Vai al contenuto principale
Italiano— Scegli una lingua
Menu

Codice e compiti tecnici

Lezione 12 di 14 Aggiornata il 28 luglio 2026 Principiante
In questa pagina
  1. Grok per gli sviluppatori
  2. Generazione di codice
  3. Debug
  4. Documentazione
  5. Revisione del codice
  6. Selezione del modello per il codice
  7. Ottimizzazione della cache
  8. Pratica guidata
  9. Punti chiave

Grok per gli sviluppatori

xAI offre un modello specificamente ottimizzato per il codice: grok-build-0.1 (Grok Build). Questo modello leggero è progettato per la programmazione in coppia (pair programming) negli editor di codice. È significativamente più veloce ed economico rispetto ai modelli generici. Tuttavia, un modello come Grok 4.5 rimane rilevante per il debug complesso e l’architettura.

Che tu usi Grok per generare codice, fare debug, documentare o revisionare il codice, i principi di prompting trattati in questo corso si applicano con alcune specifiche.

Generazione di codice

Il prompt minimale (da evitare)

Create a food tracker

Il prompt efficace

Create a food tracker in Python with Flask.

Features:
- Log a food item with quantity
- Automatic calculation of calories and macronutrients
- Display daily calorie breakdown by nutrient
- High-level overview and trends

Technical constraints:
- SQLite database
- REST API with documented endpoints
- No frontend (API only)
- Unit tests with pytest
- Error handling with appropriate HTTP codes

La documentazione di xAI sottolinea questo punto: specifica i percorsi dei file, la struttura del progetto e le dipendenze. Escludi le informazioni irrilevanti.

Debug

Il debug è un caso d’uso in cui il contesto è particolarmente importante. Fornisci al modello tutte le informazioni necessarie per riprodurre il problema.

Prompt di debug strutturato

I have an error in my Node.js/Express application.

Relevant code:
```javascript
app.get('/api/users/:id', async (req, res) => {
  const user = await db.query('SELECT * FROM users WHERE id = $1', [req.params.id]);
  res.json(user.rows[0]);
});
```

Error:
TypeError: Cannot read properties of undefined (reading 'rows')

Context:
- Node.js 20, Express 4.18, pg 8.11
- PostgreSQL 15 locally
- The 'users' table exists and contains data
- The error occurs only for certain IDs

My error codes are defined in src/errors.ts.
The DB connection file is src/db.ts.

Identify the probable cause and propose a fix.

Errore con stack trace

Fix this error. Here is the full stack trace:

[paste the stack trace]

Relevant source file:
[paste the code]

Configuration:
- Python 3.12, Django 5.0
- PostgreSQL database
- Environment: Docker production

Explain the root cause and propose the fix.

Documentazione

Documentazione di una funzione

Document this Python function using Google docstring conventions:

def calculate_weighted_score(items, weights=None, normalize=True):
    if weights is None:
        weights = [1.0] * len(items)
    if len(items) != len(weights):
        raise ValueError("Mismatch")
    total = sum(i * w for i, w in zip(items, weights))
    if normalize:
        total /= sum(weights)
    return round(total, 4)

Include:
- Function description
- Args with types and descriptions
- Returns with type and description
- Raises with conditions
- A usage example (doctest)

Documentazione API

Generate OpenAPI (Swagger) documentation for this endpoint:

Endpoint: POST /api/v2/invoices
Authentication: Bearer token
Body: JSON with client_id (int, required), items (array of objects with description, quantity, unit_price), due_date (ISO 8601, optional)
Responses: 201 (created), 400 (validation), 401 (unauthenticated), 500 (server error)

Format: YAML OpenAPI 3.0

Revisione del codice

Review the code in this pull request.

Code:
[paste the code]

Evaluation criteria:
1. Potential bugs or unhandled edge cases
2. Performance (algorithmic complexity, N+1 queries)
3. Security (injections, data leaks)
4. Readability and maintainability
5. Adherence to PEP 8 conventions

For each issue found:
- Line(s) concerned
- Severity: critical / high / low / suggestion
- Explanation of the problem
- Proposed corrected code

Selezione del modello per il codice

La documentazione di xAI raccomanda:

  • grok-build-0.1: Lavoro rapido, implementazione, ricerca nel codice, refactoring di routine
  • Grok 4.5: Debug complesso, architettura, problemi concettuali profondi

Per gli agenti di codice che utilizzano il tool-calling, preferisci il tool-calling nativo di grok-build-0.1 rispetto agli output XML, che possono degradare le prestazioni.

Ottimizzazione della cache

Per le interazioni sequenziali (tipiche della pair programming), la cache di Grok accelera significativamente le risposte. Il prefisso della conversazione rimane identico tra le richieste, consentendo il recupero dalla cache.

Consiglio importante: evita di modificare la cronologia dei prompt tra una richiesta e l’altra. Qualsiasi modifica rompe la cache e rallenta l’inferenza.

Pratica guidata

Prendi un bug reale dal tuo codice. Scrivi un prompt di debug strutturato includendo il codice, l’errore, il contesto tecnico e i file correlati. Confronta la qualità della risposta con un prompt minimale («correggi questo bug: [codice]»).

Punti chiave

  • Specifica sempre il contesto tecnico completo: linguaggio, framework, versioni, struttura del progetto
  • grok-build-0.1 è ottimizzato per il codice: più veloce ed economico dei modelli generici
  • Per il debug, fornisci il codice, l’errore completo e il contesto di esecuzione
  • Usa il tool-calling nativo invece degli output XML per gli agenti di codice
  • Evita di modificare la cronologia dei prompt per mantenere la cache e la velocità
  • Grok 4.5 rimane la scelta migliore per il debug complesso e le decisioni architetturali