Prompt Engineering (für faule Programmierer): Erhalten Sie genau den Code, den Sie wollen (und noch mehr, aus ChatGPT)

Bill Gates hat alles gesagt: Seien Sie ein fauler Programmierer!.

Als Programmierer gibt es nichts Besseres als Code, der auf Anhieb funktioniert – keine Fehler, kein endloses Debuggen. Indem Sie bestimmte Eingabeaufforderungstechniken befolgen, können Sie ChatGPT dazu bringen, nicht nur Code, sondern optimierten, voll funktionsfähigen und dokumentierten Code zu schreiben, komplett mit Randfällen, Tests und sogar Leistungsoptimierungen.

Aber zuerst...

Was ist Prompt Engineering?

Künstliche Intelligenz, insbesondere ChatGPT, hat sich zu einem leistungsstarken Werkzeug für die Erstellung von Inhalten, die Codierungsunterstützung und die Beantwortung komplexer Fragen entwickelt. Dennoch schöpfen viele Menschen nicht das volle Potenzial aus. Der Zauber liegt in der Art und Weise, wie Sie Ihre Wünsche formulieren – das nennen wir Prompt Engineering. In diesem Artikel untersuchen wir Techniken, die Ihre ChatGPT-Erfahrung fruchtbarer machen können, und stellen einige Tricks vor, mit denen Sie als Softwareprogrammierer Ihre Eingabeaufforderungen von durchschnittlich zu brillant machen können.

Warum ist schnelles Engineering wichtig?

ChatGPT wird auf riesigen Datenmengen trainiert, seine Antworten werden jedoch von der Qualität der von Ihnen gegebenen Aufforderung beeinflusst. Schlecht formulierte oder vage Aufforderungen können zu irrelevanten oder allgemeinen Antworten führen. Umgekehrt können gut strukturierte Eingabeaufforderungen zu durchdachten, genauen und kreativen Antworten führen.

Dieser Leitfaden hilft faulen Programmierern (wie mir?), mithilfe von Prompt Engineering qualitativ hochwertigen, optimierten und noch funktionaleren Code von ChatGPT zu erhalten. Dadurch übernimmt ausschließlich ChatGPT die schwere Arbeit – die Codegenerierung zu automatisieren, zu verbessern und sogar Optimierungen und Tests vorzuschlagen. Unten habe ich auch Beispiele eingefügt, die die normalen Eingabeaufforderungen mit optimierten Eingabeaufforderungen und den von ihnen generierten Ergebnissen vergleichen.

Also fangen wir an!.

Auslösen automatischer Verfeinerungen für besseren Code

Bitten Sie ChatGPT, seine Antworten automatisch zu verfeinern, indem Sie Auslöser einbetten, um Ineffizienzen zu erkennen, Optimierungen vorzuschlagen oder Funktionen hinzuzufügen.

Grundlegende Eingabeaufforderung: „Schreiben Sie eine Python-Funktion, um eine Zeichenfolge umzukehren.“

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

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

Optimierte Eingabeaufforderung: „Schreiben Sie eine Python-Funktion, um eine Zeichenfolge umzukehren. Wenn die Eingabe zu groß oder ineffizient ist, schlagen Sie eine bessere Möglichkeit vor, große Zeichenfolgen effizient zu verarbeiten.“

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))

• Die Grundfunktion ist einfach und funktioniert für kleine Eingaben.

• Die Optimierung führt eine effiziente Chunk-basierte Lösung zum Umkehren großer Zeichenfolgen ein, ohne zu viel Speicher zu verbrauchen.

Kontextgedächtnis für mehrstufige Projekte

Wenn Sie Code für mehrstufige Projekte benötigen, kann sich ChatGPT frühere Schritte merken. Dies ist ideal für komplexere Arbeitsabläufe, bei denen Sie eine Ebene über einer anderen aufbauen.

Grundlegende Eingabeaufforderung: „Schreiben Sie eine Python-Funktion, um ein Benutzerprofil zu erstellen.“

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

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

Optimierte Eingabeaufforderung: „Schreiben Sie eine Python-Funktion, um ein Benutzerprofil zu erstellen. Erweitern Sie diese nun, um auch Benutzereinstellungen zu speichern, und verbinden Sie sie mit einer Datenbank, um die Profile zu speichern.“

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))

• Die erste Funktion der grundlegenden Eingabeaufforderung erstellt ein einfaches Benutzerprofil.

• Die zweite Eingabeaufforderung erstellt einen mit der Datenbank verbundenen Benutzerprofilmanager mit erweiterten Funktionen zum Speichern von Daten.

Fordern Sie den Debug-Modus für fehlerfreien Code an

Sie können ChatGPT bitten, sich so zu verhalten, als würde es im Debug-Modus laufen, wo es potenzielle Probleme im Code überprüft und korrigiert, bevor es die endgültige Ausgabe liefert.

