は、プロンプト エンジニアリングを習得するかどうかにかかっています。 巧妙に作成されたプロンプトは、大規模言語モデル (LLM) をガイドして、アプリケーション コードを生成、改善、最適化します。このガイドでは、ルート、洗練ベース、分解ベース、推論ベース、プライミング テクニックに分類された 15 の実証済みのプロンプト テクニックについて説明します。 シンプルな Flask Web アプリケーションを使用してそれぞれを説明します。基本的な「Hello World」アプリから始めて、段階的に拡張していきます。

調査メモ: 新しいプロンプト手法については aixrv.org を参照しました。 執筆時点では、ここで紹介したものを超える新しいアプローチは確認されていません。 ただし、プロンプト エンジニアリングは急速に進化している分野であるため、継続的にモニタリングすることをお勧めします。

1.ルートテクニック

これらの基本的なプロンプト メソッドは、単純なコード出力への直接的なパスを提供します。

1.1.直接指示のプロンプト

  • 概要: 余分な詳細を省いた簡潔なコマンド。

  • プロンプトの例: 「「Hello World!」を表示する最小限の Python Flask アプリを作成します。ルート URL にあります。"

  • 生成されたコード (概念的): (元の例と同様のコード スニペットがここに表示されます)

  • 機能する理由: 小規模なタスクには十分です。 その後の機能強化のための基盤を提供します。

1.2.クエリベースのプロンプト

  • 概要: 説明的な応答やコードを引き出すために質問を投げかけます。

  • プロンプトの例: 「「Hello World!」を返す基本的な Flask アプリを構築するにはどうすればよいですか?ホームページで?"

  • 生成された応答 (概念): モデルは、コード 各ステップの説明を提供する場合があります。

  • なぜ機能するのか: LLM からのより有益な応答を奨励します。

1.3.例ベースのプロンプト

  • 概要: 希望のスタイルまたは形式のサンプルを提供します。

  • プロンプトの例: 「これは単純な Node.js Express 'Hello World' サーバーです: [Node.js コード]。同様の Flask 'Hello World' サーバーを作成します。」

  • なぜ機能するのか: モデルは構造とスタイルを反映し、一貫性を確保します。 直接指導するよりも正確です。

2.改良ベースのテクニック

これらの手法は、既存のコードを反復的に改善することに重点を置いています。

2.1.反復改良プロンプト

  • 概要: 初期ソリューションを段階的に改善します。

  • プロンプトシーケンス:

    1. 「「Hello World!」を返す最小限の Flask アプリを生成します。"
    2. 「このアプリを変更して、ユーザーを名前で挨拶する /hello/<name> エンドポイントを含めます。」
  • 洗練されたコード スニペット (概念): (追加されたエンドポイントを示すコード スニペットがここに表示されます)

  • 機能する理由: 既存のコードに基づいて構築され、段階的な改善が可能です。

2.2.拡張機能のプロンプト

  • 概要: 既存のコードに新しい機能を追加します。

  • プロンプトの例: 「サンプル ユーザーのリストを含む JSON 応答を返す Flask アプリにエンドポイントを追加します。」

  • 洗練されたコード スニペット (概念): (新しいエンドポイントのコード スニペットがここに表示されます)

  • 機能する理由: 特定の機能をターゲットにし、モデルの注目を集中させることができます。

2.3.スタイル/書式変換

  • 概要: コード スタイルの変更 (PEP 8 準拠など)​​。

  • プロンプトの例: 「PEP 8 命名規則に準拠し、行の長さを 79 文字に制限するように Flask アプリをリファクタリングします。」

  • 機能する理由: スタイル設定を体系的に適用します。

3.分解ベースのテクニック

これらのテクニックは、大きなタスクをより小さく管理しやすいステップに分割します。

3.1.関数ごとの分解

  • 概要: タスクをサブ関数またはモジュールに分割します。

  • プロンプトの例:

    1. 「SQLite データベースを初期化する関数 init_db() を作成します。」
    2. insert_user(name) を作成してデータベースにユーザーを追加します。」
    3. 「すべてのユーザーを取得するには、get_all_users() を作成します。」
  • 結果 (概念的): (3 つの関数のコード スニペットがここに表示されます)

