5 Strategien zur Verbesserung Ihres KI-Code-Assistenten

Open-Source-App für China, loslegen! Dies ist eine brandneue Version, die Sie noch nie zuvor gesehen haben.“

Entwickler-Befürworter Rizel Scarlett erklärt im InfoBip Shift dieser Woche, wie man KI-Codierungsassistenten effektiver und effizienter macht.

Übersetzt aus „5 Strategies for Better Results from an AI Code Assistant“ , Autorin Loraine Lawson.

Wie alle GenAI ist Copilot nicht deterministisch, was bedeutet, dass ihre Ergebnisse variieren können. Laut Rizel Scarlett, einem Entwicklerbefürworter, der kürzlich auch an GitHub Copilot können Entwickler beim Einsatz von KI-Code-Assistenten jedoch Hint Engineering nutzen, um die KI für bessere Ergebnisse zu optimieren und anzuleiten.

Scarlett ist jetzt Mitarbeiter-Entwickler-Befürworter bei TBD , einer von Block betriebenen Geschäftseinheit, die Open-Source-Plattformen und Protokolle für den internationalen Währungsaustausch entwickelt. Auf der dieswöchigen InfoBip Shift-Konferenz in Miami stellte sie fünf Strategien zur Verbesserung der Copilot-Ergebnisse vor.

Zunächst bereitete sie eine Szene vor: Sie forderte das Publikum auf, sich einen Entwickler namens Dawson vorzustellen, der an einem leichten Fall des Imposter-Syndroms leidet. Zum Glück für Dawson hat sie einen Freund, der ihr helfen kann – einen Entwickler und Zeitreisenden namens Phil aus Disneys Phil of the Future , allerdings ist er erwachsen.

Dawson hatte ein Problem: Sie musste ein Authentifizierungsprogramm erstellen, wusste aber nicht wie und war sich nicht sicher, wie sie Copilot tatsächlich nutzen sollte, um ihr zu helfen, sagte Scarlett. Phil stammt aus dem 22. Jahrhundert, als KI-Assistenten die Norm waren. Er half ihr beim Einstieg mit fünf Strategien, die Copilot dazu veranlassten.

Strategie 1: High-Level-Konzepte bereitstellen

Der erste Schritt besteht darin, GPT einen Hintergrund auf hohem Niveau bereitzustellen. In ihrem Szenario demonstriert Phil den Aufbau eines Markdown-Editors. Da Copilot den Kontext nicht kennt, muss er ihn bereitstellen, und zwar durch große prompte Kommentare mit Schritt-für-Schritt-Anleitungen. Beispielsweise sagte er zu Copilot: „Stellen Sie sicher, dass wir Fett-, Kursiv- und Aufzählungszeichen unterstützen“ und „Können Sie React mit dem React-Markdown-Paket verwenden?“ Diese Aufforderung ermöglichte es Copilot, einen voll funktionsfähigen, aber nicht aufgelösten Markdown-Editor zu erstellen.

Strategie 2: Geben Sie Details an

Scarlett schlug vor, Copilot als nächstes spezifische Details mitzuteilen.

„Wenn er eine Spalte schreibt, in der es heißt: Daten von einer API abrufen , weiß GitHub Copilot möglicherweise nicht, was er wirklich tun möchte, und es werden möglicherweise keine optimalen Ergebnisse erzielt. Es weiß nicht, von welchen Daten er Daten erhalten möchte. und es weiß nicht, was es tun soll. „Nichts zurückgeben“, sagte Scarlett. „Stattdessen können Sie einen spezifischeren Kommentar schreiben, der die JSON-Platzhalter-API verwendet, die Benutzer-ID übergibt und den Benutzer als JSON-Objekt zurückgibt. Auf diese Weise können wir optimiertere Ergebnisse erzielen.“

Strategie 3: Beispiele liefern

Scarlett sagte, es seien drei Begriffe zu verstehen, wenn man KI-Beispiele liefert:

Beim Zero-Shot-Lernen wird erwartet, dass das Modell korrekte Vorhersagen für Aufgaben trifft, für die es noch nie explizit trainiert wurde. Ein Beispiel für eine Person, die versucht, ein Videospiel zu gewinnen, ohne es zu spielen, aber dabei Strategien anwendet, die Spieler aus früheren Videospielen gelernt haben.
Geben Sie der KI jeweils ein Beispiel, um jeweils zu lernen. Die Konsequenz daraus ist, dass man nach einem Match im Spiel davon ausgehen kann, dass man in der Lage ist, jede Rolle geschickt zu spielen und jeden Gegner zu besiegen.
Für das Lernen mit wenigen Schüssen wird das Modell mit einer kleinen Reihe von Beispielen gefüttert. Es ist, als würde man in einem neuen Spiel zwei bis fünf Missionen spielen und das Spiel dann hoffentlich vollständig meistern.

Strategie 4: Halten Sie ein paar Tabs offen

Das mag etwas überraschend sein, aber wenn ein oder zwei Tabs im Editor geöffnet bleiben, kann GitHub Copilot den Kontext aus den Tabs abrufen. Sie warnt davor, dass zu viele offene Tabs die Qualität der Empfehlungen von Copilot beeinträchtigen können.

Strategie 5: Copilot-Chat nutzen

Unsere Heldin Dawson mag die Vorschläge und Ergebnisse, aber sie möchte eigentlich Feedback zum Code. Laut Scarlett verfügt Copilot über eine Chat-Funktion, mit der Aufgaben wie das Beheben von Fehlern, das Formatieren von Daten, das Refactoring von Code, das Testen von Code und das Generieren von Tests ausgeführt werden können. Es könne darum gebeten werden, etwaige Fehler zu identifizieren, sagte sie, und dann gebeten werden, eine kurze Erklärung abzugeben und eine Lösung anzubieten. Anschließend demonstrierte sie, wie sie GitHub Copilot aufforderte, einen Test mit dem Open-Source-JavaScript-Testframework Jest zu generieren . ( Microsofts Copilot bietet auch eine Chat-Schnittstelle.)

Scarlett fügte hinzu, dass Entwickler durch den Einsatz von Copilot mehr als nur die Produktivität steigern können. Sie sagte, Copilot könne auch die psychologische Sicherheit fördern, insbesondere für unerfahrene Entwickler oder andere, die zum Hochstapler-Syndrom neigen . "

Leider ist die Wahrheit, dass psychologische Sicherheit am Arbeitsplatz nicht immer üblich ist, insbesondere in älteren Unternehmen und insbesondere bei Minderheiten“, sagte sie. „Einsteiger können sich mit Copilot sicher fühlen, weil es als Begleiter dienen kann und uns Ideen liefert, wenn wir a.“ neues Werkzeug zum ersten Mal.

Dieser Artikel wurde zuerst auf Yunyunzhongsheng ( https://yylives.cc/ ) veröffentlicht, jeder ist herzlich willkommen.