24,99 €
Lassen Sie sich beim Programmieren assistieren
Von der Prozessautomatisierung über die Code-Optimierung bis hin zur Erledigung von Kernaufgaben wie Dokumentation, Debugging und Aktualisierung – künstliche Intelligenz hilft Ihnen dabei, sich auf den Kern Ihrer Entwicklungsarbeit zu konzentrieren. In diesem Buch lernen Sie die wichtigsten Plattformen kennen, mit denen Sie neuen Code schreiben und Ihre Codequalität verbessern können. Sie erfahren, welche Möglichkeiten und welche Grenzen die KI-Tools haben und wie Sie diese für Routineaufgaben einsetzen. So behalten Sie den Kopf frei für die wichtigen Aufgaben.
Sie erfahren
Sie lesen das E-Book in den Legimi-Apps auf:
Seitenzahl: 352
Veröffentlichungsjahr: 2024
Coding mit KI für Dummies
Der Prozess, die richtigen Prompts für GenKI-Tools zu finden, damit diese hochwertige Inhalte erzeugen, wird als Prompt Engineering bezeichnet. In Wirklichkeit ist der Entwurf von Prompts jedoch eher eine kreative Kunst als eine formale technische Disziplin. Mithilfe von Versuch und Irrtum hat man Techniken und Phrasen entdeckt, die die Qualität des generierten Codes zuverlässig verbessern. Hier meine zehn besten Tipps für die effektive Erstellung von Prompts für GenKI-Chatbots.
Verwenden Sie die aktive Rede. Anstelle von »Es wird gewünscht, dass …« schreiben Sie »Der Code sollte …« oder »Ich möchte …«.Vermeiden Sie die Verwendung von Negierungen. Statt »Keine Schleifen verwenden« schreiben Sie »Rekursion anstelle von Schleifen verwenden«.Legen Sie eine Rolle fest. Beginnen Sie Ihre Prompts, indem Sie die Rolle beschreiben, die die KI einnehmen soll. Beispiel: »Sie sind ein erfahrener und hoch qualifizierter Programmierer.«Betonen Sie die Qualität des Codes. Verwenden Sie Ausdrücke wie »sauberer Code«, »lesbar« und »gut dokumentiert« in Ihren Prompts.Erwähnen Sie bestimmte Bibliotheken, Frameworks und APIs. Wenn Sie erwarten, dass der generierte Code bestimmte Tools verwendet, erwähnen Sie diese (gegebenenfalls zusammen mit den Versionen) in Ihrem Prompt.Beginnen Sie mit einer Erklärung der gesamten Aufgabe. Dadurch erhalten die KI-Tools ein grundlegendes Verständnis für das gewünschte Ergebnis.Beschreiben Sie die Eingabe- und Ausgabedatenformate. Auch wenn es für Sie offensichtlich ist, dass eine Funktion mit dem Namen sumNumbers() sehr wahrscheinlich Zahlen als Argumente akzeptieren und eine Zahl zurückgeben sollte, wird die Angabe dieser Information in Ihrem Prompt die Anzahl der Entscheidungen, die die KI treffen muss, begrenzen und die Qualität ihrer Antwort verbessern.Zerlegen Sie die Komplexität. Konzentrieren Sie sich darauf, jeweils einen kleinen Teil eines Problems zu lösen.Seien Sie klar und prägnant. Vermeiden Sie Zweideutigkeiten und vage Worte wie »gut« oder »effizient«.Arbeiten Sie iterativ. Geben Sie sich nicht mit dem erstbesten Ergebnis zufrieden. Wiederholen und verfeinern Sie Ihren Prompt und geben Sie dem KI-Tool Feedback, um es zu einem gewünschten Ergebnis zu führen. Manchmal kann schon die Änderung eines einzigen Wortes in Ihrem Prompt das Ergebnis erheblich beeinflussen.Während KI-Chatbots und Paar-Programmiertools wie ChatGPT und Copilot Sie zu einem produktiveren Programmierer machen können, gibt es auch Gefahren, die mit KI-generiertem Code verbunden sind. Hier die schlimmsten möglichen Folgen der Verwendung eines GenKI-Tools zum Schreiben von Code:
Die Verwendung von KI als Ersatz dafür, ein besserer Programmierer zu werden. Egal, welches Tool Sie verwenden, es liegt immer noch in Ihrer Verantwortung als Programmierer, sich ständig zu verbessern und zu lernen.Bereitstellung von KI-generiertem Code ohne angemessene Codeüberprüfung. Auch wenn der generierte Code scheinbar korrekt funktioniert und keine offensichtlichen Fehler aufweist, ist es dennoch unerlässlich, den generierten Code von Menschen überprüfen zu lassen, bevor er die Endnutzer erreicht.Verwendung von veralteten Funktionen, Bibliotheken oder APIs. Der Code, mit dem die KI-Assistenten trainiert wurden, enthält wahrscheinlich Verweise auf veraltete und möglicherweise unsichere Abhängigkeiten. Überprüfen Sie manuell, ob der gesamte generierte Code sicher und korrekt ist.Verwirrende oder langatmige Dokumentation. GenKI ist dafür bekannt, dass die Dokumentation selbst für die einfachsten Funktionen übermäßig langatmig und potenziell verwirrend ist. Wenn Sie die generierte Dokumentation von einem erfahrenen menschlichen Autor bearbeiten oder umschreiben lassen, sparen Sie auf lange Sicht Zeit und Frustration.Verwendung von Funktionen, die keine Beziehung zueinander haben. Jeder menschliche Programmierer hat seinen eigenen Stil und seine eigene Art, Dinge zu tun. Dadurch wird der von einer Person oder sogar einem ganzen Team geschriebene Code kohärent und konsistent. Ein generatives KI-Tool hat keinen eigenen Stil und die Entscheidungen, die es trifft, können sich von Funktion zu Funktion radikal unterscheiden. Sorgen Sie für den richtigen Kontext, um Inkonsistenzen zu minimieren.Die aktuellen KI-gestützten Assistenten sind Tools, die Ihnen helfen können, produktiver zu sein, aber sie funktionieren derzeit nur dann gut, wenn Sie Ihre Hände fest am Lenkrad haben.
Da die KI-Paar-Programmierer immer leistungsfähiger und mit immer größeren Datensätzen trainiert werden, stehen die Chancen gut, dass generative KI-Tools die Programmierung bald auf die gleiche Weise beherrschen werden wie KI das Schachspiel und alle anderen Brett-, Karten- und Videospiele. Allerdings können KI-Chatbots noch nicht einmal ansatzweise mit dem unerfahrensten menschlichen Basketballspieler mithalten.
