AI輔助編程入門：使用GitHub Copilot零基礎(chǔ)開發(fā)LLM應(yīng)用
定 價：89 元
- 作者：李特麗
- 出版時間：2024/11/1
- ISBN：9787121489204
- 出 版 社：電子工業(yè)出版社
- 中圖法分類：TP18
- 頁碼：336
- 紙張：
- 版次：01
- 開本：16開
本書是一本專為編程愛好者和專業(yè)人士設(shè)計的實用指南。全書共分為十個章節(jié)，系統(tǒng)地介紹了人工智能在編程領(lǐng)域的應(yīng)用，特別是AI輔助編程工具如何簡化編程學(xué)習(xí)過程和提升編程能力。第一章從AI輔助編程工具的基本概念入手，為讀者揭開AI編程的神秘面紗。隨后，書中深入探討了GitHub Copilot等前沿工具，這些工具能夠通過智能代碼補全和建議，極大地提高編程效率和質(zhì)量。書中不僅停留在理論層面，更通過豐富的實戰(zhàn)案例，如批量文件翻譯和構(gòu)建網(wǎng)頁版智能對話機器人，讓讀者能夠直觀地看到AI工具在實際工作中的應(yīng)用。這些案例不僅展示了如何利用大型語言模型（LLM）的強大能力，還提供了詳細的步驟和代碼示例，確保讀者能夠輕松上手，將所學(xué)知識轉(zhuǎn)化為解決實際問題的能力。通過本書的學(xué)習(xí)，讀者將能夠掌握AI輔助編程的精髓，無論是在學(xué)術(shù)研究還是商業(yè)項目中，都能夠更加自信地運用AI技術(shù)，提升自己的編程技能和工作效率。
?李特麗，LangChain中文網(wǎng)聯(lián)合創(chuàng)始人，著有《Langchain入門指南》、《大型語言模型實戰(zhàn)指南》。作為早期一線的AI應(yīng)用開發(fā)者,運用GitHub Copilot全棧開發(fā)了一款A(yù)I藏語翻譯在線工具（zang.aiqbh.com）。CSS魔法，國內(nèi)首批 LLM 應(yīng)用開發(fā)者之一，AI 輔助編程和 GitHub Copilot 專家，十余年全棧工程師和架構(gòu)師，自稱 “披著工程師外衣的設(shè)計師”。在 QCon 等技術(shù)大會擔(dān)任講師，在個人博客和 “CSS魔法” 公眾號撰寫原創(chuàng)文章數(shù)百篇，深受聽眾和讀者喜愛。譯有《CSS 揭秘》等。現(xiàn)從事 AI 領(lǐng)域的產(chǎn)品設(shè)計、技術(shù)研發(fā)和咨詢工
第 1 章 AI 輔助編程工具與編程學(xué)習(xí)
1.1 AI 輔助編程工具的介紹
1.2 評估自身編程學(xué)習(xí)能力
1.3 初學(xué)編程的常見障礙
1.4 如何使用 AI 輔助編程工具解決學(xué)習(xí)障礙
1.5 本章小結(jié)
第 2 章 GitHub Copilot 初識
2.1 GitHub Copilot 的發(fā)展歷程
2.2 從產(chǎn)品經(jīng)理的視角探索 GitHub Copilot
2.3 GitHub Copilot 的技術(shù)原理
2.4 GitHub Copilot 的功能介紹
2.5 GitHub Copilot 作為本書示例工具的原因
2.6 本章小結(jié)
第 3 章 使用 GitHub Copilot 輔助編程的實戰(zhàn)案例
3.1 交互式學(xué)習(xí)
3.2 環(huán)境配置
3.3 利用 GitHub Copilot 快速構(gòu)建 Chrome 擴展程序
3.4 本章小結(jié)
第 4 章 利用 GitHub Copilot 快速入門 Python
4.1 Python 真的那么難學(xué)嗎?
4.2 如何利用 GitHub Copilot 學(xué) Python
4.3 Python 的基本概念和語言機制
4.4 本章小結(jié)
第 5 章 利用 GitHub Copilot 深入理解 Python 函數(shù)
5.1 利用 GitHub Copilot 學(xué)習(xí) Python 函數(shù)基礎(chǔ)
5.2 Python 函數(shù)的核心概念
5.3 會說話就會寫函數(shù)
5.4 函數(shù)錯誤類型及原因
5.5 排查錯誤問題
5.6 Python 模塊、第三方庫、標準庫里的函數(shù)
5.7 本章小結(jié)
第 6 章 提示工程：高效利用 GitHub Copilot 編寫代碼
6.1 提示工程概念詳解
6.2 提示工程的最佳實踐
6.3 高級提示詞策略
6.4 本章小結(jié)
第 7 章 利用 GitHub Copilot 探索大語言模型的開發(fā)
7.1 大語言模型最大的價值
7.2 利用 GitHub Copilot 解決 LLM 開發(fā)中的問題
7.3 LLM 編程的環(huán)境準備
7.4 在本地開發(fā)一個 LLM 聊天機器人
7.5 基于魔搭創(chuàng)空間部署 LLM 應(yīng)用
7.6 本章小結(jié)
第 8 章 利用 GitHub Copilot 編寫單元測試和調(diào)試
8.1 單元測試是測試金字塔的基礎(chǔ)
8.2 為什么要學(xué)習(xí)單元測試
8.3 利用 GitHub Copilot 輔助開發(fā)單元測試
8.4 單元測試和調(diào)試
8.5 GitHub Copilot 在單元測試中的作用
8.6 利用 GitHub Copilot 調(diào)試錯誤
8.7 本章小結(jié)
第 9 章 案例一：Python 調(diào)用 LLM 實現(xiàn)批量文件翻譯
9.1 背景設(shè)定
9.2 準備工作
9.3 Python 腳本初體驗
9.4 第一版：實現(xiàn)翻譯功能
9.5 第二版：實現(xiàn)文件讀寫
9.6 第三版：實現(xiàn)批量翻譯
9.7 功能完善與優(yōu)化
9.8 LLM 應(yīng)用開發(fā)技巧
9.9 本章小結(jié)
第 10 章 案例二：網(wǎng)頁版智能對話機器人
10.1 項目背景
10.2 準備工作
10.3 界面設(shè)計與實現(xiàn)
10.4 實現(xiàn)對話交互
10.5 調(diào)用大語言模型
10.6 功能增強：多輪對話
10.7 功能增強：流式輸出
10.8 功能增強：自定義配置
10.9 項目收尾
10.10 本章小結(jié)
書單推薦
