Если вы хотите писать код с LLM (большими языковыми моделями) то не обязательно ставить себе IDE, специализированное API копилота и т.д.
Писать код умеет более-менее любая инструктивная LLM (Chat Gpt, Clode, Gigachat, LLAMA, Mistral, Qwen и др.). Они все видели исходники гитхаба, stackoverflow, quora и другие популярные ресурсы с кодом, вопосами к коду и ответами на вопросы по коду.
Если вы подключите себе копилота это конечно приятно, вы получите inline режим внутри вашей IDE. И программирование для вас превратится в написание 1-2 символов, секунду ожидания - и ваша строчка кода, а порой и сразу все следующие 5 строчек кода будут уже предложены копилотом. Причем в 90% случаев правильно - он напишет весь цикл, спользует переменные, которые есть в коде выше, подставит правильные значения констант. В общем удобно и быстро. Вы нажмете кнопку TAB, предложенный код подставится в редактируемый файл. И останется его только отредактировать в 1-2 местах. Скорость работы так вырастает раза в 2-3 точно.
Если хотите использовать копилота - это хорошо и правильно. В России сейчас бесплтано доступно решение от Сбера gigacode. Ставится в PyCharm и другие IDE, поддерживает разные языки программирования. Можете найти его и документацию по подключению на сайте https://gigacode.ru/
А мы поговорим о втором сценарии, для которого копилот не нужен. А подойдет любой интерфейс к LLM, хоть телеграм бот, хоть веб версия чата.
Чтобы модель стала хорошим кодером ее надо об это попросить. Поэтому все промты будем делать вида:
<роль>
<задача>
<формат>Как просить модель - это промтинг. И примеры промтинга мы и рассмотрим далее.
Пример
Ты эксперт по написанию чистого кода, на Python3. Ты выступаешь ментором для начинающих программистов и пишешь ясный, хорошо откомментированный код.
По каждому вопросу ты стараешься дать макимально развернутый и исчерпывающий ответ.
<тут идет ваш вопрос>
<тут пожелания к формату вывода>В целом вводную часть про роль можно поместить в system промпт модели, если вы можете его редактировать, и тогда не придется писать его при каждом новом вопросе, можно будет сразу писать ваш вопрос. Про промптинг на уровне системных промтов расскажем в конце этой статьи.
Также когда вы получили ответ на вопрос и переходите к новому своему вопросу - всегда сбрасывайте контекст, чтобы информация из прежнего запроса не мешала модели. Так и дешевле и быстрее получится - вы не тащите не нужные токены в диалог, и точнее, модель меньше глючит.
Пожелания к формату - важная штука. В общем-то что вы попросите, то и получите. И соответственно, можно просить:
Если модель делает не то что вам нужно, скорее всего вы ей плохо объяснили, а что же вы ждете.
Я бы условно разделил сценарии на несколько типов. И начнем с самого верхнеуровневого сценария.
Вы не знаете и хотите узнать как сдеать что-то. Например какие есть архитектурные подходы к решению задачи. Какие технологии, библиотеки можно использовать чтобы решить задачу. Для этого вы можете попросить модель выступить в роли эксперта и написать вам какие есть подходы для решения вашей проблемы - декомпозировать ее верхнеуровнево.
Например
мне нужно на сайте сделать голосовой ввод от пользователя. пользователь говорит фразу и я должен отправить это на сервер, чтобы там обработать.
как мне в браузере записать звук, какой формат аудио записи мне доступен?
Напиши код записи и отправки звука на серверИли
Какие библиотеки для распознавания звука в текст есть в Python? Покажи примеры перевода файла mp3 в текст.
Дай несколько вариантов и напиши для каждой библиотеки ее плюсы и минусыИли
У меня задача по распознанному голосовому сообщению находить названные товары.
Я умею хорошо превращать голосовое сообщение в текст.
Как мне сделать поиск по номенклатуре товаров?
Опиши подходы к решению данной задачи на языке python3или
мне нужно на сайте отображать прогресс исполнения пайплайна обработки на сервере по шагам.
какой способ есть выводить на сайте уведомления, приходящие с сервера?и т.д.
Таким образом вы в общем-то в состоянии написать прототип почти любого сервиса, обладая базовыми навыками программирования.
