AI辅助编程实战

本书深入探讨了AI（人工智能）如何革新软件开发领域，从AI辅助编程的演变、优势与挑战到具体的工具与技术实现，为开发者打开了一个全新的世界。全书共10章，第1章介绍了编程的历史演变和生成式AI的崛起；第2章深入技术细节，解释了AI辅助编程工具的主要功能和工作原理；第3章讨论了提示工程的重要性，以及如何与AI工具进行有效沟通；第4章和第5章通过GitHub Copilot和其他AI编程工具的案例，展示了AI在实际开发中的应用；第6章扩展到通用大语言模型，如ChatGPT和GPT-4，探讨了它们在日常任务处理中的应用；第7章和第8章覆盖了软件开发的早期阶段和代码编写过程，展示了AI如何辅助决策、提高学习效率和代码质量；第9章讨论了调试、测试和部署过程中AI的作用；第10章总结了AI辅助编程的一些启示，包括学习曲线、优势、不足及对未来工作的影响。本书适合软件...

(展开全部)

本书深入探讨了AI（人工智能）如何革新软件开发领域，从AI辅助编程的演变、优势与挑战到具体的工具与技术实现，为开发者打开了一个全新的世界。全书共10章，第1章介绍了编程的历史演变和生成式AI的崛起；第2章深入技术细节，解释了AI辅助编程工具的主要功能和工作原理；第3章讨论了提示工程的重要性，以及如何与AI工具进行有效沟通；第4章和第5章通过GitHub Copilot和其他AI编程工具的案例，展示了AI在实际开发中的应用；第6章扩展到通用大语言模型，如ChatGPT和GPT-4，探讨了它们在日常任务处理中的应用；第7章和第8章覆盖了软件开发的早期阶段和代码编写过程，展示了AI如何辅助决策、提高学习效率和代码质量；第9章讨论了调试、测试和部署过程中AI的作用；第10章总结了AI辅助编程的一些启示，包括学习曲线、优势、不足及对未来工作的影响。本书适合软件开发者、编程爱好者、技术项目经理、高等院校计算机科学专业的学生及对AI在编程领域的应用感兴趣的专业人士阅读。

作者简介

Tom Taulli，作家、顾问和投资者，著有Artificial Intelligence Basics等图书。他还为AIBusiness网站、Inc.网站、Barrons网站、eSecurity Planet网站和Kiplingers网站等媒体撰稿，并为O'Reilly和Pluralsight开发教育课程，专注生成式AI、数据库技术及Python编程等领域。

译者简介

成海霞，微软高级软件工程师，负责Java on Azure面向传统应用服务器的云原生解决方案的设计和研发，助力企业客户将Java遗留系统成功转型并无缝迁移至Azure容器平台，实现技术现代化的飞跃。曾就职于甲骨文上海研发中心，从事自动化测试产品及PAAS平台现代化DevOps系统的研发。Microsoft Azure for Java Developers图书技术评审，I...

(展开全部)

作者简介

Tom Taulli，作家、顾问和投资者，著有Artificial Intelligence Basics等图书。他还为AIBusiness网站、Inc.网站、Barrons网站、eSecurity Planet网站和Kiplingers网站等媒体撰稿，并为O'Reilly和Pluralsight开发教育课程，专注生成式AI、数据库技术及Python编程等领域。

译者简介

成海霞，微软高级软件工程师，负责Java on Azure面向传统应用服务器的云原生解决方案的设计和研发，助力企业客户将Java遗留系统成功转型并无缝迁移至Azure容器平台，实现技术现代化的飞跃。曾就职于甲骨文上海研发中心，从事自动化测试产品及PAAS平台现代化DevOps系统的研发。Microsoft Azure for Java Developers图书技术评审，InfoQ中国社区编辑/译者，翻译了多本技术图书。

推荐序1 1
推荐序2 3
序言 5
前言 7
第1章 AI打开开发者的新世界 13
1.1 编程的演变与革命 14
· · · · · · (更多)