Möchten Sie herausfinden, was für menschliche Programmierer übrig bleibt, wenn die KI uns in den Schatten stellt? ChatGPT wurde gebeten, eine Liste von Dingen zu erstellen, die menschliche Programmierer können und die die KI niemals können wird. Die folgende Liste wurde von ChatGPT erstellt und für den Stil und den humorvollen Effekt bearbeitet.
Hier einige humorvolle Unterschiede zwischen KI-Coding-Assistenten und menschlichen Codierern:
Verschieben von Semikolons und anschließendes stundenlanges Suchen: KI-Coding-Assistenten sind zwar präzise in der Syntax, aber sie werden nie das »Vergnügen« kennen, ein Semikolon zu verwechseln und stundenlang zu suchen, um es dann doch noch zu finden.Ausgiebiges Kaffeetrinken: KI kann zwar rund um die Uhr Code produzieren, aber sie wird nie das typische Ritual eines Programmierers kennenlernen, der bis spät in die Nacht hinein Unmengen von Kaffee trinkt, um seine Coding-Sitzungen durchzuhalten.Variablen nach Haustieren oder Lieblingssnacks benennen: Die künstliche Intelligenz kann zwar effiziente Variablennamen vorschlagen, aber sie wird eine Variable nicht kreativ nach einem geliebten Haustier oder einem Lieblingssnack benennen wie »fluffyKittenCounter« oder »chocolateChipArray«.Kleine Siege mit einem Siegestanz feiern: Nur menschliche Programmierer können einen kleinen Siegestanz aufführen, nachdem sie endlich einen Fehler behoben oder eine komplexe Funktion zum Laufen gebracht haben.Versehentlich eine Endlosschleife erzeugen und den eigenen Computer zum Absturz bringen: Die KI ist zu logisch für so etwas. Sie kennt nicht den Nervenkitzel, aus Versehen eine Endlosschleife zu erzeugen, zuzusehen, wie alles einfriert, und dann den rituellen Neustart des Computers durchführen zu müssen.Ablenkung durch soziale Medien oder Katzenvideos: KI-Coding-Assistenten konzentrieren sich auf die Aufgabe und verfallen nicht in den Bann der sozialen Medien oder schauen sich »nur schnell noch ein Katzenvideo« an, bevor sie sich wieder an die Arbeit machen.Verwendung von Gummienten zur Fehlersuche: Die KI verwendet keine Gummiente (oder ein anderes unbelebtes Objekt), um ihren Code zu Debugging-Zwecken laut zu erklären – eine einzigartige menschliche Debugging-Technik.Das Mysterium eines Codes, der funktioniert, aber man nicht weiß, warum: KI versteht, warum ihr Code funktioniert, aber menschliche Programmierer stoßen manchmal auf das geisterhafte Phänomen von Code, der ohne logische Erklärung perfekt funktioniert.Prioritäten bei der Auswahl von Code-Editoren setzen: KI wird sich nicht auf leidenschaftliche Debatten darüber einlassen, warum Vim besser ist als Emacs oder warum Leerzeichen besser sind als Tabulatoren; das sind heilige Debatten zwischen menschlichen Programmierern.Code-Kommentare wie Tagebucheinträge schreiben: KI hält sich an sachliche Kommentare, während menschliche Programmierer aus Code-Kommentaren persönliche Tagebücher machen, mit Witzen, existenziellen Fragen und Gedanken zum Mittagessen.
Coding mit KI für Dummies
Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.d-nb.de abrufbar.
1. Auflage 2025
© 2025 Wiley-VCH GmbH, Boschstraße 12, 69469 Weinheim, Germany
Original English language edition Coding with AI For Dummies © 2024 by John Wiley and Sons, Inc. All rights reserved including the right of reproduction in whole or in part in any form. This translation published by arrangement with John Wiley and Sons, Inc.
Copyright der englischsprachigen Originalausgabe Coding with AI For Dummies © 2024 by John Wiley and Sons, Inc.
Alle Rechte vorbehalten inklusive des Rechtes auf Reproduktion im Ganzen oder in Teilen und in jeglicher Form. Diese Übersetzung wird mit Genehmigung von John Wiley and Sons, Inc. publiziert.
Wiley, the Wiley logo, Für Dummies, the Dummies Man logo, and related trademarks and trade dress are trademarks or registered trademarks of John Wiley & Sons, Inc. and/or its affiliates, in the United States and other countries. Used by permission.
Wiley, die Bezeichnung »Für Dummies«, das Dummies-Mann-Logo und darauf bezogene Gestaltungen sind Marken oder eingetragene Marken von John Wiley & Sons, Inc., USA, Deutschland und in anderen Ländern.
Das vorliegende Werk wurde sorgfältig erarbeitet. Dennoch übernehmen Autoren und Verlag für die Richtigkeit von Angaben, Hinweisen und Ratschlägen sowie eventuelle Druckfehler keine Haftung.
Coverillustration: monsitj – stock.adobe.comKorrektur: Jürgen Benvenuti, Wien
Print ISBN: 978-3-527-72210-5ePub ISBN: 978-3-527-84797-6
Chris Minnick ist ein vielseitig orientierter IT-Experte und interessiert sich leidenschaftlich für Lehre, Schreiben und Kunst. Als erfahrener Dozent unterrichtet er Fachleute auf der ganzen Welt zu verschiedenen Themen aus den Bereichen Coding und KI. Er hat mehr als 20 Bücher geschrieben, darunter JavaScript All-in-One For Dummies, Beginning ReactJS Foundations und JavaScript for Kids For Dummies. Neben seinem technischen Fachwissen lernt Chris immer wieder gern völlig andere Dinge und ist Amateurmusiker, Romanautor, Maler und Landwirt.
Für meine besten Freunde, Jill, Chauncey und Murray, die besser als jeder andere wissen, wie ich wirklich über diese Dinge denke.
Vielen Dank an alle, die mir beim Schreiben dieses Buches geholfen, mich ermutigt und meine Texte immer wieder hinterfragt haben. Der KI-generierte Code in diesem Buch wurde von jedem Einzelnen ermöglicht, der jemals Code ins Netz gestellt hat, und ich hoffe, dass unsere Arbeit, die wir auf diese Weise für die KI geleistet haben, uns irgendwann auf faire Weise zugutekommt.
Danke an Steve Hayes, der maßgeblich an der Entstehung dieses Buches beteiligt war und sich für seine Veröffentlichung eingesetzt hat. Danke an meine Agentin, Carole Jelen, die mich nie in die Irre geführt hat. Danke an meine Lieblingslektorin Susan Pink und an den technischen Redakteur Guy Hart-Davis, die mir mit ihrem scharfen Auge und ihrem guten Gespür geholfen haben, den Inhalt und die Formulierung zu verbessern. Mein Dank gilt auch der Korrekturleserin Debbye Butler, dem Produktionslektor Tamilmani Varadharaj und allen Mitarbeitern von Wiley, die mit mir an diesem Buch gearbeitet haben.
