डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन · पाठ

डीबगिंग और परीक्षण मामलों का जनरेशन

बग की पहचान करने, सुधार सुझाने और अपने सॉफ़्टवेयर के लिए व्यापक परीक्षण मामले स्वचालित रूप से उत्पन्न करने हेतु LLM का लाभ उठाएँ।

पाठ 2, कुल 4 में से11 चरण

डीबगिंग और परीक्षण मामलों का जनरेशन, CoddyKit पर डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

LLM: आपका डीबगिंग सहायक

डीबगिंग सॉफ़्टवेयर विकास का समय लेने वाला भाग हो सकता है। बड़े भाषा मॉडल (LLM) शक्तिशाली सहायक के रूप में काम कर सकते हैं और समस्याओं को जल्दी पहचानने तथा समाधान सुझाने में आपकी सहायता कर सकते हैं।

वे आपके कोड का विश्लेषण करते हैं, उसके उद्देश्य को समझते हैं और ऐसी सामान्य कमियों को पहचानते हैं जिन्हें खोजने में अन्यथा कई घंटे लग सकते हैं।

वाक्यविन्यास और तर्क संबंधी बग पहचानना

LLM आपके कोड में विभिन्न प्रकार की त्रुटियों का पता लगाने में कुशल होते हैं:

वाक्यविन्यास त्रुटियाँ: गायब सेमीकोलन, असंगत कोष्ठक और गलत कीवर्ड।
तर्क संबंधी खामियाँ: आपके एल्गोरिदम में ऐसी सूक्ष्म गलतियाँ जिनसे गलत व्यवहार होता है।
संभावित समस्याएँ: सुधार के क्षेत्रों या सामान्य गलत प्रतिरूपों का सुझाव।

उदाहरण: वाक्यविन्यास त्रुटि पहचानना

इस सरल Java कोड पर विचार करें। LLM गायब सेमीकोलन को तुरंत बता सकता है। त्रुटि देखने के लिए इसे चलाकर देखें!

public class BuggyCode {
  public static void main(String[] args) {
    int x = 10
    System.out.println("Value: " + x);
  }
}

कोड सुधार सुझाना

केवल त्रुटियों की पहचान करने के अलावा, LLM ठोस सुधार भी सुझा सकते हैं। यह अत्यंत उपयोगी है, क्योंकि इससे समस्या का संकेत मिलने के साथ-साथ उसके समाधान का मार्ग भी मिलता है।

आप किसी LLM को अपना BuggyCode देकर 'इस कोड को ठीक करें' या 'त्रुटि समझाएँ और समाधान दें' कह सकते हैं।

उदाहरण: तर्क संबंधी खामी ठीक करना

इस Java फ़ंक्शन का उद्देश्य दो संख्याओं में से अधिकतम संख्या लौटाना है, लेकिन इसमें तर्क संबंधी बग है। LLM सुझाव दे सकता है कि `if` शर्त को `a > b` में बदल दिया जाए।

public class MaxFinder {
  public static int findMax(int a, int b) {
    if (a < b) { // Logical error here!
      return a;
    } else {
      return b;
    }
  }

  public static void main(String[] args) {
    System.out.println("Max of 5 and 10: " + findMax(5, 10)); // Should be 10, outputs 5
    System.out.println("Max of 20 and 7: " + findMax(20, 7)); // Outputs 7
  }
}

परीक्षण मामलों का स्वचालन

सॉफ़्टवेयर की गुणवत्ता के लिए व्यापक इकाई परीक्षण लिखना महत्वपूर्ण है, लेकिन यह दोहराव वाला काम हो सकता है। LLM आपके फ़ंक्शन और विधियों के लिए परीक्षण मामले बनाकर इसे स्वचालित कर सकते हैं।

इससे विकास तेज़ होता है और बेहतर कोड कवरेज सुनिश्चित होती है।

परीक्षण मामलों के लिए प्रॉम्प्ट देना

LLM से सर्वोत्तम परीक्षण मामले प्राप्त करने के लिए आपके प्रॉम्प्ट में ये बातें शामिल होनी चाहिए:

कोड अंश या फ़ंक्शन हस्ताक्षर।
वांछित परीक्षण ढाँचा (जैसे, Java के लिए JUnit और Python के लिए Pytest)।
विशिष्ट परिस्थितियाँ (जैसे, धनात्मक, ऋणात्मक और सीमांत मामले)।
वांछित आउटपुट प्रारूप (जैसे, 'केवल परीक्षण कोड')।

उदाहरण: इकाई परीक्षण बनाना

किसी सरल फ़ंक्शन को देखते हुए, LLM एक JUnit परीक्षण क्लास बना सकता है। यहाँ एक नमूना फ़ंक्शन और उसके लिए LLM द्वारा बनाए जा सकने वाले परीक्षण दिए गए हैं।

public class Calculator {
  public int add(int a, int b) {
    return a + b;
  }
}

// --- LLM Generated Tests ---
import org.junit.jupiter.api.Test;
import static org.junit.jupiter.api.Assertions.assertEquals;

public class CalculatorTest {
  @Test
  void testAddPositiveNumbers() {
    Calculator calc = new Calculator();
    assertEquals(5, calc.add(2, 3));
  }

  @Test
  void testAddNegativeNumbers() {
    Calculator calc = new Calculator();
    assertEquals(-5, calc.add(-2, -3));
  }

  @Test
  void testAddZero() {
    Calculator calc = new Calculator();
    assertEquals(10, calc.add(10, 0));
  }
}

LLM से सीमांत मामलों को शामिल करना

LLM विभिन्न परिस्थितियों पर विचार करने में उत्कृष्ट होते हैं, जिनमें महत्वपूर्ण 'सीमांत मामले' भी शामिल हैं जिन्हें डेवलपर कभी-कभी नज़रअंदाज़ कर देते हैं।

उन्हें इन स्थितियों के लिए परीक्षण बनाने को कहें:

खाली इनपुट (जैसे, खाली स्ट्रिंग और null सूचियाँ)
शून्य, अधिकतम या न्यूनतम मान
अमान्य इनपुट (जैसे, जहाँ संख्याएँ अपेक्षित हों वहाँ गैर-संख्यात्मक मान)
दोहराया गया डेटा

डीबगिंग और परीक्षण प्रश्नोत्तरी

डीबगिंग और परीक्षण मामले बनाने में LLM की सहायता के बारे में अपनी समझ जाँचें।

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावलोकन: LLM के साथ डीबगिंग और परीक्षण

इस पाठ में आपने सीखा कि LLM आपके विकास कार्यप्रवाह में शक्तिशाली सहयोगी कैसे बन सकते हैं:

वे वाक्यविन्यास और तर्क संबंधी दोनों त्रुटियों की पहचान कर उनके सुधार सुझा सकते हैं।
LLM व्यापक इकाई परीक्षण मामले बनाने को स्वचालित करने के लिए उपयोगी टूल हैं।
प्रभावी प्रॉम्प्ट तैयार करके, आप LLM को धनात्मक, ऋणात्मक और महत्वपूर्ण सीमांत परिस्थितियों को शामिल करने के लिए निर्देश दे सकते हैं, जिससे कोड की गुणवत्ता और सुदृढ़ता में काफी सुधार होता है।

शुरुआत निःशुल्क

एआई शिक्षक के साथ डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 12
पाठ: 48

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “डीबगिंग और परीक्षण मामलों का जनरेशन” पाठ निःशुल्क है?

हाँ—“डीबगिंग और परीक्षण मामलों का जनरेशन” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“डीबगिंग और परीक्षण मामलों का जनरेशन” में मैं क्या सीखूँगा?

बग की पहचान करने, सुधार सुझाने और अपने सॉफ़्टवेयर के लिए व्यापक परीक्षण मामले स्वचालित रूप से उत्पन्न करने हेतु LLM का लाभ उठाएँ। आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।

“डीबगिंग और परीक्षण मामलों का जनरेशन” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← डेवलपरों के लिए प्रॉम्प्ट इंजीनियरिंग और LLM अनुकूलन पर वापस जाएँ