推荐序1 1
推荐序2 3
序言 5
前言 7
第1章 AI打开开发者的新世界 13
1.1 编程的演变与革命 14
1.2 生成式AI 16
1.3 AI辅助编程工具的优点 17
1.3.1 最小化搜索 18
1.3.2 充当你的顾问 20
1.3.3 与IDE集成 20
1.3.4 适配你的代码库 21
1.3.5 检查代码完整性 22
1.3.6 AI驱动的文档生成器 22
1.3.7 现代化支持 23
1.4 AI辅助编程工具的缺点 26
1.4.1 幻觉 26
1.4.2 知识产权 26
1.4.3 隐私 27
1.4.4 安全 28
1.4.5 训练数据 28
1.4.6 偏见 29
1.5 开发者的新世界 29
1.5.1 职业发展 30
1.5.210 倍开发者 30
1.5.3 开发者的技能 31
1.6 小结 31
第2章 AI辅助编程技术的工作原理 33
2.1 AI辅助编程工具的主要功能 33
2.2 智能代码自动补全与上下文感知的代码补全 34
2.3 编译器与AI辅助编程工具 34
2.4 能力等级 36
2.5 生成式AI和LLM 37
2.5.1 技术演变 38
2.5.2 Transformer模型 39
2.5.3 OpenAI Playground 42
2.6 评估LLM 47
2.7 LLM的类型 50
2.8 评估AI辅助编程工具 52
2.9 小结 53
第3章 提示工程 55
3.1 艺术与科学 56
3.2 挑战 56
3.3 提示 57
3.4 上下文 58
3.5 指令 58
3.5.1 摘要 59
3.5.2 文本分类 59
3.5.3 建议 60
3.5.4 翻译 60
3.6 输入内容 62
3.7 输出格式 62
3.8 优秀实践 63
3.8.1 越具体越好 63
3.8.2 专业术语与缩略语 64
3.8.3 零样本学习和少样本学习 65
3.8.4 引导词 66
3.8.5 CoT提示 66
3.8.6 引导性问题 67
3.8.7 请求类比示例 67
3.9 减少幻觉 68
3.10 安全和隐私 69
3.11 自治的AIAgent 70
3.12 小结 73
第4章 GitHub Copilot 75
4.1 GitHub Copilot 简介 75
4.1.1 版本和价格 76
4.1.2 案例：AMD公司的硬件编程 77
4.1.3 案例：Shopify电商服务平台 78
4.1.4 案例：埃森哲咨询公司 79
4.1.5 安全 79
4.2 使用Copilot 80
4.2.1 Codespaces与VS Code 81
4.2.2 代码建议 82
4.2.3 注释 84
4.2.4 聊天 85
4.2.5 内联聊天 90
4.2.6 打开的标签页 92
4.2.7 命令行界面 92
4.3 Copilot合作伙伴计划 94
4.4 小结 95
第5章 其他AI辅助编程工具 97
5.1 CodeWhisperer 97
5.2 Duet AI 99
5.3 Tabnine 101
5.4 Replit 102
5.5 CodeGPT 104
5.6 Cody 105
5.7 CodeWP 107
5.8 Warp 108
5.9 Bito AI 110
5.10 Cursor 111
5.11 Code Llama 112
5.12 其他开源模型 113
5.12.1 StableCode 113
5.12.2 AlphaCode 114
5.12.3 PolyCoder 114
5.12.4 CodeT5 114
5.12.5 软件公司开发的模型 115
5.13 小结 116
第6章 ChatGPT和其他通用LLM 117
6.1 ChatGPT 117
6.2 GPT-4 118
6.3 访问ChatGPT 119
6.3.1 移动版ChatGPT 122
6.3.2 自定义指令 122
6.4 使用必应浏览功能 123
6.5 处理乏味的任务 126
6.5.1 正则表达式 126
6.5.2 入门代码 127
6.5.3 README文件 128
6.6 跨浏览器兼容性 129
6.7 bash命令 130
6.8 GitHub Actions 130
6.9 ChatGPT插件 131
6.9.1 Codecademy插件 131
6.9.2 AskYourDatabase插件 133
6.9.3 Recombinant AI插件 133
6.10 自定义GPT 133
6.11 Gemini 135
6.11.1 应用 137
6.11.2 编程 138
6.12 Claude 139
6.13 小结 141
第7章 软件开发的早期阶段：想法、需求和规划 143
7.1 头脑风暴 143
7.2 市场调研 145
7.2.1 市场趋势 147
7.2.2 市场规模 148
7.3 竞争分析 149
7.4 需求分析 151
7.4.1 产品需求文档 152
7.4.2 软件需求规约 153
7.4.3 访谈 154
7.4.4 白板讨论 155
7.4.5 文档基调 156
7.5 项目规划方法 157
7.5.1 测试驱动开发 159
7.5.2 Web设计规划 160
7.6 小结 162
第8章 编写代码 165
8.1 现状：AI辅助编程工具能替代开发者吗 165
8.2 决策：是否采用AI辅助编程工具 167
8.3 提高学习效率 167
8.4 高效注释 169
8.5 模块化编程 169
8.6 快速启动项目 170
8.7 自动填充 171
8.8 重构 173
8.8.1 忍者代码 173
8.8.2 提炼函数 174
8.8.3 分解条件表达式 175
8.8.4 重命名 175
8.8.5 无用代码 176
8.9 编写函数 176
8.10 面向对象编程 178
8.11 框架和库 179
8.12 生成样本数据 180
8.13 前端开发 182
8.13.1 CSS 182
8.13.2 创建图形 183
8.13.3 AI工具 184
8.14 API 186
8.15 小结 187
第9章 调试、测试和部署 189
9.1 调试 189
9.2 文档 190
9.3 代码审查 192
9.3.1 单元测试 193
9.3.2 拉取请求 195
9.4 部署 197
9.4.1 用户反馈 198
9.4.2 产品发布 199
9.5 小结 200
第10章 AI辅助编程的一些启示 201
10.1 陡峭的学习曲线 201
10.2 主要优势 201
10.3 不足之处 202
10.4 提示工程是科学与艺术的结合 203
10.5 编程之外的能力 203
10.6 AI不会抢走开发者的工作 203
10.7 小结 204
· · · · · · (收起)