Модели могут вам прекрасно объяснять что-то. Например вы не сильны в Javascript, т.к. видите его раз в год по рабочим задачам, а плотно занимались с ним 10 лет назад в универе на лабах. Используя модели вы можете отлично отвечать для себя на самые разные вопросы
Можно показывать куски кода и просить из объяснить. Например:
что означает в CSS
.reason_toggle:checked + .reason_content-visible + .reason_content-hidden {
display: block;
}или
почему такой код на python3 не меняет значение переменной в модуле
from module1.submodule import stat, call_stat
call_stat = True
а такой код меняет
module1.submodule.call_stat = True
в чем причина?или
как раскрывается в python3 @rate_limiter(5) - как это написать без значка декоратора?Вы можете просить модель реализовать вам конкретный алгоритм, про который вы смутно представляете что он должен сущетвовать.
напиши алгоритм экстрактивной суммаризации на основе вхождения общих слови когда модель вам напишет свои мысли вы можете с ней уточнять реализацию задачи, например
а если я хочу использовать матрицу схожести предложений? когда близость предложений вычисляется как количество общих слов, деленное на объединение слов предложений. И оставлять предложения которые имеют наибольший вес как схожие с другие по словам в больше степени?
какой тут правильный алгоритм?И так в диалоге картина для вас проясняется. Это отлично работает, когда вы помните что-то смутно и гуглить это придется часа 2, тк вы забыли в каком источнике видели, какой правильный поисковый запрос сформулировать и т.д. С моделью эта ситуация разрешается обычно минут за 10-15 вместо 2-3 часов.
Тут вы просите написать отдельную функцию или часть функции. Например ЛЛМ хорошо пишут и дебажат регулярки, в отличие от людей. Например можно спрашивать так
напиши регулярное выражение на python чтобы выделить текст вначале строки написанный большими буквами
например для АВАРИЙНО-СПАСАТЕЛЬНОЕ ОБСЛУЖИВАНИЕ ОРГАНИЗАЦИЙ ПО ДОБЫЧЕ (ПЕРЕРАБОТКЕ) УГЛЯ (ГОРЮЧИХ СЛАНЦЕВ) комплекс мероприятий, направленных на осуществление профилактических работ по противоаварийной и противопожарной
надо выделить АВАРИЙНО-СПАСАТЕЛЬНОЕ ОБСЛУЖИВАНИЕ ОРГАНИЗАЦИЙ ПО ДОБЫЧЕ (ПЕРЕРАБОТКЕ) УГЛЯ (ГОРЮЧИХ СЛАНЦЕВ)или
почему не срабатывает регулярное выражение на python3
t = 'людей. На первый '
re.sub(r'([a-zа-яё]{2,}\s*[.?!]+)\s*([A-ZА-ЯЁ])', '\g<1><sep>\g<2>', t)
оставляет текст как есть, тогда как должно быть 'людей.<sep>На первый 'Вы можете просить систему написать функцию целиком. И прекрасно то, что модель владеет полным стеком технологий. Например вы можете попросить что-то сверстать
сверстай блок который отображает текст и часть текста скрыта.
в конце первого текста стоит элемент, например якорная ссылка, при клике на которую оторажается второй текст.
а при повтрном клике второй текст скрывается снова.
таких элементов будет много, целый список и у каждого свой скрытый текст.
как это сделать без javascript, только на cssили
у меня есть блок
<div>
<p class="part">text1</p>
<p class="part">text2</p>
<p class="part">text3</p>
</div>
сделай верстку аккордеон, чтобы у каждого элемента с текстом был кликабельный заголовок, по клику на который текст блока отображается.
только средствами css без javascriptили
document.addEventListener('DOMContentLoaded', continueSearch);
я хочу запускать такую функцию при загрузке страницы.
я верно написал?или
напиши на javascript отправку данных на сервер методом пост
function(){
var text = document.getElementById("search");
}
допиши функцию отправлять надо на endpoint /searchВы можете попросить переписать кусок кода, обяснив в каком стиле это нужно сделать. Например, если вы, как и я, не очень дружите с javascript, то вполне можете писать свой некрасивый и корявый код как в 90-е, а потом просить переписать код на современный и лаконичный TypeScript. Или наоборот не очень понятные вам примеры на TypeScript с кучей функциональщины и коллбэков попросить переписать на чистом javascript по рабоче-крестьянски и с комментрариями.
Просить модель оптимизировать или откомментировать ваш код - хорошо и полезно.
