Kejuruteraan Segera (Untuk Pengaturcara Malas): Mendapatkan Kod yang Anda Mahukan (dan Lebih Banyak Lagi, Daripada ChatGPT)

Bill Gates telah mengatakan semuanya... jadilah pengaturcara yang malas!.

Sebagai pengaturcara, tiada apa-apa yang lebih baik daripada kod yang berfungsi terus sahaja—tiada pepijat, tiada penyahpepijatan tanpa henti. dengan mengikuti teknik gesaan tertentu, anda boleh meminta ChatGPT menulis bukan sahaja kod, tetapi kod yang dioptimumkan, berfungsi sepenuhnya dan didokumenkan, lengkap dengan kes tepi, ujian dan juga pengoptimuman prestasi.

Tetapi pertama...

Apakah Kejuruteraan Prompt?

Kecerdasan Buatan, terutamanya ChatGPT, telah menjadi alat yang berkuasa untuk penciptaan kandungan, bantuan pengekodan dan menjawab soalan yang rumit. Namun, ramai orang tidak memanfaatkan potensi sepenuhnya. Keajaibannya terletak pada cara anda menyatakan permintaan anda—apa yang kami panggil kejuruteraan segera. Dalam artikel ini, kami akan meneroka teknik yang boleh menjadikan pengalaman ChatGPT anda lebih bermanfaat, menyerlahkan beberapa helah yang boleh membawa gesaan anda daripada sederhana kepada cemerlang, sebagai pengaturcara perisian.

Mengapa Kejuruteraan Segera Penting?

ChatGPT dilatih mengenai sejumlah besar data, tetapi responsnya dibentuk oleh kualiti gesaan yang anda berikan. Gesaan perkataan yang kurang tepat atau samar-samar boleh membawa kepada jawapan yang tidak relevan atau generik. Sebaliknya, gesaan yang tersusun dengan baik boleh menjana respons yang bernas, tepat dan kreatif.

Panduan ini akan membantu pengaturcara yang malas (seperti saya?) mendapatkan kod yang berkualiti tinggi, dioptimumkan dan lebih berfungsi daripada ChatGPT menggunakan kejuruteraan segera. Ini secara eksklusif akan menjadikan ChatGPT melakukan tugas berat—mengautomatikkan penjanaan kod, menambah baiknya dan juga mencadangkan pengoptimuman dan ujian. Di bawah, saya turut sertakan contoh yang membandingkan gesaan biasa berbanding gesaan yang dioptimumkan dan hasil yang dijana.

Jadi mari kita mulakan!.

Mencetuskan Penapisan Auto untuk Kod yang Lebih Baik

Minta ChatGPT untuk memperhalusi responsnya secara automatik dengan membenamkan pencetus untuk mengesan ketidakcekapan, mencadangkan pengoptimuman atau menambah ciri.

Gesaan asas: "Tulis fungsi Python untuk membalikkan rentetan."

def reverse_string(s):
    return s[::-1]

# Example usage:
print(reverse_string("hello"))  # Output: "olleh"

Gesaan yang dioptimumkan: "Tulis fungsi Python untuk membalikkan rentetan. Jika input terlalu besar atau tidak cekap, cadangkan cara yang lebih baik untuk mengendalikan rentetan besar dengan cekap."

def reverse_string(s):
    return s[::-1]

# Trigger: Refining for large strings
def reverse_large_string(s):
    # Handle large strings in chunks for efficiency
    chunk_size = 100000  # Process in 100k chunks
    return ''.join(s[i:i+chunk_size][::-1] for i in range(0, len(s), chunk_size))

# Example usage:
large_string = "a" * 1000000  # 1 million characters
print(reverse_large_string(large_string))

• Fungsi asas adalah mudah dan berfungsi untuk input kecil.

• Yang dioptimumkan, memperkenalkan penyelesaian berasaskan ketulan yang cekap untuk membalikkan rentetan besar tanpa menggunakan terlalu banyak memori.

Memori Kontekstual untuk Projek Berbilang Langkah

Apabila anda memerlukan kod untuk projek berbilang langkah, ChatGPT boleh mengingati langkah-langkah sebelumnya. Ini sesuai untuk aliran kerja yang lebih kompleks di mana anda membina satu lapisan di atas lapisan yang lain.

Gesaan asas: "Tulis fungsi Python untuk mencipta profil pengguna."

def reverse_string(s):
    return s[::-1]

# Example usage:
print(reverse_string("hello"))  # Output: "olleh"

Gesaan yang dioptimumkan: "Tulis fungsi Python untuk mencipta profil pengguna. Sekarang, lanjutkan ini untuk turut menyimpan pilihan pengguna dan sambungkannya dengan pangkalan data untuk menyimpan profil."

def reverse_string(s):
    return s[::-1]

# Trigger: Refining for large strings
def reverse_large_string(s):
    # Handle large strings in chunks for efficiency
    chunk_size = 100000  # Process in 100k chunks
    return ''.join(s[i:i+chunk_size][::-1] for i in range(0, len(s), chunk_size))

# Example usage:
large_string = "a" * 1000000  # 1 million characters
print(reverse_large_string(large_string))

• Fungsi pertama daripada gesaan asas mencipta profil pengguna yang ringkas.

• Gesaan kedua mencipta pengurus profil pengguna yang berkaitan dengan pangkalan data dengan fungsi lanjutan untuk menyimpan data.

Minta Mod Nyahpepijat untuk Kod Bebas Ralat

Anda boleh meminta ChatGPT untuk bertindak seolah-olah ia sedang berjalan dalam mod nyahpepijat, di mana ia menyemak dan membetulkan potensi isu dalam kod sebelum menyampaikan output akhir.

