Questo documento illustra le strategie per creare prompt che funzionino con i modelli supportati per generare codice utilizzando una descrizione in linguaggio naturale.
Casi d'uso
Ecco alcuni casi d'uso comuni per la generazione di codice:
Test delle unità: crea un prompt per richiedere un test delle unità per una funzione.
Scrivere una funzione: passa un problema al modello per ottenere una funzione che lo risolva.
Crea un corso: utilizza un prompt per descrivere lo scopo di un corso e includi il codice che definisce il corso restituito.
Modelli supportati
I seguenti modelli supportano le attività di generazione di codice:
- Gemini 1.5 Flash
- Gemini 1.5 Pro
- Gemini 1.0 Pro
Prompt di generazione di codice di esempio
Utilizza i seguenti esempi per scoprire come progettare i prompt per la generazione di codice.
Genera uno script Docker
Puoi utilizzare il modello di generazione di codice per generare uno script Docker. Il prompt seguente genera uno script Docker per creare una macchina Linux con librerie specifiche installate:
Generate a Docker script to create a simple linux machine that has python 3.10 installed with following libraries: pandas, tensorflow, numpy ``` # Create a new Dockerfile FROM ubuntu:20.04 # Update the package list RUN apt-get update # Install Python 3.10 RUN apt-get install -y python3.10 # Install Python libraries RUN pip install pandas tensorflow numpy # Create a new user RUN useradd -m user # Set the default user USER user # Start the Python shell CMD ["python"] ``` To build the Docker image, run the following command: ``` docker build -t my-python-image . ``` To run the Docker image, run the following command: ``` docker run -it --rm my-python-image ``` This starts a new container based on the `my-python-image` image. You can then use the Python shell to interact with the container. For example, you can install additional Python libraries or run Python scripts. |
Generare una funzione
Puoi utilizzare il modello di generazione di codice per generare una funzione. Il seguente prompt genera una funzione che inserisce un anno e determina se si tratta di un anno bisestile o meno:
Write a function that checks if a year is a leap year. ```python def is_leap_year(year): """ def is_leap_year(year): """ Check if a year is a leap year. Args: year: The year to check. Returns: True if the year is a leap year, False otherwise. """ if year % 4 != 0: return False elif year % 100 == 0 and year % 400 != 0: return False else: return True ``` |
Generare un test di unità
Puoi utilizzare il modello di generazione di codice per generare un test unitario.
Il seguente prompt genera un test delle unità per una funzione che determina se un anno è bisestile o meno.
Write a unit test for this function: def is_leap_year(year): """ Check if a year is a leap year. Args: year: The year to check. Returns: True if the year is a leap year, False otherwise. """ if year % 4 != 0: return False elif year % 100 == 0 and year % 400 != 0: return False else: return True ```python import unittest class IsLeapYearTest(unittest.TestCase): def test_is_leap_year_true(self): self.assertTrue(is_leap_year(2000)) self.assertTrue(is_leap_year(2004)) self.assertTrue(is_leap_year(2012)) def test_is_leap_year_false(self): self.assertFalse(is_leap_year(1900)) self.assertFalse(is_leap_year(1999)) self.assertFalse(is_leap_year(2100)) def test_is_leap_year_invalid_input(self): with self.assertRaises(TypeError): is_leap_year("2000") if __name__ == '__main__': unittest.main() ``` |
Passaggi successivi
- Scopri come inviare richieste di prompt di Gemini Chat.
- Scopri come creare prompt di chat con codice.
- Scopri come creare prompt di completamento del codice.
- Scopri le best practice per l'AI responsabile e i filtri di sicurezza di Vertex AI.