Ich danke vor allem Ihnen, den Leserinnen und Lesern, dass Sie mir das Vertrauen schenken, Ihnen diese aufregende (und, wie ich zugebe, auch beängstigende) neue Welt näherzubringen.
Cover
Titelblatt
Impressum
Über den Autor
Widmung
Danksagung des Autors
Inhaltsverzeichnis
Einleitung
Über dieses Buch
Törichte Annahmen über die Leser
Symbole, die in diesem Buch verwendet werden
Über dieses Buch hinaus
Wie es weitergeht
Teil I: Techniken und Technologien
Kapitel 1: Wie das Coding von KI profitiert
Langweilige Aufgaben abschieben
Hilfe bei der Syntax
Linting mit KI
Der Einsatz von KI als Tutor
Paar-Programmierung mit KI
Kapitel 2: Maschinelles Lernen und Deep Learning
Maschinelles Lernen und Deep Learning – die Grundlagen
Die Verarbeitung der natürlichen Sprache – ein Blick hinter die Kulissen
Transformer verstehen
Generative KI-Modelle
Die Grenzen von KI erkennen
Kapitel 3: KI-Coding-Tools
GitHub Copilot navigieren
Tabnine
Replit
Kapitel 4: Coding mit Chatbots
Verbessern Sie Ihre Prompts!
Chatten mit Copilot
Chatten mit ChatGPT
In die OpenAI-Plattform eintauchen
Einen Chatbot mit OpenAI entwickeln
Teil II: KI fürs Coding einsetzen
Kapitel 5: Der Weg vom Plan zum Prototyp
Die Projektanforderungen verstehen
Code aus einer SRS erstellen
Verschmelzung von manuell geschriebenem und KI-generiertem Code
Tipps und Tricks für die Codegenerierung
Kapitel 6: Code formatieren und verbessern
KI-Tools für die Code-Formatierung
Refactoring mit KI
Refactoring-Vorschläge generieren
Kapitel 7: Fehler finden und beseitigen
Das Ungeziefer kennen
Vorbeugung von Bugs mit Linting
Bugs mit KI aufspüren
Automatisierte Fehlerbehebung mit KI
Kapitel 8: Code übersetzen und optimieren
Code in andere Sprachen übersetzen
Code mit KI optimieren
Teil III: Code testen, dokumentieren und pflegen
Kapitel 9: Code testen
Einen Testplan schreiben
Testing Frameworks
Testgeleitete Entwicklung mit KI
Kapitel 10: Code dokumentieren
Mit Dokumentations-Bots arbeiten
Code-Kommentare und -Anmerkungen
Visuelle Dokumentation erstellen
Automatisierung der API-Dokumentation mit KI
Kapitel 11: Codepflege
Die vier Arten der Wartung
Einsatz von KI für die Code-Wartung
Verbesserung der Codequalität durch KI
Teil IV: Der Top-Ten-Teil
Kapitel 12: Zehn weitere Tools zum Ausprobieren
Amazon CodeWhisperer
Sourcegraph Cody
DeepMind AlphaCode
Google Gemini
Codeium
Claude
Microsoft IntelliCode
Sourcery
Bugasura
UserWay
Kapitel 13: Zehn KI-Coding-Ressourcen
KI-Ressourcen von Code.org
Kaggle
Google Dataset Search
edX
Edabit
StatQuest
AI4All Open Learning
Gymnasium
fast.ai
Microsoft Learn
Abbildungsverzeichnis
Stichwortverzeichnis
End User License Agreement
Kapitel 2
Tabelle 2.1: Token-Limits
Tabelle 2.2: Parameter in generativen KI-Modellen
Kapitel 3
Tabelle 3.1: Tastenkombinationen für Copilot
Kapitel 1
Abbildung 1.1: Eine von ChatGPT generierte HTML-Vorlage
Abbildung 1.2: Hier eine Antwort auf meinen Prompt in Copilot
Abbildung 1.3: Fügen Sie Kontext hinzu, um eine bessere Antwort zu erhalten.
Abbildung 1.4: Ausführen meiner Node.js-Anwendung
Abbildung 1.5: Anzeige des Inhalts der Collection in MongoDB
Abbildung 1.6: Die Code-Vervollständigung ist oft hilfreich.
Abbildung 1.7: Die von Copilot vorgeschlagene Funktion zur Überprüfung von Telefo...
Abbildung 1.8: GenKI-Modelle schneiden besser ab, wenn sie Kontext erhalten.
Abbildung 1.9: Abruf der Syntaxunterstützung von Copilot
Abbildung 1.10: GPT-4 erzeugt eine korrekte Antwort auf die Frage nach einer neue...
Abbildung 1.11: ChatGPT ist in der Regel korrekt, was die Grundlagen der Syntax v...
Abbildung 1.12: Verwendung von Microsoft Copilot als Linter
Abbildung 1.13: Suche nach der Copilot-Erweiterung
Abbildung 1.14: Anzeige des Copilot-Menüs und mehrerer Vorschlagsoptionen
Abbildung 1.15: Ein einigermaßen funktionierendes Quizspiel
Kapitel 2
Abbildung 2.1: Die Beziehung zwischen den verschiedenen Bereichen der KI
Abbildung 2.2: Knoten sind in Schichten angeordnet.
Abbildung 2.3: Ein Farbbild mit 3.136 Pixeln erfordert eine Eingabeschicht mit 9....
Abbildung 2.4: Ist es ein Hot Dog?
Abbildung 2.5: Viele Bilder von Hot Dogs haben ähnliche Merkmale
Abbildung 2.6: Das frühe NLP basierte auf Regeln
Abbildung 2.7: Ein Beispiel für einen Alice-Chatbot
Abbildung 2.8: Visualisierung der Selbstaufmerksamkeit
Abbildung 2.9: Tokenisierung einer Eingabe
Abbildung 2.10: Token werden als Token-IDs dargestellt.
Abbildung 2.11: GPT-4 versteht ein Additionsproblem falsch.
Abbildung 2.12: ChatGPT holt aus, auch wenn nur zwei Wörter notwendig sind.
Kapitel 3
Abbildung 3.1: Das Copilot-Statussymbol im verbundenen und getrennten Modus
Abbildung 3.2: Klicken Sie auf das Symbol
KONTEN
, um Copilot Zugriff auf Ihr GitH...