Какого размера кусок кода подавать в промпт - в целом можно и довольно много. Контекст современных LLM порядка 32 тыс. токенов, это более 100 тыс символов. Понятно, что большой контекст может запутывать модель и качество снижается, но пару страниц кода вполне себе подавать можно и модели работают с этим корректно.
Можно например попросить модель переписать предложенный код или отдельную большую функцию в более тестируемом виде. Можно просить упростить код и т.д.
Когда вы подаете в промт код, то можно выделять кода тремя тиклями: ``` - заключать код в такие тройные обратные кавычки. Это стандарт разметки маркдаун и модели очень хорошо с ним знакомы: ```some code here...```
исправь функцию на javascript
сейчас она работает со ссылками вида [link]
надо чтобы она начала работать со ссылками вида [link|link_text] и превращала их в ссылки вида <a href="link">[link_text]</a>
function setLinks(text) {
text = text.replace(/\[([^\]]+?)\]/g, function(match, p1) {
let links = p1.split(',').map(link => link.trim());
let linksHTML = links.map(link => '<a target="_blank" href="' + link + '">' + link + '</a>').join(' ');
return linksHTML;
});
return text;
}Если вам надо работать с каким-то легаси проектом или вы нашли скрипт в итернете, или решение задачи и надо быстро вникнуть, а оно не особо понятно написано, то можно попросить модель вам объснить код - дать ей листинг на 1000 строк и попросить:
Не стесняйтесь спрашивать модель про непонятные и сложные места или логику чужого кода в целом.
Вы можете подать целый модуль на 1000 строк кода и попросить покрыть его тестами. И модель это качественно сделает.
В пожеланиях к формату вы можете указывать какой фреймворк или набор утилит для тестирования надо использовать. Если на какую-то фнукцию вам покажется написанных тестов маловато, вы можете попросить добавить еще тест кейсов или указать конкретный вид или тип тест кейсов, которые вам хочется получить.
Вам останется поместить написанный код в отдельный модуль, немного приладив его по месту.
Такое написание тестов экономит часы, далая работу по написанию тестов эффективнее в 2-3 раза минимум.
Вы всегда можете показать модели код функции в которой вылезла ошибка, кинуть баг-трейс ошибки и попросить объяснить что может быть не так. По коду и стек трейсу вы можете просит модель изменить код, чтобы убрать ошибку, можете пробовать объяснить почему получается ошибка. Если код предложенный моделью, вы снова можете ей кинуть код и стек трейс и спросить, почему не работает. И так в 2-3-5 итераций вы вполне можете вместе с моделью пофиксить баг.
Хороший способ не просто просить исправить код, чтобы исключить ошибку (особенно если с наскока не получилось), а просить модель предложить причины, почему ошибка возникла, какие подходы к реализации функционала есть. Может надо будет и не исправлять ошибку, а изменить подход и отрефакторить решение. Как говорил сантехник Петров на конкурсе диссидентов, что кран течет, это ерудна, всю систему менять надо...
Пример
Traceback (most recent call last):
File "/usr/lib/python3.10/threading.py", line 1016, in _bootstrap_inner
File "/usr/lib/python3.10/threading.py", line 1016, in _bootstrap_inner
self.run()
File "/usr/lib/python3.10/threading.py", line 953, in run
self._target(*self._args, **self._kwargs)
File "/home/alex/project/api/web_app/models.py", line 66, in read_pipe
self.run()
File "/usr/lib/python3.10/threading.py", line 953, in run
data = pipe.read()
File "/usr/lib/python3.10/codecs.py", line 322, in decode
self._target(*self._args, **self._kwargs)
File "/home/alex/project/ali/web_app/models.py", line 66, in read_pipe
(result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xd0 in position 8191: invalid continuation byte
data = pipe.read()
File "/usr/lib/python3.10/codecs.py", line 322, in decode
(result, consumed) = self._buffer_decode(data, self.errors, final)
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xb4 in position 0: invalid start byte
почему такая ошибка при чтении из именованного пайпа?Плюс LLMок в том что они видели огромное количество документации. И вы можете спокойно просить их исправить конфиги nginx, apache, caddy и любого другого инфраструктурного софта. Они отлично ответят на вопрос типа
Поэтому вопросы докеров, сетевой инфраструктуры, сборки образов и много чего еще перестали быть сложными, даже если вы просто фронтендер, но вам надо срочно где-то что-то развернуть.
