每个开发人员都应该了解的代码生成提示技术

简介

有效的代码生成取决于掌握提示工程。 精心设计的提示指导大型语言模型 (LLM) 生成、改进和优化应用程序代码。本指南探讨了 15 种经过验证的提示技术，分为根源技术、基于细化的技术、基于分解的技术、基于推理的技术和启动技术。 我们将使用一个简单的 Flask Web 应用程序来说明每个应用程序，从基本的“Hello World”应用程序开始，并逐步增强它。

研究笔记：我们咨询了 aixrv.org 以了解新兴的提示技术。 在撰写本文时，除了此处介绍的方法之外，尚未发现任何新方法。 然而，即时工程是一个快速发展的领域，因此建议持续监控。

1。根源技术

这些基本的提示方法为简单的代码输出提供了直接的路径。

1.1。直接指令提示

• 概述：简洁的命令，没有额外的细节。

• 提示示例：“创建一个最小的 Python Flask 应用程序，显示“Hello World！”在根 URL 处。”

• 生成的代码（概念）：（与原始示例类似的代码片段将出现在此处）

• 为什么有效：足以完成较小的任务。 为后续增强提供基础。

1.2。基于查询的提示

• 概述：提出问题以引发解释性响应和/或代码。

• 提示示例：“如何构建一个返回“Hello World!”的基本 Flask 应用程序在主页上？”

• 生成的响应（概念）：模型可能会提供代码和每个步骤的解释。

• 为什么有效：鼓励法学硕士提供更多信息。

1.3。基于示例的提示

• 概述：提供所需样式或格式的示例。

• 提示示例：“这是一个简单的 Node.js Express 'Hello World' 服务器：[Node.js 代码]。创建一个类似的 Flask 'Hello World' 服务器。”

• 为什么有效：模型反映了结构和风格，确保了一致性。 比直接指导更精确。

2。基于细化的技术

这些技术专注于迭代改进现有代码。

2.1。迭代细化提示

• 概述：逐步改进初始解决方案。

• 提示顺序：

  1. “生成一个最小的 Flask 应用程序，返回‘Hello World！’”
  2. “修改此应用程序以包含一个通过名称向用户致意的 /hello/<name> 端点。”

• 精炼代码片段（概念）：（显示添加端点的代码片段将出现在此处）

• 为什么有效：基于现有代码构建，允许增量改进。

2.2。扩展提示

• 概述：向现有代码添加新功能。

• 提示示例：“将端点添加到 Flask 应用程序，该应用程序返回带有示例用户列表的 JSON 响应。”

• 精炼的代码片段（概念）：（新端点的代码片段将出现在此处）

• 为什么有效： 针对特定功能，允许集中模型注意力。

2.3。样式/格式转换

• 概述：修改代码样式（例如，PEP 8 合规性）。

• 提示示例：“重构 Flask 应用程序以遵守 PEP 8 命名约定并将行长度限制为 79 个字符。”

• 为什么有效：系统地应用样式偏好。

3。基于分解的技术

这些技术将大任务分解为更小、更易于管理的步骤。

3.1。逐个函数分解

• 概述：将任务分成子功能或模块。

• 提示示例：

  1. “创建一个函数 init_db() 来初始化 SQLite 数据库。”
  2. “创建 insert_user(name) 以将用户添加到数据库。”
  3. “创建 get_all_users() 以检索所有用户。”

• 结果（概念）：（三个函数的代码片段将出现在此处）

• 它的工作原理：将大型任务组织成模块化、可维护的组件。

3.2。基于块的提示

• 概述：提供部分代码并要求模型完成缺失的部分。

• 提示示例：“通过添加添加和检索用户的路由来完成下面的 Flask 应用：[部分代码片段]”

• 为什么有效：将模型集中在特定的差距上，确保代码内聚性。

3.3。分步说明

• 概述：枚举子任务或逻辑步骤。

• 提示示例：

  1. “导入必要的库。”
  2. “设置数据库初始化。”
  3. “使用 insert_user() 创建一条添加用户的路由。”
  4. “使用 get_all_users() 创建一条列出用户的路由。”

• 为什么有效：使代码生成过程透明并确保正确的操作顺序。

4。基于推理的技术

这些提示鼓励模型在提供代码之前阐明其推理过程。

4.1。思维链提示

• 概述：请求推理过程的逐步解释。

• 提示示例：“解释如何逐步向 Flask 应用添加身份验证，然后提供代码。”

• 为什么有效：鼓励提供清晰的解决方案，从而产生更连贯的代码。

4.2。零射击思想链

• 概述：要求模型在没有示例的情况下推理问题。

• 提示示例：“解释您为 Flask 选择的密码哈希库，并显示集成它以供用户注册的代码。”

• 为什么有效：促进彻底的库选择和使用方法。

4.3。少镜头思维链

• 概述：在提出新问题之前提供推理示例。

• 提示示例：“[登录系统的分步推理示例]。使用此方法，添加安全存储新用户凭据的 /register 路由。”

• 为什么有效：为新问题提供一致的逻辑应用框架。

5。启动技巧

这些技术使用添加的上下文来影响代码风格和领域知识。

5.1。基于角色的提示

• 概述：指示模型采用特定角色（例如安全专家）。

• 提示示例：“您是一名专注于安全的高级 Python 后端开发人员。生成安全的 Flask 用户注册路径。”

• 为什么有效：根据角色的专业知识定制解决方案，通常包括安全最佳实践。

5.2。骨架（模板）底漆

• 概述： 提供带有占位符的模板以供模型填充。

• 提示示例：“完成此 Flask 应用模板以实现用户登录表单：[带有占位符的 Flask 模板]”

• 它的工作原理：将模型约束到特定框架。

5.3。参考-重启动

• 概述：提供供模型使用的文档或数据模式。

• 提示示例：“使用此 SQLAlchemy 文档 [链接]，更新 Flask 应用程序路由以使用 SQLAlchemy 模型而不是原始 SQL。”

• 为什么有效：允许专业知识集成，确保准确和最新的代码。

结论

这 15 种技术系统地指导使用 LLM 进行代码开发和优化。 根源技术建立基础，细化技术增强基础，分解技术管理复杂性，推理技术提高清晰度，启动技术添加上下文。 尝试组合以获得最佳结果。 请记住，即时工程是一个不断发展的领域，因此持续学习和适应是关键。

以上是每个开发人员都应该了解的代码生成提示技术的详细内容。更多信息请关注PHP中文网其他相关文章！