Autors: Carlc, Filestack produktu mārketinga vadītājs.  Es atceros dienu, kad pirmo reizi sāku eksperimentēt ar   . Bija sajūta, ka ieiet jaunā dimensijā, kur kods varēja gandrīz pats ierakstīties. Tolaik es žonglēju ar vairākiem projektiem, un man bija nepieciešams veids, kā racionalizēt savu darbplūsmu, nezaudējot kvalitāti. DeepSeek kodēšanai  Toreiz es atklāju, kā DeepSeek var palīdzēt ģenerēt koda fragmentus, veselas funkcijas vai pat mazus moduļus. Tas neatcēla manu izstrādātāja darbu, taču tas noteikti padarīja mani efektīvāku. Tagad, kad to lietoju vairākus mēnešus, es vēlos dalīties ar dažiem padomiem un trikiem, kā izveidot labus norādījumus, lai maksimāli izmantotu šo pieeju.  Mans sākotnējais iespaids  Kad es sāku, es biju gan sajūsmā, gan mazliet skeptisks. Vai ģenerētais kods būtu uzticams? Vai tas varētu apstrādāt sarežģītas manu projektu daļas, piemēram, malas lietas vai jaunas bibliotēkas? Tomēr laika gaitā es pamanīju, ka DeepSeek vislabāk darbojas, ja es tam sniedzu skaidrus un precīzus norādījumus. Ja es ierakstīju neskaidru pieprasījumu, piemēram, “Izveidot funkciju lietotāja datu parsēšanai”, rezultāts bieži vien būtu pārāk vispārīgs vai man trūkst vajadzīgā nianses.  Tomēr, ja es ierakstīju kaut ko precīzāku, piemēram, “Izveidot Python funkciju, kas nolasa JSON failu ar lietotāja datiem un atgriež derīgu lietotāju vārdnīcu, ignorējot ierakstus ar trūkstošiem e-pasta laukiem”, rezultāts bija pārsteidzoši precīzs.  Es arī atklāju, ka kontekstam bija izšķiroša nozīme. Ja es lūgtu DeepSeek kodu, nepaskaidrojot, ko vēlos sasniegt, vai nepiedāvājot pamatinformāciju, tas uzminētu, pamatojoties uz ierobežotiem datiem.  Piemēram, ja es vēlējos JavaScript fragmentu priekšgala tīmekļa veidlapai, bet nekad neminēju, ka tas ir paredzēts pārlūkprogrammas videi, izvade var neatbilst manam iestatījumam. No otras puses, kad es precizēju savu vidi, valodu un uzdevuma raksturu, es saņēmu kodu, kas bija tuvāks tam, kas man patiesībā bija vajadzīgs.  Kāpēc ir svarīga tūlītēja skaidrība  Viena no lielākajām mācībām, ko es guvu, ir tā, ka DeepSeek ir tik laba, cik labi es tai dodu norādījumus. Kad es saku norādījumus, es domāju aprakstus, ko ievadu pirms ievadīšanas taustiņa. Tas uzvedas gandrīz kā sarunu biedrs. Ja es sniedzu labi strukturētas instrukcijas, tas reaģē ar kodu, kas atbilst maniem mērķiem. Tomēr, ja es nosūtu īsus vai neskaidrus pieprasījumus, rezultāti var nebūt īpaši noderīgi.  Tāpēc es sāku katru uzvedni, norādot vēlamo programmēšanas valodu. Pēc tam es aprakstu koda mērķi. Tālāk es sniedzu sīkāku informāciju, piemēram, visas bibliotēkas vai ietvarus, ko plānoju izmantot, kā arī svarīgus ierobežojumus.  Visbeidzot, es pieminu vēlamo rezultātu vai uzvedību. Šī pieeja nodrošina, ka DeepSeek saprot visu ainu un var radīt kaut ko tuvu manam ideālajam risinājumam.  