Carlc, Filestackin tuotemarkkinointipäällikkö.  Muistan päivän, kun aloin kokeilla   . Tuntui kuin astuisi uuteen ulottuvuuteen, jossa koodi voisi melkein kirjoittaa itsensä. Tuolloin jongleerin useissa projekteissa ja tarvitsin tavan virtaviivaistaa työnkulkuani laadusta tinkimättä. DeepSeekin koodausta  Silloin huomasin, kuinka DeepSeek voi auttaa koodinpätkien, kokonaisten toimintojen tai jopa pienten moduulien luomisessa. Se ei poistanut työtäni kehittäjänä, mutta se varmasti teki minusta tehokkaamman. Nyt, kuukausien käytön jälkeen, haluan jakaa vinkkejä ja temppuja hyvien kehotteiden luomiseen, jotta saat kaiken irti tästä lähestymistavasta.  Ensimmäinen vaikutelmani  Kun aloitin, olin sekä innoissani että hieman skeptinen. Olisiko luotu koodi luotettava? Pystyykö se käsittelemään projektini hankalia osia, kuten reunakoteloita tai uusia kirjastoja? Kuitenkin ajan myötä huomasin, että DeepSeek toimi parhaiten, kun annoin sille selkeät ja tarkat ohjeet. Jos kirjoitin epämääräisen pyynnön, kuten "Luo funktio käyttäjätietojen jäsentämiseksi", tulos olisi usein liian yleinen tai kaipaisi tarvitsemani vivahteita.  Jos kuitenkin kirjoitin jotain tarkempaa, kuten "Luo Pythonissa toiminto, joka lukee JSON-tiedoston käyttäjätiedoilla ja palauttaa kelvollisten käyttäjien sanakirjan jättäen huomioimatta merkinnät, joissa sähköpostikentät puuttuvat", tulos oli yllättävän tarkka.  Huomasin myös, että konteksti oli ratkaiseva. Jos kysyisin DeepSeekiltä koodia selittämättä, mitä halusin saavuttaa tai tarjoamatta taustaa, se arvaisi rajoitetun tiedon perusteella.  Jos esimerkiksi halusin JavaScript-koodinpätkän käyttöliittymän verkkolomakkeeseen, mutta en koskaan maininnut sen olevan selainympäristöä varten, tulos ei ehkä vastaa asetuksiani. Toisaalta, kun määritin ympäristöni, kielen ja tehtävän luonteen, sain koodin, joka oli lähempänä sitä, mitä todella tarvitsin.  Miksi nopea selkeys on tärkeää  Yksi suurimmista opetuksista, joita olen oppinut, on, että DeepSeek on vain niin hyvä kuin antamani ohjeet. Kun sanon ohjeita, tarkoitan kuvauksia, jotka kirjoitan ennen Enter-näppäintä. Se käyttäytyy melkein kuin keskustelukumppani. Jos toimitan hyvin jäsennellyt ohjeet, se vastaa koodilla, joka on linjassa tavoitteideni kanssa. Jos lähetän kuitenkin lyhyitä tai epäselviä pyyntöjä, tulokset eivät välttämättä ole kovin hyödyllisiä.  Siksi aloitan jokaisen kehotteen ilmoittamalla haluamani ohjelmointikielen. Sitten kuvailen koodin tarkoitusta. Seuraavaksi annan lisätietoja, kuten kaikki kirjastot tai puitteet, joita aion käyttää, sekä tärkeitä rajoituksia.  Lopuksi mainitsen halutun tuloksen tai käyttäytymisen. Tämä lähestymistapa varmistaa, että DeepSeek ymmärtää koko kuvan ja voi luoda jotain lähellä ihanneratkaisuani.  Tehokkaan kehotteen osat  Haluan ajatella tehokkaan kehotteen neljässä pääosassa:    : Esimerkiksi "Kirjoita JavaScript-funktio, joka toimii Node.js-ympäristössä" tai "Luo Python-luokka tietojen analysointia varten". Kieli ja ympäristö    : Tämä voi olla "analysoida myyntitietoja" tai "käsitellä käyttäjän syötteitä React-lomakkeessa". Tavoite tai tehtävä    : Mainitsen tässä jotain erityistä, kuten "Skriptin tulee käyttää vain sisäänrakennettuja Python-kirjastoja" tai "Ulkoisia paketteja ei sallita". Rajoitukset    : Lopuksi täsmentelen tarkan tuloksen, kuten "Palauta lajiteltu luettelo käyttäjätunnuksista" tai "Kirjaa jokainen virhe konsoliin". Haluttu tulos  Kun noudatan tätä rakennetta, DeepSeek pyrkii tuottamaan koodia, joka sopii projektini vaatimuksiin alusta alkaen. Se myös vähentää raskaita muokkauksia koodin luomisen jälkeen. Lisäksi jokainen näistä vaiheista saa minut miettimään tarkasti, mitä todella tarvitsen, estäen minua lähettämästä puolikypsäisiä pyyntöjä.  