Beispiel für eine einfache Eingabeaufforderung: „Schreiben Sie eine Python-Funktion, um die Quadratwurzel einer Zahl zu berechnen.“

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)

Der Trick: „Schreiben Sie eine Python-Funktion, um die Quadratwurzel einer Zahl zu berechnen. Aktivieren Sie den Debug-Modus, um nach Fehlern wie negativen Eingaben zu suchen, und schreiben Sie die Funktion bei Bedarf neu.“

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)

• Die Grundfunktion funktioniert gut für gültige Eingaben, stürzt jedoch bei negativen Zahlen ab.

• Die optimierte Eingabeaufforderung gewährleistet die Fehlerbehandlung bei negativen Eingaben und gibt eine benutzerdefinierte Nachricht zurück, anstatt den Code zu beschädigen.

Rollenspiele: Als Code-Reviewer fungieren

Sie können ChatGPT bitten, als leitender Codeprüfer eine Rolle zu spielen, um Feedback zu geben und Best Practices für Ihren Code vorzuschlagen.

Beispielaufforderung: „Trainieren Sie als leitender Entwickler und überprüfen Sie meine Python-Funktion, die prüft, ob eine Zahl eine Primzahl ist. Schlagen Sie Verbesserungen für Leistung und Lesbarkeit vor.“

import math

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

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

Die Eingabeaufforderung liefert eine optimiertere Version, bei der nur ungerade Zahlen bis zur Quadratwurzel überprüft werden, was die Leistung erheblich verbessert.

Verwenden Sie mehrschichtige Eingabeaufforderungen für Multifunktionsausgaben

Sie können Funktionsebenen in einer einzigen Eingabeaufforderung stapeln und ChatGPT bitten, mehrere verwandte Aufgaben auf einmal zu erledigen.

Grundlegende Eingabeaufforderung: „Schreiben Sie eine Python-Funktion, um ein zufälliges Passwort zu generieren.“

import math

def square_root(n):
    if n < 0:
        return "Error: Cannot calculate square root of a negative number"
    return math.sqrt(n)

# Debugged version handles errors properly.
# Example usage:
print(square_root(16))   # Output: 4.0
print(square_root(-16))  # Output: "Error: Cannot calculate square root of a negative number"

Optimierte Version: „Schreiben Sie eine Python-Funktion, um ein zufälliges Passwort zu generieren. Das Passwort muss die folgenden Kriterien erfüllen: mindestens 12 Zeichen, enthält Großbuchstaben, Kleinbuchstaben, Zahlen und Sonderzeichen. Schreiben Sie auch eine Validierungsfunktion, um zu überprüfen, ob das Passwort sicher ist.“

def is_prime(n):
    if n <= 1:
        return False
    if n == 2:
        return True
    if n % 2 == 0:
        return False
    # Only check odd numbers up to the square root of n for efficiency
    for i in range(3, int(n**0.5) + 1, 2):
        if n % i == 0:
            return False
    return True

# Review:
# - Optimised the loop to check divisibility only up to the square root of n.
# - Reduced checks for even numbers to improve performance for large inputs.

# Example usage:
print(is_prime(5))  # Output: True
print(is_prime(4))  # Output: False

• Die grundlegende Eingabeaufforderung generiert ein zufälliges Passwort.

• Die Optimierung bietet einen komplexen Passwortgenerator und eine Validierungsfunktion zur Überprüfung der Passwortstärke.

Testgetriebene Entwicklung: Generieren Sie eine vollständige Testsuite

Sie können ChatGPT bitten, den Code zusammen mit einer vollständigen Testsuite auf einmal zu schreiben, um sicherzustellen, dass Ihr Code mit minimalem Aufwand für die Produktion bereit ist. (Wenn Sie um Hilfe bitten müssen, stellen Sie sicher, dass Sie viel verlangen?).

Grundlegende Eingabeaufforderung: „Schreiben Sie eine Python-Funktion, um zu überprüfen, ob eine Zeichenfolge ein Palindrom ist.“

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

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

Weitere Informationen: „Schreiben Sie eine Python-Funktion, um zu überprüfen, ob eine Zeichenfolge ein Palindrom ist. Schreiben Sie außerdem eine vollständige Testsuite mit pytest mit Randfällen wie leeren Zeichenfolgen und Leerzeichen.“

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))

• Die Basisversion prüft auf Palindrome, lässt aber Randfälle außer Acht.

• Der versteckte Trick verfeinert nicht nur die Funktion durch das Ignorieren von Leerzeichen und Satzzeichen, sondern bietet auch eine umfassende Testsuite mit Pytest.

Durch die Beherrschung dieser Techniken können Sie leistungsstarken, fehlerfreien und produktionsbereiten Code aus ChatGPT extrahieren, und das alles bei geringerem Arbeitsaufwand. Mit automatischen Verfeinerungen, Speichertriggern, Fehlerbehandlung und vollständigen Testsuiten programmieren Sie intelligenter und nicht schwieriger.

Das obige ist der detaillierte Inhalt vonPrompt Engineering (für faule Programmierer): Erhalten Sie genau den Code, den Sie wollen (und noch mehr, aus ChatGPT). Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!