GPT-4 (oder ähnliches LLM), gh copilot (optional) intermediate coding 80% Usefulness

Prompting für Code-Refaktorierung und Optimierung

Erfahre, wie du Prompts formulierst, um GPT-4 dazu zu bringen, bestehenden Code zu refaktorieren, zu optimieren oder zu verbessern, um Lesbarkeit, Performance oder Wartbarkeit zu erhöhen.

Originalvideo ansehen: Anthropic Found Out Why AIs Go Insane

4 Schritte

Code-Snippet bereitstellen

Gib der KI das spezifische Code-Snippet, das refaktorisiert oder optimiert werden soll. Beispiel: 'Hier ist eine Funktion, die ich verbessern möchte:' gefolgt vom Code.

Tipp: Isoliere das Problem auf das kleinste relevante Code-Stück, um den Kontext für die KI zu optimieren.

Ziel der Refaktorierung klar definieren

Beschreibe genau, was du erreichen möchtest. Soll der Code lesbarer werden? Performanter? Soll er eine bestimmte Design-Pattern anwenden? Beispiel: 'Mache diese Funktion lesbarer und reduziere die Anzahl der verschachtelten `if`-Anweisungen.' oder 'Optimiere diese Funktion für bessere Performance, indem du unnötige Schleifen entfernst.'

Tipp: Sei spezifisch. Statt 'verbessere den Code', sage 'extrahiere die Logik in kleinere, wiederverwendbare Funktionen'.

Kontext und Einschränkungen hinzufügen

Gib der KI zusätzlichen Kontext, der für die Refaktorierung wichtig sein könnte, wie z.B. die umgebende Klasse, relevante Schnittstellen oder Performance-Anforderungen. Beispiel: 'Diese Funktion wird in einer Schleife mit vielen Daten aufgerufen, daher ist Performance kritisch.'

Tipp: Wenn bestimmte Bibliotheken oder Frameworks verwendet werden sollen, erwähne diese. 'Verwende Lodash-Funktionen, wo immer möglich.'

Gewünschtes Ausgabeformat angeben

Lege fest, wie die KI ihre Antwort präsentieren soll. Nur der refaktorisierte Code? Oder der Code mit einer Erklärung der vorgenommenen Änderungen? Beispiel: 'Gib mir den refaktorisierten Code und eine kurze Erklärung der wichtigsten Änderungen.'

Warnung: Refaktorierter Code muss gründlich getestet werden, um sicherzustellen, dass die Funktionalität nicht beeinträchtigt wurde und keine neuen Fehler eingeführt wurden.

← Alle Playbooks anzeigen