Efektīvas uzvednes sastāvdaļas  Man patīk domāt par efektīvu uzvedni četrās galvenajās daļās:    : piemēram, “Rakstiet JavaScript funkciju, kas darbojas Node.js vidē” vai “Ģenerējiet Python klasi datu analīzei”. Valoda un vide    : tas varētu būt “analizēt pārdošanas datus” vai “apstrādāt lietotāja ievadi React veidlapā”. Mērķis vai uzdevums    : šeit es pieminu kaut ko īpašu, piemēram, "Skriptam ir jāizmanto tikai iebūvētās Python bibliotēkas" vai "Nav atļautas ārējās pakotnes". Ierobežojumi    : visbeidzot, es precizēju precīzu rezultātu, piemēram, “Atgriezt sakārtotu lietotāju ID sarakstu” vai “Pierakstīt katru kļūdu konsolē”. Vēlamā izvade  Kad es sekoju šai struktūrai, DeepSeek mēdz radīt kodu, kas jau no paša sākuma atbilst manām projekta prasībām. Tas arī samazina nepieciešamību pēc smagiem labojumiem pēc koda ģenerēšanas. Turklāt katra no šīm darbībām liek man rūpīgi pārdomāt, kas man patiešām ir nepieciešams, neļaujot man sūtīt pusgatavus pieprasījumus.  Iteratīvs precizējums  Neskatoties uz maniem centieniem, es reti iegūstu perfektu kodu pirmajā mēģinājumā. Tomēr viena no DeepSeek izmantošanas priekšrocībām kodēšanai ir tāda, ka varu paņemt ģenerēto kodu, pārskatīt to, palaist to un pēc tam precizēt savu uzvedni. Piemēram, ja kods ietver papildu funkcionalitāti, kas man nav vajadzīga, es vienkārši saku: “Noņemiet datu reģistrēšanas daļu un koncentrējieties uz šķirošanas mehānismu.” Ja kodā trūkst atslēgas darbības, es varētu teikt: "Lūdzu, iekļaujiet tukšo lauku validācijas funkciju."  Šis   šķiet kā sadarbība ar jaunāko izstrādātāju, kurš raksta sākotnējo melnrakstu. Es nedomāju, ka pirmā piegājiens būs nevainojams, bet es paļaujos uz turp un atpakaļ apmaiņu, lai pielāgotu kodu atbilstoši saviem standartiem. Turklāt es vienmēr cenšos sniegt tiešu atgriezenisko saiti par to, kas nogāja greizi vai kas varētu būt labāk. Ja es vienkārši saku DeepSeek “Mēģināt vēlreiz”, tas var nezināt, ko mainīt. Bet, ja es saku: “Lūdzu, pievienojiet kļūdu apstrādi faila neatrastajiem izņēmumiem”, parasti man ir nepieciešams. iteratīvais process  Bieži sastopamās nepilnības un kā no tām izvairīties  Lai gan DeepSeek var būt diezgan spēcīgs, ir dažas nepilnības, ar kurām esmu saskāries:    : ja nenorādīsit vidi vai programmēšanas valodu, iespējams, tiks parādīts kods valodā, kuru nevēlaties. Vienmēr skaidri norādiet savu valodu un kontekstu. Konteksta trūkums    : neskaidras uzvednes rada nepilnīgus vai neatbilstošus rezultātus. Pievienojiet detalizētu informāciju, norādot savu galveno mērķi, bibliotēkas, kuras plānojat izmantot, un visus īpašos ierobežojumus. Pārāk plašas uzvednes    : dažkārt ģenerētais kods atbilst vecākiem noteikumiem vai var neatbilst jūsu komandas stila rokasgrāmatai. Ir svarīgi pārskatīt un pielāgot kodu, lai nodrošinātu tā atbilstību jūsu standartiem. Paraugprakses ignorēšana    : daudzos gadījumos ģenerētais kods pēc noklusējuma neapstrādās izņēmumus vai nederīgus datus. Prasības par kļūdu apstrādi iekļaušana uzvednē var novērst lielas problēmas. Trūkst kļūdu apstrādes  Apzinoties šīs nepilnības, es ietaupu laiku un izvairos no pārrakstīt lielas koda daļas. Mūsdienās es reti aizmirstu pieminēt, kurā vidē strādāju, jo esmu jau redzējis, kā tas var radīt neskaidrības.  Ģenerētā koda pārbaude un apstiprināšana  Kad es saņemu koda fragmentu no DeepSeek, es nekad neuzskatu, ka tas ir pilnībā pareizs. Tā vietā es to rūpīgi pārbaudu, tāpat kā jebkuru citu kodu, ko rakstu ar roku. Es arī pārbaudu drošības problēmas, veiktspējas vājās vietas un loģiskas kļūdas. Lai gan DeepSeek palīdz man kodēt ātrāk, man joprojām ir jābūt tam, kurš nodrošina koda darbību, kā paredzēts.  