  • 機能する理由: 大規模なタスクをモジュール式の保守可能なコンポーネントに整理します。

3.2.チャンクベースのプロンプト

  • 概要: 部分的なコードを提供し、欠落しているセクションを補完するようモデルに要求します。

  • プロンプトの例: "ユーザーを追加および取得するルートを追加して、以下の Flask アプリを完成させます: [部分コード スニペット]"

  • なぜ機能するのか: モデルを特定のギャップに集中させ、コードの一貫性を確保します。

3.3.詳しい手順

  • 概要: サブタスクまたは論理ステップを列挙します。

  • プロンプトの例:

    1. 「必要なライブラリをインポートします。」
    2. 「データベースの初期化を設定します。」
    3. insert_user()を使用してユーザーを追加するルートを作成します。」
    4. get_all_users()を使用してユーザーをリストするルートを作成します。」
  • なぜ機能するのか: コード生成プロセスを透過的にし、正しい操作順序を確保します。

4.推論ベースのテクニック

これらのプロンプトは、コードを提供する前にモデルが推論プロセスを明確にすることを促します。

4.1.思考連鎖のプロンプト

  • 概要: 推論プロセスの段階的な説明を要求します。

  • プロンプトの例: 「Flask アプリに認証を追加する方法を段階的に説明し、コードを提供します。」

  • なぜ機能するのか: ソリューションへの明確な道筋を奨励し、より一貫性のあるコードを生成します。

4.2.ゼロショットの思考連鎖

  • 概要: 例を使用せずにモデルに問題を推論するように依頼します。

  • プロンプトの例: 「Flask 用のパスワード ハッシュ ライブラリの選択を説明し、それをユーザー登録用に統合するコードを示してください。」

  • なぜ機能するのか: ライブラリの選択と使用に対する徹底的なアプローチを促進します。

4.3.少数ショットの思考連鎖

  • 概要: 新しい問題を提示する前に推論の例を提供します。

  • プロンプトの例: "[ログイン システムの段階的な推論の例]。このアプローチを使用して、新しいユーザーの資格情報を安全に保存する /register ルートを追加します。"

  • なぜ機能するのか: 新しい問題に一貫した論理的適用のためのフレームワークを提供します。

5.プライミングテクニック

これらの手法では、追加のコンテキストを使用して、コード スタイルとドメインの知識に影響を与えます。

5.1.ペルソナベースのプロンプト

  • 概要: 特定の役割 (セキュリティ専門家など) を採用するようにモデルに指示します。

  • プロンプトの例: 「あなたはセキュリティを専門とする上級 Python バックエンド開発者です。安全な Flask ユーザー登録ルートを生成します。」

  • なぜ機能するのか: セキュリティのベスト プラクティスを含む、ペルソナの専門知識に合わせてソリューションを調整します。

5.2.スケルトン (テンプレート) プライミング

  • 概要: モデルを埋めるためのプレースホルダーを含むテンプレートを提供します。

  • プロンプトの例: 「ユーザー ログイン フォームを実装するには、この Flask アプリ テンプレートを完成させます: [プレースホルダー付きの Flask テンプレート]」

  • なぜ機能するのか: モデルを特定のフレームワークに制約します。

5.3.リファレンスヘビープライミング

  • 概要: モデルが利用するドキュメントまたはデータ スキーマを提供します。

  • プロンプトの例: 「この SQLAlchemy ドキュメント [リンク] を使用して、生の SQL の代わりに SQLAlchemy モデルを使用するように Flask アプリのルートを更新します。」

  • 機能する理由: 専門知識の統合が可能になり、正確で最新のコードが保証されます。

結論

これらの 15 のテクニックは、LLM を使用したコード開発と最適化を体系的にガイドします。 ルートテクニックはベースを確立し、洗練テクニックはそれを強化し、分解テクニックは複雑さを管理し、推論テクニックは明瞭さを改善し、プライミングテクニックはコンテキストを追加します。 最適な結果を得るために組み合わせを試してください。 プロンプト エンジニアリングは進化する分野であるため、継続的な学習と適応が重要であることを忘れないでください。

以上がコード生成に関してすべての開発者が知っておくべきプロンプトテクニックの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

声明:
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。
前の記事:PyTorch の CenterCrop次の記事:PyTorch の CenterCrop