Contoh gesaan mudah: "Tulis fungsi Python untuk mengira punca kuasa dua nombor."

def create_user_profile(name, age, email):
    return {"name": name, "age": age, "email": email}

# Example usage:
user_profile = create_user_profile("Alice", 30, "alice@example.com")
print(user_profile)

Tipunya: "Tulis fungsi Python untuk mengira punca kuasa dua nombor. Aktifkan mod nyahpepijat untuk menyemak ralat seperti input negatif dan tulis semula fungsi itu jika perlu."

def create_user_profile(name, age, email, preferences):
    return {"name": name, "age": age, "email": email, "preferences": preferences}

# Extend with a database connection
import sqlite3

def save_user_profile(profile):
    conn = sqlite3.connect('users.db')
    cursor = conn.cursor()
    cursor.execute('''CREATE TABLE IF NOT EXISTS users
                      (name TEXT, age INTEGER, email TEXT, preferences TEXT)''')
    cursor.execute('''INSERT INTO users (name, age, email, preferences)
                      VALUES (?, ?, ?, ?)''', 
                   (profile['name'], profile['age'], profile['email'], str(profile['preferences'])))
    conn.commit()
    conn.close()

# Example usage:
user_profile = create_user_profile("Alice", 30, "alice@example.com", {"theme": "dark"})
save_user_profile(user_profile)

• Fungsi asas berfungsi dengan baik untuk input yang sah tetapi ranap dengan nombor negatif.

• Gesaan yang dioptimumkan memastikan pengendalian ralat untuk input negatif, mengembalikan mesej tersuai dan bukannya memecahkan kod.

Main Peranan: Bertindak sebagai Penyemak Kod

Anda boleh meminta ChatGPT memainkan peranan sebagai penyemak kod kanan untuk memberikan maklum balas dan mencadangkan amalan terbaik untuk kod anda.

Contoh gesaan: "Bertindak sebagai pembangun kanan dan semak fungsi Python saya yang menyemak sama ada nombor adalah prima. Cadangkan penambahbaikan untuk prestasi dan kebolehbacaan."

import math

def square_root(n):
    return math.sqrt(n)

# Example usage:
print(square_root(16))  # Output: 4.0

Gesaan menyampaikan versi yang lebih dioptimumkan, hanya menyemak nombor ganjil sehingga punca kuasa dua, yang meningkatkan prestasi secara mendadak.

Gunakan Prompting Berlapis untuk Output Berbilang Fungsi

Anda boleh menyusun lapisan kefungsian dalam satu gesaan, meminta ChatGPT mengendalikan berbilang tugasan yang berkaitan sekali gus.

Gesaan Asas: "Tulis fungsi Python untuk menjana kata laluan rawak."

import math

def square_root(n):
    if n 



<p><strong>Versi yang dioptimumkan :</strong> "Tulis fungsi Python untuk menjana kata laluan rawak. Kata laluan mesti memenuhi kriteria berikut: sekurang-kurangnya 12 aksara, mengandungi huruf besar, huruf kecil, nombor dan aksara khas. Juga, tulis fungsi pengesahan untuk menyemak sama ada kata laluan itu kuat."<br>
</p>

<pre class="brush:php;toolbar:false">def is_prime(n):
    if n 

• Gesaan asas menjana kata laluan rawak.

• Yang dioptimumkan memberikan penjana kata laluan yang kompleks dan termasuk fungsi pengesahan untuk menyemak kekuatan kata laluan.

Pembangunan Dipacu Ujian: Hasilkan Suite Ujian Lengkap

Anda boleh meminta ChatGPT menulis kod bersama-sama dengan suite ujian penuh sekali gus, memastikan kod anda sedia untuk pengeluaran dengan usaha yang minimum. (Jika anda mesti meminta bantuan, pastikan anda meminta banyak?).

Gesaan Asas: "Tulis fungsi Python untuk menyemak sama ada rentetan ialah palindrom."

def reverse_string(s):
    return s[::-1]

# Example usage:
print(reverse_string("hello"))  # Output: "olleh"

Mendapat lebih banyak: "Tulis fungsi Python untuk menyemak sama ada rentetan ialah palindrom. Selain itu, tulis suite ujian penuh menggunakan pytest dengan kes tepi seperti rentetan dan ruang kosong."

def reverse_string(s):
    return s[::-1]

# Trigger: Refining for large strings
def reverse_large_string(s):
    # Handle large strings in chunks for efficiency
    chunk_size = 100000  # Process in 100k chunks
    return ''.join(s[i:i+chunk_size][::-1] for i in range(0, len(s), chunk_size))

# Example usage:
large_string = "a" * 1000000  # 1 million characters
print(reverse_large_string(large_string))

• Versi asas menyemak palindrom tetapi terlepas sarung tepi.

• Helah tersembunyi bukan sahaja memperhalusi fungsi dengan mengabaikan ruang dan tanda baca tetapi juga menyediakan suite ujian yang komprehensif menggunakan pytest.

Dengan menguasai teknik ini, anda boleh mengekstrak kod berprestasi tinggi, bebas ralat dan sedia pengeluaran daripada ChatGPT, sambil melakukan kurang kerja. Dengan pemurnian automatik, pencetus memori, pengendalian ralat dan set ujian yang lengkap, anda akan membuat kod dengan lebih bijak, bukan lebih keras.

Atas ialah kandungan terperinci Kejuruteraan Segera (Untuk Pengaturcara Malas): Mendapatkan Kod yang Anda Mahukan (dan Lebih Banyak Lagi, Daripada ChatGPT). Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!