AI Prompt Engineering · Lektion

Code mit LLMs generieren

Erstellen Sie Prompts, um Codeausschnitte, Funktionen oder vollständige Skripte in verschiedenen Programmiersprachen zu generieren.

Code mit LLMs generieren ist eine kostenlose AI Prompt Engineering-Lektion auf CoddyKit. Dies ist Lektion 1 von 3. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Prompt Engineering-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Prompt Engineering-Kurs umfasst insgesamt 3 Lektionen.

Codegenerierung mit LLMs

Willkommen bei der Codegenerierung mit Large Language Models (LLMs)! In dieser Lektion erfahren Sie, wie Sie LLMs nutzen können, um Code für Sie zu schreiben.

LLMs können auf Grundlage Ihrer Beschreibungen in natürlicher Sprache Code-Snippets, Funktionen oder sogar vollständige Programme generieren. Dadurch können Sie die Entwicklung deutlich beschleunigen, Boilerplate-Code automatisieren und das Erlernen neuer Syntax unterstützen.

Einfache Code-Snippets

Beginnen wir mit einer einfachen Anfrage. Sie können ein LLM bitten, ein kleines Stück Code für eine bestimmte Aufgabe zu generieren. Formulieren Sie immer klar, was Sie benötigen!

Versuchen Sie, dieses einfache Python-Beispiel auszuführen:

# main.py
def greet_user(name):
    return f"Hello, {name}!"

if __name__ == "__main__":
    message = greet_user("CoddyKit Learner")
    print(message)

Programmiersprache angeben

Es ist entscheidend, ausdrücklich anzugeben, welche Programmiersprache Sie verwenden möchten. LLMs beherrschen mehrere Sprachen. Daher ist es wichtig, sie zur richtigen Syntax zu führen.

So können Sie nach einer einfachen Java-Methode fragen:

// Main.java
public class Main {
  // This method calculates the square of a number
  public static int square(int num) {
    return num * num;
  }

  public static void main(String[] args) {
    int result = square(5);
    System.out.println("Square of 5 is: " + result);
  }
}

Eine Funktion generieren

Neben Snippets können Sie LLMs auch auffordern, vollständige Funktionen zu generieren. Beschreiben Sie den Zweck der Funktion, ihre Eingaben und den Wert, den sie zurückgeben soll.

Generieren wir eine Python-Funktion, die prüft, ob eine Zahl prim ist:

# main.py
def is_prime(number):
    if number < 2:
        return False
    for i in range(2, int(number**0.5) + 1):
        if number % i == 0:
            return False
    return True

if __name__ == "__main__":
    print(f"Is 7 prime? {is_prime(7)}")
    print(f"Is 10 prime? {is_prime(10)}")

Spezifische Einschränkungen hinzufügen

Um präziseren Code zu erhalten, fügen Sie Einschränkungen hinzu. Dazu können Eingabe- und Ausgabetypen, Fehlerbehandlung, bestimmte Algorithmen oder Überlegungen zur Performance gehören.

Hier ist eine Python-Funktion mit grundlegender Fehlerbehandlung für Divisionen:

# main.py
def safe_divide(numerator, denominator):
    if denominator == 0:
        return "Error: Cannot divide by zero!"
    return numerator / denominator

if __name__ == "__main__":
    print(f"10 / 2 = {safe_divide(10, 2)}")
    print(f"5 / 0 = {safe_divide(5, 0)}")

Komplette Programme generieren

LLMs können sogar vollständige, ausführbare Programme generieren. Dazu müssen Sie eine umfassende Beschreibung des Zwecks, der Funktionen und der gewünschten Ausgabe des Programms bereitstellen.