Abbildung 3.3: Der Bildschirm
ERWEITERUNGSEINSTELLUNGEN
für Copilot
Abbildung 3.4: Weitere Vorschläge erhalten
Abbildung 3.5: Auswahl der IDE, in der Sie die Tabnine-Erweiterung installieren m...
Abbildung 3.6: Tabnine Hub
Abbildung 3.7: Ansicht früherer »Magic Moments«
Abbildung 3.8: Die Replit-Startseite
Abbildung 3.9: Programmierer können über Bounties in Replit Aufträge ausschreiben...
Abbildung 3.10: Schnelles Starten mit einer Vorlage
Abbildung 3.11: Die Beliebtheit einer Vorlage ist oft ein guter Indikator für ihr...
Abbildung 3.12: Anzeige weiterer Informationen über eine Vorlage
Abbildung 3.13: Ihre Kopie der Vorlage im Replit-Arbeitsbereich
Abbildung 3.14: Ansicht des Werkzeugfensters im Arbeitsbereich
Abbildung 3.15: Neuanordnung der Bereiche
Abbildung 3.16: Die Registerkarte AI wird im rechten Bereich geöffnet.
Abbildung 3.17: Von Replit AI generiertes HTML und CSS
Abbildung 3.18: Der Anfang meiner Website für Grapefruit Pulp
Abbildung 3.19: SVG-Punk-Grapefruit von Replit AI
Abbildung 3.20: Prompt für die Erstellung einer JavaScript-Fotogalerie
Abbildung 3.21: Mein von Replit AI generierter Leuchtkasten
Kapitel 4
Abbildung 4.1: Aufforderung an ChatGPT, bei einer Temperatur von 0,7 einen Reim z...
Abbildung 4.2: Aufforderung an ChatGPT, kreativer zu werden
Abbildung 4.3: Einstellung der Temperatur in ChatGPT auf 2,0
Abbildung 4.4: Wie es aussieht, wenn das Modell zu kreativ wird.
Abbildung 4.5: Bei Few-Shot-Prompts werden Beispiele bereitgestellt. Die Rückgabe...
Abbildung 4.6: Das Copilot-Chat-Plug-in
Abbildung 4.7: Die Slash-Befehle in Copilot
Abbildung 4.8: Copilot erkennt das Problem mit meinem Code richtig und bietet Hil...
Abbildung 4.9: Anmeldung für ein ChatGPT-Konto
Abbildung 4.10: Die ChatGPT-Benutzeroberfläche
Abbildung 4.11: Das Fenster
BENUTZERDEFINIERTE ANWEISUNGEN
öffnen
Abbildung 4.12: Das Fenster
BENUTZERDEFINIERTE ANWEISUNGEN
Abbildung 4.13: Vorschläge von ChatGPT für die kontextabhängigen Anweisungen
Abbildung 4.14: Beispieltext für die erste benutzerdefinierte Anweisung
Abbildung 4.15: Vorschläge von ChatGPT in den benutzerdefinierten Anweisungen für...
Abbildung 4.16: Benutzerdefinierte Anweisungen gelten für alle neuen Chats.
Abbildung 4.17: Der OpenAI Playground
Abbildung 4.18: Chat-Modus auf dem OpenAI Playground
Abbildung 4.19: Die OpenAI-Seite Examples (Beispiele)
Abbildung 4.20: Ansicht eines der Beispiel-Prompts von OpenAI
Abbildung 4.21: Der Link zur Anzeige des API-Schlüssels
Abbildung 4.22: Geben Sie Ihrem geheimen Schlüssel einen Namen.
Abbildung 4.23: Mein erster Versuch, einen Chatbot mit ChatGPT zu erstellen, war ...
Abbildung 4.24: Testen meiner Korrekturen
Kapitel 5
Abbildung 5.1: Aufforderung an ChatGPT, beim Schreiben einer SRS zu helfen
Abbildung 5.2: Meine Antworten auf die Fragen von ChatGPT
Abbildung 5.3: Eine von ChatGPT generierte SRS
Abbildung 5.4: Durch die Konvertierung in Markdown werden die Dokumente besser nu...
Abbildung 5.5: Der von ChatGPT generierte Tic-Tac-Toe-Spielcode
Abbildung 5.6: Ein frustrierend schwieriges Tic-Tac-Toe-Spiel
Abbildung 5.7: Ein KI-Tic-Tac-Toe-Bot auf dem OpenAI Playground
Abbildung 5.8: Node.js-Code zum Abrufen des nächsten Abschlusses von der OpenAI-A...
Abbildung 5.9: Vorschläge zum Testen des API-Servers (links) und zur Behandlung v...
Abbildung 5.10: Mein KI-Gegner verliert den Überblick über seine Anweisungen.
Abbildung 5.11: Mehr Kontext für die KI
Abbildung 5.12: Die KI erinnert sich nicht an den letzten Befehl.
Abbildung 5.13: GPT-4 ist kein guter Tic-Tac-Toe-Spieler.
Kapitel 6
Abbildung 6.1: Installation von Prettier
Abbildung 6.2: Prettier für die automatische Formatierung aktivieren
Abbildung 6.3: Ein Durcheinander von unformatiertem Code mit Syntaxfehlern
Abbildung 6.4: Anzeige von Problemen, die Prettier entdeckt hat
Abbildung 6.5: Aufforderung an Copilot, den Code zu korrigieren
Abbildung 6.6: Copilot schlägt Korrekturen vor.
Abbildung 6.7: Copilot hat die Syntaxfehler behoben.
Abbildung 6.8: Auswahl der zu vergleichenden Dateien
Abbildung 6.9: Die Vergleichsanzeige in VS Code
Abbildung 6.10: Copilot-Chat zur Überprüfung von Code verwenden
Abbildung 6.11: Löschen des vorherigen Chats
Abbildung 6.12: Copilot hat festgestellt, dass mein Code keine Kommentare enthält...
Abbildung 6.13: Copilot weist auf eine inkonsistente Namensgebung im Programm hin...
Abbildung 6.14: Copilot-Vorschlag für die Überarbeitung der Event-Listener
Abbildung 6.15: Der Vorschlag von Copilot zur Festlegung der magischen Zahl
Abbildung 6.16: Der Beginn der Lösung für die globalen Daten
Abbildung 6.17: Copilot scheint den Großteil des Codes korrekt zu schreiben.
Abbildung 6.18: Generierung von Tipps für die Konsistenz von Namen im Programm
Abbildung 6.19: Copilot Labs ist bei seinem ersten Dokumentationsversuch gescheit...