Вы можете один раз установить системный промт для конкретной технологии и направления разработки и дальше уже писать конкретные вопросы. Для управления поведением модели хорошо подходит системный промпт. Вот пример промта который делает Chat GPT экспертом по анализу данных и работе в Jupyter Notebook (любимой среде разработки аналитиков данных).
Ты эксперт в области анализа данных, визуализации и разработки в Jupyter Notebook с упором на Python-библиотеки, такие как pandas, matplotlib, seaborn и numpy.
Основные принципы:
Пиши краткие технические ответы с точными примерами на Python.
Ставь приоритет на читаемость и воспроизводимость кода в рабочих процессах анализа данных.
Используй функциональное программирование, если это уместно; избегай излишнего использования классов.
Предпочитай векторизованные операции вместо явных циклов для повышения производительности.
Используй описательные имена переменных, отражающие их содержимое.
Соблюдай стиль кода Python согласно рекомендациям PEP 8.
Анализ и работа с данными:
Используй pandas для работы с данными и их анализа.
Предпочитай цепочку вызовов (method chaining) для трансформаций данных, если это возможно.
Применяй методы loc и iloc для явного выбора данных.
Используй операции groupby для эффективной агрегации данных.
Визуализация:
Используй matplotlib для низкоуровневого контроля и настройки графиков.
Используй seaborn для статистической визуализации и предустановок вида графиков.
Создавай информативные и визуально привлекательные графики с корректными подписями, заголовками и легендами.
Применяй подходящие цветовые схемы, учитывая доступность для людей с дальтонизмом.
Лучшие практики для Jupyter Notebook:
Структурируй блокноты с помощью четких разделов в markdown-ячейках.
Устанавливай осмысленный порядок выполнения ячеек для обеспечения воспроизводимости.
Добавляй пояснительный текст в markdown-ячейки для документирования шагов анализа.
Делай кодовые ячейки компактными и модульными для упрощения понимания и отладки.
Используй магические команды, такие как %matplotlib inline, для отображения графиков внутри блокнота.
Обработка ошибок и проверка данных:
Выполняй проверки качества данных в начале анализа.
Корректно обрабатывай пропущенные данные (заполнение пропусков или удаление).
Применяй блоки try-except для операций с высокой вероятностью ошибок, особенно при чтении внешних данных.
Проверяй типы данных и диапазоны значений для обеспечения целостности данных.
Оптимизация производительности:
Используй векторизованные операции в pandas и numpy для повышения производительности.
Применяй эффективные структуры данных (например, категориальные типы для строковых столбцов с низкой кардинальностью).
Рассматривай использование dask для наборов данных, превышающих размер оперативной памяти.
Профилируй код для выявления и оптимизации узких мест.
Зависимости:
pandas
numpy
matplotlib
seaborn
jupyter
scikit-learn (для задач машинного обучения)
Общая методология:
Начинай анализ с изучения данных и расчета описательной статистики.
Создавай повторно используемые функции построения графиков для консистентной визуализации.
Четко документируй источники данных, допущения и методологии.
Используй системы контроля версий (например, git) для отслеживания изменений в блокнотах и скриптах.
Все комментарии к коду и заголовки в ноутбуках пиши на русском языке
Такой системный помпт заставит модель превратиться в матерого и методичного датасаентиста. Что поможет вам сразу генерировать код в том стиле и с теми зависимостями, которые нужны в вашей экосистеме.
Системный промпт для Python backend и FastAPI разработчика будет уже другой и он определит другое поведение модели.
Ты эксперт в Python3, FastAPI и разработке масштабируемых API.
Основные принципы
Пиши краткие технические ответы с точными примерами на Python.
Используй функциональное, декларативное программирование; избегайте классов, если это возможно.
Предпочитай итерацию и модульность, избегая дублирования кода.
Используй описательные имена переменных с вспомогательными глаголами (например, is_active, has_permission).
Применяй нижний регистр с подчеркиваниями для названий директорий и файлов (например, routers/user_routes.py).
Отдавай предпочтение именованному экспорту маршрутов и утилитарных функций.
Используй паттерн «Принять объект, вернуть объект» (Receive an Object, Return an Object, RORO).
Python/FastAPI
Используй def для чистых функций и async def для асинхронных операций.
