AI 编码助⼿《通义灵码》的8个使用技巧

hhzz

已于 2024-10-15 08:35:51 修改

阅读量1.5k

点赞数 12

分类专栏： AI-LLM相关文章标签：人工智能通义灵码

于 2024-10-09 08:45:48 首次发布

本文链接：https://blog.csdn.net/weixin_43025151/article/details/142773820

版权

AI-LLM相关专栏收录该内容

12 篇文章

订阅专栏

文章目录

一、概要

近期，通义灵码已经⼊职阿⾥云成为AI 001号员⼯，它熟练掌握Java、Python、Go、JavaScript、TypeScript、C/C++、C#等200多种编程语⾔，覆盖主流 IDE端。每天有数百万⾏代码被采纳，⽣成代码超过 2000万次，已经发展成为国内使⽤规模最⼤的AI编码助⼿。然⽽，如何充分挖掘通义灵码的潜⼒，确保其精准洞悉并满⾜你的编程需求？本⽂揭示与通义灵码默契沟通、输出prompt的⼋⼤技巧，帮助开发者跟AI编码助⼿⾼效互动，释放AI潜能。

二、技巧1：使⽤明确、精准的语⾔

技巧：避免模糊、冗余或含糊的表述，确保指令清晰、⽆歧义，尽量精准简短。

Bad Case：尝试创建⼀个程序，能处理⼀些数字计算任务。
Good Case：编写⼀个Python程序，实现对两个浮点数进⾏加、减、乘、除四则运算，并提供⽤户友好的命令⾏界⾯。

三、技巧2：提供具体的输⼊/输出示例

技巧：在与通义灵码交互时，务必提供实际的输⼊数据和预期输出结果，以帮助灵码直观理解你的测试⽤例需求，确保其⽣成的代码能准确覆盖所需测试场景。

Bad Case：编写⼀个测试⽤例，验证⼀个反转字符串函数的⾏为。

Good Case：

  测试函数名称： test_reverse_string
  输⼊数据：待反转字符串： "Hello, World!"
  预期输出：函数返回结果： "!dlroW ,olleH"

在这个改进案例中，我们不仅指定了测试函数名称，还提供了待反转字符串 “Hello, World!” 作为输⼊数据，以及期望的反转结果 “!dlroW ,olleH” 。这种明确、具体的输⼊/输出示例有助于通义灵码准确理解测试意图，从⽽⽣成符合要求的测试代码，确保字符串反转函数的功能得到正确验证。

四、技巧3：明确数据类型和格式要求

详细说明输⼊参数、返回值以及中间结果的数据类型、结构和格式。

Bad Case：编写⼀个函数，处理⼀串数字。
Good Case：编写⼀个名为sum_of_even_numbers的函数，接受⼀个类型为List[int]的参数numbers，返回列表中所有偶数之和。返回值应为int`类型。

该案例清晰指定了函数的输⼊参数类型（整数列表）和返回值类型（整数），确保编写者明确了解函数应接收何种格式的数据作为输⼊，以及最终应返回何种形式的结果。这种详细的说明有助于避免因数据类型或格式误解导致的代码错误，确保函数实现的准确性与⼀致性。

五、技巧4：描述异常情况及处理⽅式

指出可能遇到的异常情况及期望的错误处理策略。

Bad Case：编写⼀个函数，读取指定路径下的CSV⽂件，并将其内容转换为DataFrame。
Good Case：编写⼀个名为read_csv_to_dataframe的函数，接受⼀个类型为str的参数ﬁle_path，表示要读取的CSV⽂件路径。函数应尝试打开并解析该⽂件，将其内容转换为Pandas DataFrame对象并返回。在处理过程中，考虑并妥善处理以下异常情况：

FileNotFoundError：当指定的⽂件路径不存在时，抛出FileNotFoundError并附带提⽰信息，如：“指定的CSV⽂件路径不存在：{file_path}”。
PermissionError：如果⽤户没有⾜够的权限访问或读取⽂件，抛出PermissionError并附带提⽰信息，如：“⽆权访问指定的CSV⽂件：{file_path}”。
UnicodeDecodeError：如果CSV⽂件包含⽆法正确解码的字符，尝试使⽤chardet库检测⽂件编码，然后使⽤正确的编码重新读取。如果仍⽆法成功解码，抛出UnicodeDecodeError并附带提⽰信息，如：“⽆法解码CSV⽂件（可能编码不正确）：{file_path}”。
csv.Error：在解析CSV⽂件内容时，如果遇到不符合CSV格式规范的情况（如缺失分隔符、嵌套引号等），捕获csv.Error异常，抛出并附带提⽰信息，如：“CSV⽂件格式错误：{file_path}”。
其他异常：对于未明确列举的其他异常，函数应捕获并抛出⼀个⾃定义的异常（如 CSVReadException），包含原始异常信息和⽂件路径，以便于调试和问题定位。例如：“读取CSV⽂件时发⽣未知错误（{original_exception_message}）：{file_path}”。
返回值：成功读取并转换为DataFrame的CSV⽂件内容。

六、技巧5：设定性能、资源或限制条件

明确提出时间复杂度、空间复杂度、内存限制、第三⽅库使⽤等约束。

Bad Case：编写⼀个函数，对给定的⼤规模⽂本数据进⾏分词处理。
Good Case：编写⼀个名为tokenize_large_text的函数，接受⼀个类型为str的参数text，表示要进⾏分词处理的⼤规模⽂本数据。函数应将⽂本数据⾼效地分词，并返回⼀个类型为List[str]的结果列表，包含所有分词结果。在设计和实现该函数时，考虑以下性能、资源和限制条件：