Kapitel 7
Abbildung 7.1: Fehlerberichte mit Jam
Abbildung 7.2: Erstellen eines Fehlerberichts und Öffnen eines GitHub-Problems
Abbildung 7.3: Fehlersuche mit Jam
Abbildung 7.4: JamGPT bietet Ihnen an, Ihnen zu helfen.
Abbildung 7.5: JamGPT schlägt mögliche Lösungen vor.
Abbildung 7.6: ESLint berichtet über Fehler, die es in Ihrem Code gefunden hat.
Abbildung 7.7: Die ESLint-Erweiterung von VS Code
Abbildung 7.8: Die ESLint-Erweiterung hebt Linting-Fehler hervor.
Abbildung 7.9: Einige Probleme konnten mit --fix behoben werden.
Abbildung 7.10: Anzeige des Quick-Fix-Links
Abbildung 7.11: Die Quick-Fix-Optionen
Abbildung 7.12: Copilot beschreibt das Problem und schlägt eine Lösung vor.
Abbildung 7.13: Copilot fordert Sie auf, eine Änderung zu akzeptieren oder abzule...
Abbildung 7.14: Das war das letzte Mal, dass ich Copilot gebeten habe, etwas zu r...
Abbildung 7.15: Die Eigenschaft
rules
in
.eslintrc
Abbildung 7.16: Anzeigen des Namens und des Standardschweregrads von Regeln
Abbildung 7.17: Den Schweregrad einer Regel anpassen
Abbildung 7.18: Der JavaScript-Debugger von Chrome
Abbildung 7.19: Die Funktion
calculate_average()
löst einen Fehler...
Abbildung 7.20: Copilot hat ein Problem behoben.
Abbildung 7.21: Die Anmeldeseite von Snyk
Abbildung 7.22: Snyks Seite zum Importieren und Scannen eines Projekts
Abbildung 7.23: Snyk zeigt Fehler an und priorisiert sie nach Schweregrad.
Abbildung 7.24: Snyk bietet an, einen PR zu öffnen.
Abbildung 7.25: Snyk öffnet einen Pull Request für seine empfohlenen Korrekturen....
Abbildung 7.26: Die Migrationshinweise für Version 9 von
jsonwebtoken
Abbildung 7.27: Snyk analysiert den von Ihnen geschriebenen Code und meldet Probl...
Abbildung 7.28: In dem Tic-Tac-Toe-Spiel wurde ein Fehler entdeckt.
Abbildung 7.29: Snyk bietet eine mögliche Lösung.
Kapitel 8
Abbildung 8.1: Die JavaScript-Version von
makeUnorderedList()
, die in der Browser...
Abbildung 8.2: Testen der übersetzten Funktion
Abbildung 8.3: Der Beispielcode von Copilot und das voraussichtliche Ergebnis sei...
Abbildung 8.4: Unser erstes Nim-Programm funktioniert großartig!
Abbildung 8.5: Eine Webanwendung zum Abrufen von GitHub-Repository-Namen
Abbildung 8.6: Einrichten einer Übersetzungsanfrage in OpenAI Playground
Abbildung 8.7: Die mobile App GitHub Repository Fetcher auf iOS- (links) und Andr...
Abbildung 8.8: Installieren der VS-Code-Erweiterung Scalene
Abbildung 8.9: Scalenes Bericht für testme.py
Abbildung 8.10: Öffnen der erweiterten Optionen zur Eingabe eines ...
Abbildung 8.11: Die von Scalene vorgeschlagene Optimierung
Abbildung 8.12: Profiling Ihres optimierten Codes
Kapitel 9
Abbildung 9.1: Copilot hat die Funktionalitäten des Tic-Tac-Toe-Spiels identifizi...
Abbildung 9.2: Copilot erstellt eine Liste von Testfällen.
Abbildung 9.3: Jest antwortet, dass es keine Tests finden konnte.
Abbildung 9.4: Von Copilot generierte Tests für die Funktion
checkWin()
Abbildung 9.5: Ausführen der von Copilot generierten Tests
Abbildung 9.6: Die von Copilot vorgeschlagenen Tests für
checkDraw()
Abbildung 9.7: Das Ergebnis der Tests für
checkDraw()
und
checkWin()
Abbildung 9.8: Ein Abdeckungsbericht zeigt Ihnen, wie viel von Ihrem Code geteste...
Abbildung 9.9: Der Test für
clearBoardDiplay()
hat bestanden.
Abbildung 9.10: Copilot kann es nicht richtig machen.
Abbildung 9.11: Die Aufnahme einer Beschreibung in den Prompt führte zu besseren ...
Abbildung 9.12: Die neuen Tests sind wie erwartet fehlgeschlagen.
Abbildung 9.13: Nachdem die Funktion korrigiert wurde, wurden die Tests bestanden...
Abbildung 9.14: Wie erwartet, sind meine ersten Tests fehlgeschlagen.
Abbildung 9.15: Copilot hat mir erklärt, wie ich dafür sorgen kann, dass der Test...
Abbildung 9.16: Aktualisieren des Spiels, um den überarbeiteten Test zu bestehen
Abbildung 9.17: Copilot scheint verwirrt zu sein.
Kapitel 10
Abbildung 10.1: Starten des Erstellungsprozesses eines neuen Assistenten
Abbildung 10.2: Starten einer Sitzung mit dem Dokumentationsassistenten
Abbildung 10.3: Mein Assistent hat die Code-Dateien nicht konsultiert.
Abbildung 10.4: Die erste README meines Assistenten ist eher mittelmäßig.
Abbildung 10.5: Die Mintlify-Doc-Writer-Erweiterungsseite
Abbildung 10.6: Das Mintlify-Doc-Writer-Bedienfeld
Abbildung 10.7: Mintlify fügt einen Code-Kommentar hinzu.
Abbildung 10.8: Jede Funktion von Underscore enthält Kommentare.
Abbildung 10.9: Erzeugen eines Kommentars für Underscore (im Codefenster rechts)
Abbildung 10.10: GPT-4 hat meinen Screenshot nicht kommentiert.
Abbildung 10.11: Die Liste der intelligenten Vorlagen
Abbildung 10.12: Wie man einen Apfelkuchen bäckt.
Abbildung 10.13: Ein erster Entwurf eines Anforderungsdiagramms
Abbildung 10.14: Was ist hier passiert?
Abbildung 10.15: Eine Nahaufnahme mehrerer Anforderungen im Diagramm
Abbildung 10.16: Eine von Copilot erzeugte OAS-Datei
Abbildung 10.17: Die ReadMe-Startseite
Abbildung 10.18: Die Schnellstartseite mit der Schaltfläche
OAS UPLOAD
Abbildung 10.19: Der Bildschirm zum Hochladen von Dateien im Fenster zur Beschrei...