Iteratiivinen tarkennus  Parhaistani yrityksistäni huolimatta saan harvoin täydellisen koodin ensimmäisellä yrittämällä. Yksi DeepSeekin käytön koodaukseen vahvuuksista on kuitenkin se, että voin ottaa luodun koodin, tarkistaa sen, suorittaa sen ja sitten tarkentaa kehotettani. Jos koodi sisältää esimerkiksi lisätoimintoja, joita en tarvitse, sanon vain: "Poista tiedonkeruuosa ja keskity lajittelumekanismiin." Jos koodista puuttuu avainvaihe, voisin sanoa: "Sisällytä tyhjien kenttien vahvistustoiminto."  Tämä   tuntuu yhteistyöltä nuoremman kehittäjän kanssa, joka kirjoittaa alustavan luonnoksen. En odota, että ensimmäinen kierros on virheetön, mutta luotan edestakaisin vaihtoon kiillottaakseni koodin standardieni mukaiseksi. Lisäksi yritän aina antaa suoraa palautetta siitä, mikä meni pieleen tai mikä voisi olla paremmin. Jos kerron DeepSeekille vain "Yritä uudelleen", se ei ehkä tiedä mitä muuttaa. Mutta jos sanon: "Lisää virheenkäsittely tiedostoa ei löydy -poikkeuksille", se yleensä saa sen, mitä tarvitsen. iteratiivinen prosessi  Yleiset sudenkuopat ja niiden välttäminen  Vaikka DeepSeek voi olla melko tehokas, olen kohdannut muutamia sudenkuoppia:    : Jos et määritä ympäristöä tai ohjelmointikieltä, saatat päätyä koodiin kielellä, jota et halua. Kerro aina kielesi ja kontekstisi selkeästi. Kontekstin puute    : Epämääräiset kehotteet johtavat epätäydellisiin tai epäolennaisiin tuloksiin. Lisää yksityiskohtia määrittämällä päätavoitteesi, käyttämäsi kirjastot ja mahdolliset erityisrajoitukset. Liian laajat kehotteet    : Joskus luotu koodi noudattaa vanhempia käytäntöjä tai ei välttämättä noudata tiimisi tyyliopasta. On tärkeää tarkistaa ja mukauttaa koodi varmistaaksesi, että se vastaa standardejasi. Parhaiden käytäntöjen huomiotta jättäminen    : Monissa tapauksissa luotu koodi ei käsittele poikkeuksia tai virheellisiä tietoja oletuksena. Virheenkäsittelyvaatimuksen sisällyttäminen kehotteeseen voi estää suuria ongelmia tiellä. Puuttuva virheenkäsittely  Pysymällä tietoisena näistä karikoista säästän aikaa enkä joudu kirjoittamaan uudelleen suuria osia koodista. Nykyään unohdan harvoin mainita, missä ympäristössä työskentelen, koska olen jo nähnyt, kuinka se voi johtaa sekaannukseen.  Luodun koodin testaus ja validointi  Kun saan koodinpätkän DeepSeekistä, en koskaan oleta, että se on täysin oikea. Sen sijaan testaan sitä tiukasti, kuten mitä tahansa muuta käsin kirjoittamani koodia. Tarkistan myös tietoturvaongelmat, suorituskyvyn pullonkaulat ja loogiset virheet. Vaikka DeepSeek auttaa minua koodaamaan nopeammin, minun on silti oltava se, joka varmistaa, että koodi toimii odotetulla tavalla.  Yksinkertainen prosessi, jota seuraan, on:    (kuten   ) varmistaaksesi, että se ei riko mitään kriittistä. Suorita koodi turvallisessa ympäristössä paikallisessa hiekkalaatikossa    , jotka kattavat erilaisia skenaarioita, mukaan lukien reunatapaukset. Lisää yksikkötestejä    nykyisen projektirakenteeni ja kirjastojeni kanssa. Tarkista yhteensopivuus  Jos jokin vaihe epäonnistuu, palaan DeepSeekiin uusilla ohjeilla, jotka ohjaavat sitä korjaamaan virheet tai parantamaan suorituskykyä. Tämä testisilmukka auttaa minua pysymään luottavaisina lopputuotteen suhteen.  