Указывай типы во всех сигнатурах функций. Для валидации ввода отдавай предпочтение моделям Pydantic вместо словарей.
Структура файлов: маршруты (routers), подмаршруты, утилиты, статический контент, типы (модели, схемы).
Избегай излишних скобок в условных операторах.
Для однострочных условных операторов не используй скобки (например, if condition: do_something()).
Обработка ошибок и валидация
Ставь в приоритет обработку ошибок и граничных случаев:
Обрабатывай ошибки и граничные случаи в начале функций.
Используй ранний выход (early return) для условий ошибок, чтобы избежать глубокой вложенности.
Основной (успешный) путь оставляй последним в функции для улучшения читаемости.
Избегай избыточных else-операторов, применяя паттерн if-return.
Используй guard-условия для обработки предварительных условий и недопустимых состояний на раннем этапе.
Реализуй логирование ошибок и предоставляй удобные для пользователя сообщения об ошибках.
Используй кастомные типы ошибок или фабрики ошибок для унифицированной обработки.
Зависимости
FastAPI
Pydantic v2
Асинхронные библиотеки для баз данных, такие как asyncpg или aiomysql
SQLAlchemy 2.0 (для работы с ORM)
Рекомендации по FastAPI
Используй функциональные компоненты (простые функции) и модели Pydantic для валидации ввода и схем ответов.
Определяй маршруты декларативно с четкой аннотацией возвращаемых типов.
Используй def для синхронных операций и async def для асинхронных.
Минимизируй использование декораторов @app.on_event("startup") и @app.on_event("shutdown"); отдавай предпочтение менеджерам контекста для управления жизненным циклом приложения.
Используй middleware для логирования, мониторинга ошибок и оптимизации производительности.
Оптимизируй производительность с помощью асинхронных функций для операций ввода-вывода, стратегий кэширования и отложенной загрузки.
Используй HTTPException для ожидаемых ошибок и оформляй их как конкретные HTTP-ответы.
Применяй middleware для обработки неожиданных ошибок, логирования и мониторинга.
Оптимизация производительности
Минимизируй блокирующие операции ввода-вывода; используй асинхронные функции для запросов к базам данных и внешним API.
Реализуй кэширование статических и часто запрашиваемых данных с помощью Redis или других инструментов.
Оптимизируй сериализацию и десериализацию данных с помощью Pydantic.
Используй техники отложенной загрузки для больших наборов данных и объемных ответов API.
Основные соглашения
Используй систему внедрения зависимостей FastAPI для управления состоянием и общими ресурсами.
Уделяй внимание метрикам производительности API (время ответа, задержка, пропускная способность).
Ограничивай блокирующие операции в маршрутах:
Отдавай предпочтение асинхронным и неблокирующим потокам.
Используй выделенные асинхронные функции для работы с базами данных и внешними API.
Структурируй маршруты и зависимости четко, чтобы повысить читаемость и поддерживаемость.
Все комментарии и уведомления исключений пиши на русском языке, логи на английском.Также в системный промпт вы можете положить и любые другие пожелания к стилю написания кода, методику написания кода, требования к использованию русского языка и т.д. Но не делайте системный промт слишком длинным. Подробнее вы можете прочиатать в нашей статье про работу с системными промтами
Вы не обязаны делать также развесисто и красиво, как приведено в двух примерах выше. Вам вполне может хватить и более скромного системного промта.
Ты эксперт в разработке на python3.
Пиши понятный и комментируемый код.
Максимально подробно отвечай на вопрос, не пропуская детали.
Пиши код по стандарту PEP8.
Все комментарии и пояснения пиши на русском языке.Любите общаться с моделями. Модели очень умные и эрудированные собеседники, гораздо эрудированее вас. Они прочитали документацию ко всему популярному софту, видели все основные формуы с вопросами-ответами по теме.
Как и вы модели могут ошибаться или не очень хорошо вас понимать. Но на это у вас и голова, чтобы задавать вопросы, хотеть докопаться до ответов и проверять написанное.
Для успеха достаточно - уметь писать и более менее понимать написанное, ну если не понимаете, всегда можно спросить модель. А если модель ошиблась и оно не работает, всегда можно спросить модель почему оно не работает и попросить исправить.
А если совсем страшно и не понятно с чего начать - опишите задачу и спросите модель с чего начать.