Abbildung 10.20: Das Fenster
NEXT STEPS
(Nächste Schritte)
Abbildung 10.21: Die Dokumentation des Endpunkts »Get All Posts«
Abbildung 10.22: Zugriff auf Ihre GPTs
Abbildung 10.23: Ausfüllen des Formulars zur Konfiguration eines GPTs
Abbildung 10.24: Fertigstellung der GPT-Konfiguration
Abbildung 10.25: Der Chatbot hat genau erklärt, wie man den Endpunkt /user/signup...
Kapitel 11
Abbildung 11.1: Wie viel Zeit Entwickler für jede Art von Wartung aufwenden.
Abbildung 11.2: Die Preisseite von Code Climate
Abbildung 11.3: Einer Organisation beitreten oder ein Repository hinzufügen
Abbildung 11.4: Code Climate hat seinen ersten Bericht fertiggestellt.
Abbildung 11.5: Code Climates Bericht über Soliloquy
Abbildung 11.6: Code Climates Wartbarkeitsprüfungen
Abbildung 11.7: Code Climate zeigt an, dass mein Repository neun Probleme hat.
Abbildung 11.8: SignupPage.js ist zu lang.
Abbildung 11.9: Klicken auf das Ticket-Symbol
Abbildung 11.10: Code Climate erstellt eine neue Ausgabe.
Abbildung 11.11: Copilot hat die richtige Idee, geht aber den falschen Weg.
Abbildung 11.12: Soliloquy wird immer wartungsfreundlicher!
Abbildung 11.13: Ich gehe davon aus, dass Template-Code nicht zählt.
Abbildung 11.14: Copilot schlägt vor, eine InputField-Komponente zu erstellen.
Abbildung 11.15: Es ist ein gutes Gefühl, schuldenfrei zu sein.
Kapitel 12
Abbildung 12.1: Sprechen Sie leise – mit CodeWhisperer.
Abbildung 12.2: Codierung mit Cody
Abbildung 12.3: Lösen Sie Rätsel mit AlphaCode.
Abbildung 12.4: Werden Sie kreativ – mit Gemini.
Abbildung 12.5: Erstellen von Code mit Codeium
Abbildung 12.6: Chat mit Claude
Abbildung 12.7: Maßgeschneiderte Lösungen mit Microsoft IntelliCode
Abbildung 12.8: Schneller mit Sourcery
Abbildung 12.9: Bugasura gegen Bugs
Abbildung 12.10: Barrierefreiheit mit UserWay entwirren
Kapitel 13
Abbildung 13.1: Eintauchen in die KI mit den KI-Ressourcen von
Code.org
...
Abbildung 13.2: Intelligenter Wettbewerb mit Kaggle
Abbildung 13.3: Entdecken Sie Schätze mit der Datensatzsuche von Google.
Abbildung 13.4: Grenzenlos lernen mit edX
Abbildung 13.5: Aufgaben lösen mit Edabit
Abbildung 13.6: Kommen Sie Daten mit StatQuest auf die Schliche.
Abbildung 13.7: Grenzen erforschen mit AI4All Open Learning
Abbildung 13.8: Mit Gymnasium üben
Abbildung 13.9: Navigieren in neuronalen Netzwerken mit fast.ai
Abbildung 13.10: Zertifizieren Sie sich mit Microsoft Learn.
Cover
Titelblatt
Impressum
Über den Autor
Inhaltsverzeichnis
Einleitung
Fangen Sie an zu lesen
Abbildungsverzeichnis
Stichwortverzeichnis
End User License Agreement
1
2
3
4
7
8
9
19
20
21
22
23
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
327
328
329
330
Fast ein Jahr nach der Veröffentlichung von ChatGPT von OpenAI habe ich angefangen, an diesem Buch zu schreiben. Diese erstaunliche Innovation und die darauffolgenden Bereitstellungen von generativen KI-Tools von Microsoft, Google, Facebook und anderen haben dazu geführt, dass wir heute anders über die Erstellung von Inhalten denken. Gleichzeitig sind wir mit wichtigen Fragen konfrontiert, wie die Zukunft unserer Arbeit aussehen wird – vor allem für diejenigen, deren Arbeit hauptsächlich mit den Dingen zu tun hat, die Tools wie ChatGPT bereits jetzt schon ziemlich gut können.
Meine eigenen Gefühle in Bezug auf generative KI sind gemischt. Einerseits mache ich mir Sorgen, dass die Schreib- und Programmierkenntnisse, mit denen ich mehr als die Hälfte meines Lebens verbracht habe, nicht mehr gebraucht werden. Andererseits sehe ich, dass KI das Potenzial hat, einige der langweiligsten und am wenigsten lohnenden Arbeiten zu übernehmen und mir Zeit und Mühe zu sparen, die ich den kreativeren Teilen des Schreibens und Programmierens widmen kann.
Ich mache mir auch Sorgen, ich könnte etwas auf die ganz herkömmliche Weise schreiben (in der Art »ich denke mir etwas aus und schreibe es auf«), und die Leser könnten annehmen, ich hätte KI dafür verwendet. Das geschah bei einem Buch, das ich letztes Jahr über ein relativ aktuelles Thema geschrieben habe. Leute, die sich nicht die Mühe machten, das Buch zu lesen, kommentierten, dass »es wahrscheinlich von KI geschrieben wurde«. Aufgrund dieser Erfahrung kündigte ich an, dass ich den Prozess des Schreibens meines nächsten Buches per Livestream übertragen würde. Zu diesem Zeitpunkt hatte ich keine Ahnung, dass mein nächstes Buch von KI handeln würde. Hier bin ich also und schreibe ein Buch über Programmierung mit KI, während ich meinen Schreibprozess per Livestream übertrage, um zukünftigen Lesern zu beweisen, dass das Buch nicht von KI erstellt wurde. Wenn Sie daran zweifeln, dass ich dieses Buch auf die altmodische Art und Weise geschrieben habe, oder wenn Sie ein paar Hundert Stunden Zeit haben, können Sie unter https://bit.ly/codingwithai zusehen, wie das Buch entsteht.
Obwohl ich mich weigere, meine Bücher mithilfe von KI zu schreiben, und generell dagegen bin, dass andere Menschen KI zum Schreiben von Büchern verwenden, bin ich anderer Meinung, wenn es um die Verwendung von KI-Tools zur Erstellung von Computercode geht. In der Geschichte der Computerprogrammierung ging es immer darum, dass Menschen bessere Tools erfanden, die das Coding einfacher machten. Als ich in den 1990er-Jahren beim Software Development Magazine arbeitete, war Roger Smith dort technischer Redakteur. Eines Tages, als wir über ein neues Programmiertool sprachen, erzählte mir Roger, dass er glaubte, dass wir in Zukunft in der Lage sein würden, Software unter Verwendung natürlicher Sprache zu schreiben. Ich war skeptisch. Fast 30 Jahre später stellt sich heraus, dass Roger recht hatte.