Versuchen wir, ein einfaches Java-Programm zu generieren, das die Fläche eines Rechtecks berechnet:

// Main.java
public class Main {
  public static void main(String[] args) {
    // Define rectangle dimensions
    double length = 10.5;
    double width = 4.0;

    // Calculate area
    double area = length * width;

    // Print the result
    System.out.println("Rectangle Length: " + length);
    System.out.println("Rectangle Width: " + width);
    System.out.println("Area: " + area);
  }
}

Effektive Prompts erstellen

Beachten Sie diese Tipps, um den bestmöglichen Code zu erhalten:

Formulieren Sie eindeutig: Geben Sie Sprache, Aufgabe und gewünschtes Ausgabeformat klar an.
Stellen Sie Kontext bereit: Erklären Sie, welches Problem der Code lösen soll.
Verwenden Sie Beispiele: Geben Sie nach Möglichkeit Beispiele für Ein- und Ausgaben an.
Geben Sie Einschränkungen an: Erwähnen Sie Fehlerbehandlung, Performance oder bestimmte Bibliotheken.
Überarbeiten Sie den Prompt: Wenn der erste Versuch nicht perfekt ist, verfeinern Sie Ihren Prompt.

Generierten Code verfeinern

Oft entspricht der erste von einem LLM generierte Code nicht genau Ihren Anforderungen. Keine Sorge!

Sie können Folge-Prompts verwenden, um den Code zu verfeinern, zu ändern oder zu erweitern. Sie könnten das LLM beispielsweise bitten:

„Fügen Sie diesem Code Kommentare hinzu.“
„Ändern Sie diese Funktion so, dass sie statt einer for-Schleife eine while-Schleife verwendet.“
„Machen Sie diesen Code effizienter.“
„Behandeln Sie Sonderfälle für negative Eingaben.“

Generierten Code überprüfen

LLMs sind zwar leistungsfähig, aber generierter Code ist nicht immer perfekt. Betrachten Sie ihn stets als Ausgangspunkt, nicht als endgültige Lösung.

Korrektheit überprüfen: Testen Sie den Code gründlich.
Sicherheit prüfen: LLMs generieren manchmal unsicheren Code.
Code verstehen: Verwenden Sie keinen Code, den Sie nicht verstehen.
Optimieren: Suchen Sie nach Möglichkeiten, Performance oder Lesbarkeit zu verbessern.

Ihr Fachwissen bleibt unverzichtbar!

Quiz zur Codegenerierung

Welche der folgenden Vorgehensweisen sind entscheidend, um mithilfe eines LLMs hochwertigen Code zu generieren?

Zusammenfassung der Lektion

In dieser Lektion haben wir gelernt, wie Sie mit LLMs Code generieren:

Wir haben gelernt, wie man Prompts für einfache Snippets, Funktionen und vollständige Programme formuliert.
Wir haben die Bedeutung der Angabe der Programmiersprache und des Hinzufügens von Einschränkungen hervorgehoben.
Wir haben Best Practices für das Erstellen effektiver Prompts behandelt.
Wir haben den iterativen Prozess zur Verfeinerung und die Notwendigkeit der Überprüfung generierten Codes besprochen.

Üben Sie weiter, um die Kunst der Codegenerierung zu meistern!

Häufig gestellte Fragen

Ist die Lektion „Code mit LLMs generieren“ kostenlos?

Ja — der vollständige Text von „Code mit LLMs generieren“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Prompt Engineering-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Prompt Engineering-Kurs umfasst insgesamt 3 Lektionen.

Was lerne ich in „Code mit LLMs generieren“?

Erstellen Sie Prompts, um Codeausschnitte, Funktionen oder vollständige Skripte in verschiedenen Programmiersprachen zu generieren. Du übst AI Prompt Engineering mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um AI Prompt Engineering zu starten?

Keine Vorkenntnisse erforderlich. AI Prompt Engineering auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 1 von 3.

Wie lange dauert die Lektion „Code mit LLMs generieren“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser AI Prompt Engineering-Lektion Code schreiben und ausführen?

Ja. Jede AI Prompt Engineering-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

← Zurück zu AI Prompt Engineering