徐昊 · AI 时代的软件工程
徐昊
Thoughtworks 全球技术策略顾问
3100 人已学习
新⼈⾸单¥98
登录后,你可以任选4讲全文学习
课程目录
已更新 27 讲/共 36 讲
徐昊 · AI 时代的软件工程
15
15
1.0x
00:00/00:00
登录|注册

24|构造基于语义的自动化脚本

你好,我是徐昊,今天我们来继续学习 AI 时代的软件工程。
上节课我们讲解了使用大语言模型(Large Language Model,LLM)辅助软件开发的两个核心知识过程,即技术方案的应用以及软件质量的保证,以及如何通过 LLM 消除团队中的认知分歧,从而提高团队的整体效率。
对比第 16 节课我们讲述的测试驱动 AI 开发,就会发现,测试驱动 AI 开发关注于个人与 LLM 交互,以及知识是如何从人传递到 LLM 的。而消除认知分歧,最需要关注这两个方面——知识如何在人与人之间传递,以及 LLM 是如何辅助这一过程的。
然而无论是辅助个人还是辅助团队,我们都需要用到基于语言的自动化脚本来加速工作。那么,这节课,我们来学习一些常用技巧,帮助我们更有效地构造自动化脚本。

补充上下文

正如我们在最开始在开篇词里介绍的一样,想要获得更高质量的结果,关键在于补充上下文。我们在前面的课程里,已经介绍了很多提示词技巧可以有效补充上下文。让我们简单复习一下,比如,结构化自然语言。
看一个简单的例子,现在有一个雇员的数据表,有两种不同的雇员,全职或者兼职。雇员按照不同的类型,有不同的计算工资的办法。全职按工资(SALARY)计算,兼职按时薪(HOURLY_RATE)计算。结构如下:
确认放弃笔记?
放弃后所记笔记将不保留。
新功能上线,你的历史笔记已初始化为私密笔记,是否一键批量公开?
批量公开的笔记不会为你同步至部落
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线
笔记
复制
AI
  • 深入了解
  • 翻译
    • 英语
    • 中文简体
    • 中文繁体
    • 法语
    • 德语
    • 日语
    • 韩语
    • 俄语
    • 西班牙语
    • 阿拉伯语
  • 解释
  • 总结

1. 大语言模型(LLM)辅助软件开发的核心知识过程包括技术方案的应用、软件质量的保证以及消除团队中的认知分歧,从而提高整体效率。 2. 使用语言的自动化脚本可以加速工作,需要补充上下文以获得更高质量的结果,包括结构化自然语言和增加业务场景和应用背景说明。 3. 零样本或少样例学习是让LLM结果更加稳定的办法,可以固定LLM的返回结果在期望的模式中,提高结果的稳定性和准确性。

仅可试看部分内容,如需阅读全部内容,请付费购买文章所属专栏
《徐昊 · AI 时代的软件工程》
新⼈⾸单¥98
立即购买
登录 后留言

全部留言(1)

  • 最新
  • 精选
  • 术子米德
    🤔☕️🤔☕️🤔 【R】自动化脚本:一方面突破传统脚本、怎么写就那么点效果,另一方面放到更多场景、给出预期答案。 技巧:补充上下文、零样本/少样本学习、数据驱动。 【.I.】问题在我面前,我懵懂Complex状态,一股脑儿扔给大模型,生成的内容中,只要对我有启发,我就很开心。任务列表在我面前,我清晰Clear状态,就是自己懒得动手干,稍作整理扔给大模型,生成的内容中,哪怕一点点偏差,我心里就会泛嘀咕,这么笨。 【Q】系统里的某个模块(如:类似MQ的消息通讯模块),它以C/C++的API接口供其它模块调用,跟CRUD类的测试是否有不同的关注点,提示词技巧是否有差别? 这样的模块的单元测试,若想LLM协助设计,哪些方面有别于CRUD类的测试? — by 术子米德@2024年5月1日
    2024-05-01归属地:浙江
收起评论
显示
设置
留言
1
收藏
沉浸
阅读
分享
手机端
快捷键
回顶部