Die KI wandelt sich in raschem Tempo. Technologien und Tools, die heute neu und interessant sind, werden vielleicht schon in vier Wochen durch bessere ersetzt. Da ich über Technologie und Programmierung schreibe, besteht immer die Gefahr, dass etwas, was ich heute schreibe, bei Erscheinen des Buches bereits veraltet ist. Aber auch wenn sich KI und KI-Softwareentwicklungstools sicherlich verbessert haben, werden die Techniken, über die ich hier schreibe, genauso anwendbar sein – es sei denn, KI hat den Beruf des Softwareentwicklers überflüssig gemacht und jeder, der früher Softwareentwickler war, wird jetzt dafür bezahlt, am Strand abzuhängen (oder was auch immer Ihre Vorstellung von Freizeit und Entspannung ist).
Ob Sie diese neue Ära der KI-gestützten Programmierung begrüßen oder sie ablehnen, es lässt sich nicht leugnen, dass sie da ist. In diesem Buch zeige ich Ihnen, wie diese Tools funktionieren und wie Sie sie nutzen können, um nicht nur einfacher und schneller Code zu schreiben, sondern auch, um besseren Code zu entwickeln.
Ich wünsche Ihnen viel Spaß bei der Lektüre dieses Buches und hoffe, dass Sie es nützlich finden. Wenn Sie Fragen oder Anmerkungen haben, wenden Sie sich bitte an mich unter [email protected].
Liebe Leserin, lieber Leser, Sie halten die deutsche Übersetzung des Buches »Coding with AI For Dummies« von Chris Minnick in Ihren Händen. Alle Fließtexte wurden durchgehend in die deutsche Sprache übersetzt, allerdings gilt das nicht für die zahlreichen Abbildungen im Buch, die Screenshots von KI-Tools enthalten, und den Programmcode. Viele der von Chris Minnick diskutierten Tools enthalten beispielsweise keine deutschen Menüs. Hinzu kommt, dass die Ausgaben der KI-Tools meist nicht genau so reproduzierbar sind, wie sie der Autor im Buch beschreibt – weder auf Deutsch noch auf Englisch. Dies liegt in der Natur dieser Werkzeuge selbst und ihrer ständigen Weiterentwicklung. Daher finden Sie in der Regel die Originalabbildungen des Autors, auf die er sich auch im Text bezieht. Wir haben uns bemüht, dort, wo dies sinnvoll erscheint, Inhalte der Screenshots zu übersetzen, um Ihnen, liebe Leserin, lieber Leser, ein möglichst konsistentes Lesevergnügen zu bereiten.
Was die Programmierung mit generativer KI betrifft, sind wir alle noch Dummies. Egal, ob Sie gerade erst mit dem Programmieren angefangen haben, oder ob Sie ein Veteran sind – dieses Buch wird Ihnen beibringen, was Sie wissen müssen, um von den neuen Tools zu profitieren, die immer schneller verfügbar werden.
Es geht um die folgenden Themen:
Grundprinzipien des maschinellen Lernens (ML), des Deep Learning (DL) und der generativen KI (GenKI)
Verantwortungsvoller, sicherer und ethischer Umgang mit KI
Verwendung einiger der neuesten Tools für die Programmierung mit KI
Einsatz von KI zur Unterstützung bei
der Automatisierung monotoner Codieraufgaben
dem Erlernen neuer Fähigkeiten
der Verbesserung Ihren Codes
dem Testen Ihres Codes
dem Dokumentieren Ihres Codes
der Pflege des Codes
Beachten Sie beim Lesen des Buches Folgendes:
Sie können das Buch von Anfang bis Ende lesen, aber Sie können auch beliebige Abschnitte lesen, wenn Sie das möchten. Wenn Sie ein Thema interessiert, beginnen Sie dort. Sie können jederzeit zu früheren Kapiteln zurückkehren, falls nötig.
Irgendwann werden Sie nicht mehr weiterkommen, und etwas, das Sie ausprobieren, wird nicht wie vorgesehen funktionieren. Haben Sie keine Angst! Es gibt viele Ressourcen, die Ihnen helfen können, darunter Support-Foren, andere Benutzer im Internet, KI-Chatbots und mich! Sie können mich per E-Mail unter
oder über meine Website (
https://www.chrisminnick.com
) kontaktieren. Außerdem können Sie sich für meinen Substack (
https://chrisminnick.substack.com
) anmelden, um gelegentliche Updates von mir über KI, Programmierung und Lernen zu erhalten.
Der Code im Buch ist in einer nicht proportionalen Schrift wie dieser ausgezeichnet:
<h1>Hallo!</h1>
.
Einige Webadressen werden über zwei Textzeilen hinweg umgebrochen. Wenn Sie dieses Buch in gedruckter Form lesen und eine dieser Webseiten besuchen möchten, geben Sie die Webadresse einfach genau so ein, wie sie im Text angegeben ist, und tun Sie so, als gäbe es den Zeilenumbruch nicht. Wenn Sie dieses Buch als E-Book lesen, haben Sie es leicht – klicken Sie einfach auf die Webadresse, um direkt zur Webseite zu gelangen.
Ich mache nicht viele Annahmen über Sie, den Leser, aber doch ein paar wenige.
Ich gehe davon aus, dass Sie bereits Erfahrung mit dem Programmieren in einer Computersprache haben oder damit vertraut sind. Es ist nicht wichtig, in welcher Sprache Sie programmieren, sondern nur, dass Sie wissen, was Programmieren ist und dass Sie es schon einmal gemacht haben. Wenn Sie neu in der Computerprogrammierung sind, gibt es viele ausgezeichnete Bücher und Tutorials, die Ihnen in wenigen Tagen den Hintergrund vermitteln, den Sie für dieses Buch benötigen. Ich empfehle Coding Alles-in-einem-Band für Dummies, 2. Auflage (geschrieben von mir und einem großartigen Team von anderen Programmierexperten), das eine Einführung in alle Sprachen und Techniken enthält, die Sie in diesem Buch verwenden. Lesen Sie vor allem die Kapitel über Python und JavaScript.
Die meisten Beispiele in diesem Buch sind JavaScript-Code, weil das die Programmiersprache ist, die ich am besten kenne. Dies ist jedoch kein JavaScript-spezifisches Buch, und die Techniken und Tools, die ich verwende, um meinen JavaScript-Code zu schreiben oder zu verbessern, funktionieren mit jeder Sprache. Die Code-Beispiele sind im Allgemeinen einfach genug, um auch ohne spezielle JavaScript-Kenntnisse verstanden zu werden.
