目录 #3
Description
第 1 章 · AI 辅助编程工具与编程学习
- 1.1 AI 辅助编程工具的介绍
- 1.2 评估自身编程学习能力
- 1.3 初学编程的常见障碍
- 1.4 如何使用 AI 辅助编程工具解决学习障碍
- 1.5 本章小结
第 2 章 · GitHub Copilot 初识
- 2.1 GitHub Copilot 的发展历程
- 2.2 从产品经理的视角探索 GitHub Copilot
- 2.3 GitHub Copilot 的技术原理
- 2.4 GitHub Copilot 的功能介绍
- 2.5 GitHub Copilot 作为本书示例工具的原因
- 2.6 本章小结
第 3 章 · 使用 GitHub Copilot 辅助编程的实战案例
- 3.1 交互式学习
- 3.2 环境配置
- 3.3 利用 GitHub Copilot 快速构建 Chrome 扩展程序
- 3.4 本章小结
第 4 章 · 利用 GitHub Copilot 快速入门 Python
- 4.1 Python 真的那么难学吗?
- 4.2 如何利用 GitHub Copilot 学 Python
- 4.3 Python 的基本概念和语言机制
- 4.4 本章小结
第 5 章 · 利用 GitHub Copilot 深入理解 Python 函数
- 5.1 利用 GitHub Copilot 学习 Python 函数基础
- 5.2 Python 函数的核心概念
- 5.3 会说话就会写函数
- 5.4 函数错误类型及原因
- 5.5 排查错误问题
- 5.6 Python 模块、第三方库、标准库里的函数
- 5.7 本章小结
第 6 章 · 提示工程：高效利用 GitHub Copilot 编写代码
- 6.1 提示工程概念详解
- 6.2 提示工程的最佳实践
- 6.3 高级提示词策略
- 6.4 本章小结
第 7 章 · 利用 GitHub Copilot 探索大语言模型的开发
- 7.1 大语言模型最大的价值
- 7.2 利用 GitHub Copilot 解决 LLM 开发中的问题
- 7.3 LLM 编程的环境准备
- 7.4 在本地开发一个 LLM 聊天机器人
- 7.5 基于魔搭创空间部署 LLM 应用
- 7.6 本章小结
第 8 章 · 利用 GitHub Copilot 编写单元测试和调试
- 8.1 单元测试是测试金字塔的基础
- 8.2 为什么要学习单元测试
- 8.3 利用 GitHub Copilot 辅助开发单元测试
- 8.4 单元测试和调试
- 8.5 GitHub Copilot 在单元测试中的作用
- 8.6 利用 GitHub Copilot 调试错误
- 8.7 本章小结
第 9 章 · 案例一：Python 调用 LLM 实现批量文件翻译
- 9.1 背景设定
- 9.2 准备工作
- 9.2.1 技术选型
- 9.2.2 准备开发环境
- 9.3 Python 脚本初体验
- 9.3.1 描述任务需求
- 9.3.2 安装依赖
- 9.3.3 配置环境变量
- 9.3.4 读取环境变量
- 9.4 第一版：实现翻译功能
- 9.4.1 尝试调用 OpenAI SDK
- 9.4.2 理解 LLM 的 API
- 9.4.3 处理 API 的返回结果
- 9.5 第二版：实现文件读写
- 9.5.1 读取文件内容
- 9.5.2 优化调试体验
- 9.5.3 保存文件内容
- 9.6 第三版：实现批量翻译
- 9.6.1 用函数操作文件
- 9.6.2 重塑翻译流程
- 9.6.3 批量处理文件
- 9.6.4 胜利在望
- 9.6.5 大功告成
- 9.7 功能完善与优化
- 9.7.1 避免硬编码
- 9.7.2 类型注解
- 9.7.3 错误处理
- 9.7.4 日志记录
- 9.8 LLM 应用开发技巧
- 9.8.1 选择模型
- 9.8.2 打磨系统提示词
- 9.8.3 配置 API 参数
- 9.8.4 探究 API 的返回数据
- 9.8.5 上下文窗口
- 9.9 本章小结
第 10 章 · 案例二：网页版智能对话机器人
- 10.1 项目背景
- 10.1.1 产品形态
- 10.1.2 浏览器端的编程语言
- 10.2 准备工作
- 10.2.1 技术选型
- 10.2.2 准备开发环境
- 10.2.3 启动开发环境
- 10.2.4 熟悉 Tailwind
- 10.2.5 Vue 上手体验
- 10.2.6 熟悉调试工具
- 10.2.7 熟悉项目文件
- 10.3 界面设计与实现
- 10.3.1 页面整体布局
- 10.3.2 预览手机端效果
- 10.3.3 界面主体
- 10.3.4 对话气泡
- 10.3.5 数据驱动的对话气泡
- 10.4 实现对话交互
- 10.4.1 消息列表自动滚动
- 10.4.2 消息列表平滑滚动
- 10.4.3 操纵输入框
- 10.4.4 操纵发送按钮
- 10.4.5 模拟机器人回复
- 10.4.6 打磨交互细节
- 10.5 调用大语言模型
- 10.5.1 加载 SDK
- 10.5.2 对接大语言模型
- 10.5.3 对话气泡再优化
- 10.6 功能增强：多轮对话
- 10.6.1 发现不足
- 10.6.2 大语言模型的多轮对话原理
- 10.6.3 梳理思路
- 10.6.4 改造代码
- 10.7 功能增强：流式输出
- 10.7.1 发现不足
- 10.7.2 流式输出的原理
- 10.7.3 处理 SDK 的流式输出
- 10.7.4 实现流式输出效果
- 10.7.5 对话气泡再升级
- 10.8 功能增强：自定义配置
- 10.8.1 实现配置页面
- 10.8.2 控制弹框的显隐
- 10.8.3 浏览器端的持久化存储
- 10.8.4 配置信息的读取
- 10.8.5 配置信息的保存
- 10.8.6 页面再优化
- 10.9 项目收尾
- 10.9.1 功能完善与优化
- 10.9.2 公开发布
- 10.10 本章小结