AI Prompt Engineering · Aula

Geração de código com LLMs

Crie prompts para gerar trechos de código, funções ou scripts completos em várias linguagens de programação.

Geração de código com LLMs é uma aula grátis de AI Prompt Engineering no CoddyKit. Esta é a aula 1 de 3. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de AI Prompt Engineering, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de AI Prompt Engineering inclui 3 aulas no total.

Geração de código com LLMs

Boas-vindas à geração de código com Modelos de Linguagem de Grande Escala (LLMs)! Nesta lição, você explorará como aproveitar os LLMs para escrever código para você.

Os LLMs podem gerar trechos de código, funções ou até programas completos com base nas suas descrições em linguagem natural. Isso pode acelerar significativamente o desenvolvimento, automatizar código padrão e ajudar no aprendizado de novas sintaxes.

Trechos de código simples

Vamos começar com uma solicitação básica. Você pode pedir a um LLM que gere um pequeno trecho de código para uma tarefa específica. Seja sempre claro sobre o que deseja!

Experimente executar este exemplo simples em Python:

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

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

Especifique a linguagem de programação

É fundamental declarar explicitamente a linguagem de programação desejada. Os LLMs são multilíngues, portanto orientá-los para a sintaxe correta é essencial.

Veja como pedir um método simples em Java:

// 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);
  }
}

Gere uma função

Além de trechos, você pode instruir os LLMs a gerar funções completas. Descreva a finalidade da função, suas entradas e o que ela deve retornar.

Vamos gerar uma função Python para verificar se um número é primo:

# 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)}")

Adicionando restrições específicas

Para obter um código mais preciso, adicione restrições. Elas podem incluir tipos de entrada e saída, tratamento de erros, algoritmos específicos ou considerações de desempenho.

Veja uma função Python que inclui tratamento básico de erros para divisão:

# 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)}")

Gerando programas completos

Os LLMs podem até gerar programas completos e executáveis. Você precisará fornecer uma descrição abrangente da finalidade, dos recursos e da saída desejada do programa.

Vamos tentar gerar um programa simples em Java que calcula a área de um retângulo:

// 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);
  }
}

Criando instruções eficazes

Para obter o melhor código, lembre-se destas dicas:

Seja explícito: declare claramente a linguagem, a tarefa e o formato de saída desejado.
Forneça contexto: explique o problema que o código precisa resolver.
Use exemplos: se possível, forneça exemplos de entrada e saída.
Especifique restrições: mencione o tratamento de erros, o desempenho ou bibliotecas específicas.
Faça iterações: se a primeira tentativa não for perfeita, refine sua instrução.

Refinando o código gerado

Frequentemente, o primeiro trecho de código gerado por um LLM não é exatamente o que você precisa. Não se preocupe!

Você pode usar instruções de acompanhamento para refinar, modificar ou ampliar o código. Por exemplo, você poderia pedir ao LLM para:

"Adicione comentários a este código."
"Altere esta função para usar um laço while em vez de for."
"Torne este código mais eficiente."
"Trate casos extremos para entradas negativas."

Revisando o código gerado

Embora os LLMs sejam poderosos, o código gerado nem sempre é perfeito. Considere-o sempre um ponto de partida, não uma solução final.

Verifique a correção: teste o código minuciosamente.
Verifique a segurança: os LLMs podem gerar código inseguro.
Compreenda-o: não use código que você não entende.
Otimize: procure oportunidades para melhorar o desempenho ou a legibilidade.

Sua experiência continua sendo essencial!

Questionário sobre geração de código

Quais das práticas a seguir são essenciais para gerar código de alta qualidade usando um LLM?

Resumo da lição

Nesta lição, exploramos como gerar código com LLMs:

Aprendemos a criar instruções para trechos simples, funções e programas completos.
Destacamos a importância de especificar a linguagem e adicionar restrições.
Conhecemos as práticas recomendadas para criar instruções eficazes.
Discutimos o processo de refinamento iterativo e a necessidade de revisar o código gerado.

Continue praticando para dominar a arte da geração de código!

Perguntas Frequentes

A aula “Geração de código com LLMs” é grátis?

Sim — o texto completo de “Geração de código com LLMs” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de AI Prompt Engineering, atualize para CoddyKit PRO. O curso de AI Prompt Engineering inclui 3 aulas no total.

O que vou aprender em “Geração de código com LLMs”?

Crie prompts para gerar trechos de código, funções ou scripts completos em várias linguagens de programação. Você pratica AI Prompt Engineering com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar AI Prompt Engineering?

Nenhuma experiência prévia é necessária. AI Prompt Engineering no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 3.

Quanto tempo leva a aula “Geração de código com LLMs”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de AI Prompt Engineering?

Sim. Cada aula de AI Prompt Engineering inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

← Voltar para AI Prompt Engineering