Ich gehe davon aus, dass Sie über einen Computer mit einem modernen Webbrowser verfügen. Sie werden die meisten Übungen in diesem Buch mithilfe von webbasierten Ressourcen durchführen. Obwohl es möglich ist, die Übungen mit einem Smartphone oder Tablet zu bearbeiten, empfehle ich dies nicht.
Ich gehe davon aus, dass Sie Zugang zu einer Internetverbindung haben. Da die Sprachmodelle, mit denen wir arbeiten werden, viel zu groß sind, um sie auf Ihrem Computer zu installieren, ist eine Internetverbindung unerlässlich, um den praktischen Teil zu absolvieren.
Ich gehe davon aus, dass Sie kostenlose Software herunterladen und auf Ihrem Computer installieren können. Oft gibt es auf dem Computer, den Sie bei der Arbeit benutzen, Einschränkungen bezüglich der Software, die vom Benutzer installiert werden darf. Wenn Sie die Anwendungen in diesem Buch auf Ihrem eigenen Computer entwickeln und ausführen, sollte das kein Problem sein.
Hier die Symbole, die im Buch verwendet werden, um Texte zu kennzeichnen, die besonders beachtet werden sollten oder übersprungen werden können.
Dieses Symbol kennzeichnet nützliche Informationen oder erklärt eine Abkürzung, die Ihnen hilft, ein Konzept zu verstehen.
Dieses Symbol kennzeichnet die Beschreibung technischer Details. Die Details können informativ oder interessant sein, sind aber für das Verständnis des Konzepts nicht unbedingt erforderlich.
Versuchen Sie, die mit diesem Symbol gekennzeichneten Dinge nicht zu vergessen. Es weist auf ein wichtiges Konzept oder einen wichtigen Prozess hin, das beziehungsweise den Sie im Gedächtnis behalten sollten.
Aufgepasst! Dieses Symbol weist auf häufige Fehler und Probleme hin, die vermieden werden können, wenn Sie die Warnung beherzigen.
Einige zusätzliche Inhalte, die Sie in diesem Buch nicht finden, sind online verfügbar, zum Beispiel:
Der Quellcode für die Beispiele in diesem Buch:
Öffnen Sie
www.wiley-vch.de/ISBN9783527722105
oder suchen Sie auf
www.downloads.fuer-dummies.de
nach diesem Buch. Der Quellcode ist nach Kapiteln geordnet. Der beste Weg, mit einem Kapitel zu arbeiten, ist es, den gesamten Quellcode für dieses Kapitel auf einmal herunterzuladen.
Aktualisierungen:
KI wandelt sich im rasenden Tempo, und ich gehe nicht davon aus, dass dies nach der Veröffentlichung dieses Buches aufhört, sodass die Befehle und die Syntax, die heute funktionieren, dies morgen vielleicht nicht mehr tun. Sie können alle Aktualisierungen unter
https://github.com/chrisminnick/coding-with-ai
finden.
Wenn Sie sich auf die Reise begeben, um das Programmieren mit KI zu erlernen, sollten Sie aufgeschlossen sein, aber auch eine große Portion Skepsis und Geduld mitbringen. Auch wenn die aktuelle Generation von GenKI-Tools beeindruckend ist (und wenn Sie das hier lesen, sind sie sicher schon wieder viel besser geworden), stecken wir immer noch in den Kinderschuhen dieser Technologie.
Wenn Sie ein grundlegendes Verständnis der KI-gestützten Programmierung erlangen wollen, lesen Sie Kapitel 1. Wenn Sie mehr über die Funktionsweise dieser Tools und über maschinelles Lernen im Allgemeinen erfahren möchten, lesen Sie Kapitel 2. Wenn Sie mehr über einige der Tools erfahren möchten, die heute für die Programmierung mit KI zur Verfügung stehen, lesen Sie Kapitel 3 und 4. Wenn Sie direkt mit der Kombination aus Programmierung und KI experimentieren möchten, lesen Sie Kapitel 5.
Ich gratuliere Ihnen zu Ihrem ersten Schritt in Richtung KI-gestütztem Coding und danke Ihnen, dass Sie mir Ihr Vertrauen geschenkt haben.
Teil I
IN DIESEM TEIL …
entdecken Sie, wie KI-gestützte Tools Ihnen helfen können, zu einem besseren und effizienteren Programmierer zu werden.tauchen Sie in die grundlegenden Konzepte hinter dem Maschinenlernen und dem Deep Learning ein.erkunden Sie KI-Programmiertools.lernen Sie die neuesten generativen Modelle kennen, die Sie bei Coding-Aufgaben unterstützen können.Kapitel 1
IN DIESEM KAPITEL
Sich wiederholende Aufgaben automatisierenHilfe zur Syntax erhaltenProgramme testenMit KI schneller lernenMit KI paarweise programmierenWenn Sie Programmierer sind oder vielleicht gerade programmieren lernen, kann Ihnen generative künstliche Intelligenz (auch bekannt als GenKI) helfen, produktiver zu arbeiten, weniger Fehler zu machen und neue Fähigkeiten und Sprachen schneller zu erlernen. Dieses erste Kapitel soll Ihnen einen allgemeinen Überblick verschaffen. Dabei werden Sie diverse Tools einsetzen, um einen Vorgeschmack auf die verschiedenen Möglichkeiten zu bekommen. Alle angesprochenen Themen werden in späteren Kapiteln ausführlich beschrieben.
Auch wenn es möglich ist, mithilfe von KI funktionierende Computerprogramme zu erstellen, ohne selbst programmieren zu können, rate ich Ihnen dringend davon ab – vor allem, wenn Sie vorhaben, die von Ihnen erstellten Programme produktiv einzusetzen. Generative KI weiß nicht, wie man programmiert. Wenn Sie auch nicht programmieren können, ist die Wahrscheinlichkeit groß, dass der von Ihnen mit KI erstellte Code schwerwiegende Sicherheitsprobleme, Funktionsprobleme oder Schlimmeres aufweist.
Die aktuellen generativen KI-Modelle können gut für grundlegende und praktische Aufgaben eingesetzt werden. Beispielsweise können sie zur Generierung von grundlegendem Code verwendet werden, den Programmierer liebevoll als »Boilerplate-Code« bezeichnen.
Der Begriff Boilerplate stammt aus dem 19. Jahrhundert, als Stahlplatten als Schablonen für den Bau von Dampfkesseln verwendet wurden.
Boilerplate-Code