DeepSeekin käyttäminen tiimiasetuksissa  Muutaman viime kuukauden aikana olen myös esitellyt joitakin tiimin jäseniä DeepSeekiin koodausta varten. Yhteistyö helpottuu, kun jaamme käyttämämme kehotteet. Jos tiimikaveri esimerkiksi pitää siitä, miten loin tietyn tietokantakyselyn, voin näyttää hänelle tarkat kehotteeni ja ohjeet. Tällä tavalla he voivat toistaa menestystäni arvaamatta, miten tein sen.  Tärkeää on kuitenkin myös säilyttää johdonmukaisuus koko tiimissä. Valitsemme usein kehotteiden vakiomuodon, jotta kaikki noudattavat samanlaista lähestymistapaa. Tämä varmistaa, että luomamme koodi on yhtenäisempi eikä vaihtele hurjasti kehittäjien välillä. Se myös nopeuttaa oppimista, koska uudet tulokkaat näkevät selkeän kuvion kommunikoinnissamme DeepSeekin kanssa.  Viimeiset ajatukset ja seuraavat askeleet  Kokemukseni mukaan DeepSeekin käyttäminen koodaukseen voi vähentää toistuvia tehtäviä merkittävästi ja nopeuttaa monia kehitysprosessin osia. Se ei kuitenkaan ole taikasauva. Hyvät kehotteet ovat hyödyllisen koodin salainen ainesosa. Kielen, kontekstin, tavoitteet ja rajoitukset määrittävien kehotteiden kirjoittaminen on paras tapa saavuttaa korkealaatuisia tuloksia. Tämän jälkeen koodin iterointi ja tarkentaminen auttaa hiomaan sitä joksikin valmiiksi tuotantoa varten.  Uskon, että kun useammat kehittäjät alkavat käyttää DeepSeekia, näemme innovatiivisia tapoja luoda parempia kehotteita. Näemme myös uusia vinkkejä ja temppuja, jotka auttavat meitä parantamaan koodin luomista entisestään.  Kun jatkan työskentelyä DeepSeekin kanssa, aion pitää kirjaa kaikista löytämistäni uusista oivalluksista. Toivon, että tämä opas antaa sinulle vahvan perustan koodin luomiseen ilman ylikuormitusta. Selkeillä kehotteilla, huolellisella testauksella ja halulla tarkentaa voit avata nopeamman ja tehokkaamman koodausprosessin, joka vapauttaa sinut keskittymään kehityksen luovaan puoleen.  Muista, että tärkeintä ei ole odottaa täydellisyyttä ensimmäisellä yrityksellä. Ajattele sen sijaan DeepSeekia koodauskumppanina, joka tarvitsee selkeitä ohjeita ja johdonmukaista palautetta.  Ajan myötä löydät täydellisen tasapainon ihmisen luovuuden ja tekoälyn ohjaaman tehokkuuden välillä. Onnea koodaamiseen, ja johdatkoot kehotukset puhtaimpiin ja tyylikkäimpiin mahdollisiin ratkaisuihin!   Tämä artikkeli julkaistiin alun perin Filestack-blogissa.

2022 - HackerNoon Contributor of the Year - Api

Learn More

Nominated for 2022 - HackerNoon Contributor of the Year - Api

Tämä ääni on tuotettu tarinan alkuperäisellä kielellä!

Liian pitkä; Lukea

Make resilience your competitive advantage

Voiko tekoäly todella koodata? Laitoin DeepSeekin koetukselle

About Author

KOMMENTIT

RIPUTA TAGSIA

TÄMÄ ARTIKKELI ESITETTIIN

Related Stories

Noonies Interview with Stefano Pavone, the Retrogaming Reporter

Hurry! Just One Month Left to Win Up to $2,000 in the #blockchain Writing Contest

How Apex Fusion Achieved FINMA Qualification Without Compromising Decentralization

HEPT MOVES ON

Noonies Interview with Stefano Pavone, the Retrogaming Reporter

Hurry! Just One Month Left to Win Up to $2,000 in the #blockchain Writing Contest

How Apex Fusion Achieved FINMA Qualification Without Compromising Decentralization

HEPT MOVES ON

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps