AI Prompt Engineering · Pelajaran

Membuat Kode dengan LLM

Susun prompt untuk menghasilkan cuplikan kode, fungsi, atau skrip lengkap dalam berbagai bahasa pemrograman.

Membuat Kode dengan LLM adalah pelajaran AI Prompt Engineering gratis di CoddyKit. Ini adalah pelajaran 1 dari 3. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar AI Prompt Engineering, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus AI Prompt Engineering mencakup 3 pelajaran total.

Pembuatan Kode dengan LLM

Selamat datang di dunia pembuatan kode dengan Large Language Models (LLM)! Pelajaran ini membahas cara memanfaatkan LLM untuk menulis kode bagi Anda.

LLM dapat menghasilkan potongan kode, fungsi, atau bahkan program lengkap berdasarkan uraian Anda dalam bahasa alami. Hal ini dapat mempercepat pengembangan secara signifikan, mengotomatiskan kode dasar, dan membantu Anda mempelajari sintaks baru.

Potongan Kode Sederhana

Mari mulai dengan permintaan dasar. Anda dapat meminta LLM menghasilkan potongan kecil kode untuk tugas tertentu. Selalu jelaskan dengan baik hal yang Anda inginkan!

Cobalah menjalankan contoh Python sederhana berikut:

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

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

Tentukan Bahasa Pemrograman

Sangat penting untuk menyebutkan secara eksplisit bahasa pemrograman yang Anda inginkan. LLM bersifat multibahasa, jadi mengarahkannya ke sintaks yang benar adalah hal utama.

Berikut cara meminta metode Java sederhana:

// 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);
  }
}

Hasilkan Fungsi

Selain potongan kode, Anda dapat meminta LLM menghasilkan fungsi lengkap. Jelaskan tujuan fungsi, masukan yang diterima, dan nilai yang harus dikembalikannya.

Mari hasilkan fungsi Python untuk memeriksa apakah suatu bilangan adalah bilangan prima:

# 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)}")

Menambahkan Batasan Khusus

Untuk mendapatkan kode yang lebih tepat, tambahkan batasan. Batasan ini dapat mencakup jenis masukan/keluaran, penanganan kesalahan, algoritme tertentu, atau pertimbangan kinerja.

Berikut fungsi Python yang menyertakan penanganan kesalahan dasar untuk pembagian:

# 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)}")

Menghasilkan Program Lengkap

LLM bahkan dapat menghasilkan program lengkap yang dapat dijalankan. Anda perlu memberikan uraian menyeluruh tentang tujuan, fitur, dan keluaran yang diinginkan dari program tersebut.

Mari coba menghasilkan program Java sederhana yang menghitung luas persegi panjang:

// 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);
  }
}

Merancang Perintah yang Efektif

Untuk mendapatkan kode terbaik, ingatlah kiat-kiat berikut:

Jelaskan Secara Eksplisit: Nyatakan bahasa, tugas, dan format keluaran yang diinginkan dengan jelas.
Berikan Konteks: Jelaskan masalah yang harus diselesaikan oleh kode tersebut.
Gunakan Contoh: Jika memungkinkan, berikan contoh masukan/keluaran.
Tentukan Batasan: Sebutkan penanganan kesalahan, kinerja, atau pustaka tertentu.
Lakukan Iterasi: Jika percobaan pertama belum sempurna, sempurnakan perintah Anda.

Menyempurnakan Kode yang Dihasilkan

Sering kali, potongan kode pertama yang dihasilkan LLM belum persis sesuai dengan kebutuhan Anda. Jangan khawatir!

Anda dapat menggunakan perintah lanjutan untuk menyempurnakan, mengubah, atau memperluas kode tersebut. Misalnya, Anda dapat meminta LLM untuk:

"Tambahkan komentar pada kode ini."
"Ubah fungsi ini agar menggunakan perulangan while, bukan for."
"Buat kode ini lebih efisien."
"Tangani kasus batas untuk masukan negatif."

Meninjau Kode yang Dihasilkan

Meskipun LLM sangat ampuh, kode yang dihasilkan tidak selalu sempurna. Selalu perlakukan kode tersebut sebagai titik awal, bukan solusi akhir.

Verifikasi Kebenaran: Uji kode secara menyeluruh.
Periksa Keamanan: LLM terkadang dapat menghasilkan kode yang tidak aman.
Pahami Kode: Jangan gunakan kode yang tidak Anda pahami.
Optimalkan: Cari peluang untuk meningkatkan kinerja atau keterbacaan.

Keahlian Anda tetap sangat penting!

Kuis Pembuatan Kode

Manakah dari praktik berikut yang penting untuk menghasilkan kode berkualitas tinggi menggunakan LLM?

Ringkasan Pelajaran

Dalam pelajaran ini, kita mempelajari cara menghasilkan kode dengan LLM:

Kita belajar meminta potongan kode sederhana, fungsi, dan program lengkap.
Kita menekankan pentingnya menentukan bahasa dan menambahkan batasan.
Kita membahas praktik terbaik untuk merancang perintah yang efektif.
Kita membahas proses penyempurnaan berulang dan pentingnya meninjau kode yang dihasilkan.

Teruslah berlatih untuk menguasai seni pembuatan kode!

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Membuat Kode dengan LLM” gratis?

Ya — teks lengkap “Membuat Kode dengan LLM” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus AI Prompt Engineering, upgrade ke CoddyKit PRO. Kursus AI Prompt Engineering mencakup 3 pelajaran total.

Apa yang akan aku pelajari di “Membuat Kode dengan LLM”?

Susun prompt untuk menghasilkan cuplikan kode, fungsi, atau skrip lengkap dalam berbagai bahasa pemrograman. Kamu berlatih AI Prompt Engineering dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai AI Prompt Engineering?

Tidak diperlukan pengalaman sebelumnya. AI Prompt Engineering di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 3.

Berapa lama pelajaran “Membuat Kode dengan LLM” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran AI Prompt Engineering ini?

Ya. Setiap pelajaran AI Prompt Engineering menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke AI Prompt Engineering