Vienkāršs process, ko es ievēroju, ir:    (piemēram,   ), lai pārliecinātos, ka tas nesabojā neko kritisku. Palaidiet kodu drošā vidē vietējā smilšu kastē    , kas aptver dažādus scenārijus, tostarp malas gadījumus. Pievienojiet vienību testus    ar manu esošo projektu struktūru un bibliotēkām. Pārbaudiet saderību  Ja kāda darbība neizdodas, es atgriežos pakalpojumā DeepSeek ar jauniem norādījumiem, kas palīdz novērst kļūdas vai uzlabot veiktspēju. Šī testēšanas cilpa palīdz man būt pārliecinātam par galaproduktu.  DeepSeek izmantošana komandas iestatījumos  Dažu pēdējo mēnešu laikā esmu arī iepazīstinājis dažus komandas locekļus ar DeepSeek kodēšanai. Sadarbība kļūst vienkāršāka, ja mēs kopīgojam izmantotās uzvednes. Piemēram, ja komandas biedram patīk, kā es ģenerēju konkrētu datu bāzes vaicājumu, es varu viņam parādīt precīzu uzvedni un norādījumus. Tādā veidā viņi var atkārtot manus panākumus, nenojaušot, kā man tas izdevās.  Tomēr ir svarīgi arī saglabāt konsekvenci komandā. Mēs bieži izlemjam par standarta formātu uzvednēm, lai visi ievērotu līdzīgu pieeju. Tas nodrošina, ka mūsu ģenerētais kods ir viendabīgāks un būtiski neatšķiras dažādiem izstrādātājiem. Tas arī paātrina mācīšanos, jo jaunpienācēji var redzēt skaidru modeli, kā mēs sazināmies ar DeepSeek.  Pēdējās domas un nākamie soļi  Pēc manas pieredzes, izmantojot DeepSeek kodēšanai, var ievērojami samazināt atkārtotus uzdevumus un paātrināt daudzas izstrādes procesa daļas. Tomēr tā nav burvju nūjiņa. Labi norādījumi ir noderīga koda saņemšanas slepenā sastāvdaļa. Uzvedņu rakstīšana, kas norāda valodu, kontekstu, mērķus un ierobežojumus, ir labākais veids, kā sasniegt augstas kvalitātes rezultātus. Pēc tam koda atkārtošana un uzlabošana palīdz to noslīpēt par kaut ko, kas ir gatavs ražošanai.  Es uzskatu, ka arvien vairāk izstrādātāju sāks lietot DeepSeek, mēs redzēsim novatoriskus veidus, kā izstrādāt labākas uzvednes. Mēs redzēsim arī jaunus padomus un trikus, kas palīdzēs mums vēl vairāk uzlabot koda ģenerēšanu.  Turpinot strādāt ar DeepSeek, es plānoju sekot līdzi visiem jaunajiem atklājumiem. Es ceru, ka šī rokasgrāmata sniedz jums spēcīgu pamatu, lai izpētītu kodu ģenerēšanu, nejūtoties satriekts. Izmantojot skaidrus norādījumus, rūpīgu testēšanu un vēlmi pilnveidot, varat atbloķēt ātrāku un efektīvāku kodēšanas procesu, kas atbrīvo jūs no koncentrēšanās uz izstrādes radošo pusi.  Atcerieties, ka galvenais ir nesagaidīt pilnību pirmajā mēģinājumā. Tā vietā padomājiet par DeepSeek kā par kodēšanas partneri, kuram ir nepieciešami skaidri norādījumi un konsekventa atgriezeniskā saite.  Laika gaitā jūs atradīsit perfektu līdzsvaru starp cilvēka radošumu un AI vadītu efektivitāti. Veiksmīgu kodēšanu un lai jūsu uzvednes ved uz pēc iespējas tīrākajiem un elegantākajiem risinājumiem!   Šis raksts sākotnēji tika publicēts emuārā Filestack.

2022 - HackerNoon Contributor of the Year - Api

Learn More

Nominated for 2022 - HackerNoon Contributor of the Year - Api

Šis audio ir izveidots stāsta oriģinālvalodā!

Pārāk ilgi; Lasīt

Make resilience your competitive advantage

Vai AI tiešām var kodēt? Es pārbaudīju DeepSeek

About Author

KOMENTĀRI

PAKARINĀT TAGUS

ŠIS RAKSTS TIKS PĀRSTRĀDĀTS

Related Stories

Light-Mode

Classic

Newspaper

Dark-Mode

Neon Noir

Minty

HN StartUps