AI輔助編程入門：使用GitHub Copilot零基礎(chǔ)開發(fā)LLM應(yīng)用

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(biāo)準(zhǔn)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(zhǔn)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(zhǔn)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(zhǔn)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)