性能要求：对于⼤⼩为1GB的⽂本数据（约1亿个字符，假设平均字符数为1个汉字或2个英⽂字符），分词处理应在单核CPU上不超过30秒完成。为了评估性能，可以使⽤包含随机⽣成或实际样本数据的测试集。
内存限制：函数应能在不超过4GB内存的环境中运⾏。避免⼀次性加载整个⽂本到内存，⽽是采⽤流式处理、分块读取或其他内存优化策略。
分词⼯具：使⽤成熟的分词库（如jieba、NLTK、spaCy等）进⾏分词，但不得直接调⽤其提供的⽂本⽂件分词接⼝。需⾃⾏实现基于这些库的⾼效⽂本流处理逻辑。
编码兼容：确保函数能正确处理UTF-8编码的⽂本数据，对于⾮UTF-8编码的⽂本，函数应抛出UnicodeDecodeError并附带提⽰信息，如：“输⼊⽂本不是有效的UTF-8编码”。
返回值：分词后的结果列表，类型为List[str]。

在这个案例中，我们为⼤规模⽂本分词任务设定了具体的性能要求（处理时间）、内存限制，指定了使⽤的分词⼯具，并明确了编码兼容性要求。这些条件为实现者提供了明确的优化⽅向和约束边界，有助于开发出既满⾜业务需求⼜具备良好资源效率的解决⽅案。

七、技巧6：增加强调词和强调符号

使⽤强调词汇或符号突出关键指令，确保灵码充分重视并准确执⾏。

Bad Case：编写⼀个测试脚本，使⽤Jest测试框架对React组件进⾏单元测试。
Good Case：请务必编写⼀个详尽的测试脚本，利⽤业界领先的 Jest 测试框架对核⼼React 组件库进⾏全⾯的单元测试。遵循以下强调要点：

务必覆盖所有公共⽅法（包括⽣命周期⽅法、⾃定义事件处理器等）和重要的私有辅助⽅法，确保⾼代码覆盖率（⾄少达到 95%）。
正确模拟组件的依赖项（如 Redux store、API 调⽤、第三⽅库等），使⽤合适的Jest Mocking ⼯具（如 jest.fn()、jest.mock()）和测试双射（Test Doubles）。3. 严格执⾏React
组件的渲染输出验证，利⽤ Jest 的 Snapshot Testing 功能或Enzyme/Jest-React 的快照测试，确保
UI 结构与样式的⼀致性。
全⾯检查组件的交互⾏为，通过触发事件、模拟异步响应等⽅式，验证状态变更、回调触发、路由跳转等预期⾏为。
遵循最佳实践，保持测试⽤例的原⼦性、独⽴性和可读性，合理组织测试⽂件结构，使⽤ describe() 和 it() 块划分测试逻辑。
确保测试稳定性，避免因外部依赖变化导致的测试失败，定期更新并维护测试数据及Mock 数据。请按照上述强调要点，编写⾼质量的 Jest 测试脚本，为 React 组件库提供坚实的质量保障。

在这个案例中，我们使⽤了强调词汇（如“务必”、“正确”、“严格执⾏”、“全⾯检查”、“遵循最佳实践”、“确保”等）和强调符号（如粗体、斜体）来突出单元测试脚本编写过程中的关键要求和注意事项，帮助灵码或开发者更好地理解和执⾏测试任务。

八、技巧7：撰写模块化的Prompt

技巧：将Prompt分为明确的模块，如任务描述、输⼊数据、预期输出、约束条件等，提升代码可读性和交互效率。

Bad Case：编写⼀个⽤户登录功能的后端API
Good Case：实现后端POST /api/users/login端点，处理如下JSON请求：

```json
{
"email": "user@example.com",
"password": "secretpassword"
}

响应：

成功（HTTP 200）：返回JWT access_token与refresh_token。
失败（HTTP 401）：返回错误信息“Invalid email or password”。

约束：

验证：检查email格式与⽤户存在性，验证⾮空密码。
密码校验：使⽤bcrypt对⽐哈希密码，失败返回401。
令牌⽣成：登录成功⽣成JWT tokens。
安全：保护密码安全，使⽤HTTPS。

此Good Case明确了⽤户登录API的响应内容以及实现时需遵循的约束条件，能快速精准输出有效代码⽚段。

九、技巧8：基于代码上下⽂来提问

技巧：在与灵码交互时，附带相关代码⽚段、报错堆栈或项⽬背景信息，有助于模型更好地理解任务需求，⽣成符合现有代码结构和项⽬逻辑的代码，甚⾄可以⼀键帮你排查问题并输出优化代码。

Bad Case：仅提供孤⽴的编程任务要求，如“实现⼀个函数，计算两个矩阵的乘法”。
Good Case：提供包含已有代码的上下⽂信息，例如：“在以下矩阵操作类中，添加⼀个名为 matrix_multiply 的⽅法，实现两个同型矩阵的乘法运算。请确保与已有的 add 、 subtract ⽅法保持⼀致的接⼝⻛格。”
学会这些技巧，你将能与AI编码助⼿建⽴起更为默契的⼯作关系，使它更准确地领会你的编程需求，从⽽⽣成满⾜你期望的⾼质量代码。