Kod i zadania techniczne
Na tej stronie
Grok dla programistów
xAI oferuje model specjalnie zoptymalizowany pod kątem kodu: grok-build-0.1 (Grok Build). Ten lekki model został zaprojektowany do programowania w parze w edytorach kodu. Jest znacznie szybszy i tańszy niż modele ogólnego przeznaczenia. Jednak model taki jak Grok 4.5 nadal pozostaje istotny w przypadku złożonego debugowania i architektury.
Niezależnie od tego, czy używasz Groka do generowania kodu, debugowania, dokumentowania czy recenzowania kodu, zasady tworzenia promptów omówione w tym kursie mają zastosowanie, z kilkoma specyficznymi wyjątkami.
Generowanie kodu
Minimalny prompt (unikaj tego)
Stwórz tracker żywności
Efektywny prompt
Stwórz tracker żywności w Pythonie z użyciem Flask.
Funkcje:
- Rejestrowanie produktu spożywczego z ilością
- Automatyczne obliczanie kalorii i makroskładników
- Wyświetlanie dziennego bilansu kalorii z podziałem na składniki odżywcze
- Przegląd ogólny i trendy
Ograniczenia techniczne:
- Baza danych SQLite
- REST API z udokumentowanymi punktami końcowymi
- Brak frontendu (tylko API)
- Testy jednostkowe z użyciem pytest
- Obsługa błędów z odpowiednimi kodami HTTP
Dokumentacja xAI podkreśla ten punkt: określ ścieżki do plików, strukturę projektu i zależności. Wyklucz informacje nieistotne.
Debugowanie
Debugowanie to przypadek użycia, w którym kontekst jest szczególnie ważny. Dostarcz modelowi wszystkich informacji niezbędnych do odtworzenia problemu.
Ustrukturyzowany prompt do debugowania
Mam błąd w mojej aplikacji Node.js/Express.
Istotny kod:
```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]);
});
Błąd: TypeError: Cannot read properties of undefined (reading ‘rows’)
Kontekst:
- Node.js 20, Express 4.18, pg 8.11
- PostgreSQL 15 lokalnie
- Tabela ‘users’ istnieje i zawiera dane
- Błąd występuje tylko dla niektórych identyfikatorów
Moje kody błędów są zdefiniowane w src/errors.ts. Plik połączenia z bazą danych to src/db.ts.
Zidentyfikuj prawdopodobną przyczynę i zaproponuj rozwiązanie.
### Błąd ze śladem stosu (Stack Trace)
Napraw ten błąd. Oto pełny ślad stosu:
[wklej ślad stosu]
Istotny plik źródłowy: [wklej kod]
Konfiguracja:
- Python 3.12, Django 5.0
- Baza danych PostgreSQL
- Środowisko: produkcja w Dockerze
Wyjaśnij przyczynę źródłową i zaproponuj rozwiązanie.
## Dokumentacja
### Dokumentacja funkcji
Udokumentuj tę funkcję Pythona, stosując konwencje Google docstring:
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)
Uwzględnij:
- Opis funkcji
- Argumenty (Args) z typami i opisami
- Wartość zwracana (Returns) z typem i opisem
- Wyjątki (Raises) z warunkami
- Przykład użycia (doctest)
### Dokumentacja API
Wygeneruj dokumentację OpenAPI (Swagger) dla tego punktu końcowego:
Punkt końcowy: POST /api/v2/invoices Uwierzytelnianie: Token Bearer Treść żądania: JSON z client_id (int, wymagane), items (tablica obiektów z description, quantity, unit_price), due_date (ISO 8601, opcjonalne) Odpowiedzi: 201 (utworzono), 400 (błąd walidacji), 401 (brak uwierzytelnienia), 500 (błąd serwera)
Format: YAML OpenAPI 3.0
## Recenzja kodu
Przeprowadź recenzję kodu w tym pull requeście.
Kod: [wklej kod]
Kryteria oceny:
- Potencjalne błędy lub nieobsłużone przypadki brzegowe
- Wydajność (złożoność algorytmiczna, zapytania N+1)
- Bezpieczeństwo (wstrzykiwanie kodu, wycieki danych)
- Czytelność i możliwość utrzymania kodu
- Zgodność z konwencjami PEP 8
Dla każdego znalezionego problemu:
- Dotyczące linie
- Poziom ważności: krytyczny / wysoki / niski / sugestia
- Wyjaśnienie problemu
- Proponowany poprawiony kod
## Wybór modelu do pracy z kodem
Dokumentacja xAI rekomenduje:
- **grok-build-0.1**: Szybka praca, implementacja, wyszukiwanie kodu, rutynowy refaktoryng
- **Grok 4.5**: Złożone debugowanie, architektura, głębokie problemy koncepcyjne
W przypadku agentów kodowych wykorzystujących wywoływanie narzędzi (tool-calling), preferuj natywne wywoływanie narzędzi w grok-build-0.1 zamiast wyjść XML, które mogą obniżać wydajność.
## Optymalizacja pamięci podręcznej (Cache)
W przypadku interakcji sekwencyjnych (typowych dla programowania w parze), pamięć podręczna Groka znacząco przyspiesza odpowiedzi. Prefiks rozmowy pozostaje identyczny między żądaniami, co pozwala na pobranie danych z pamięci podręcznej.
Ważna wskazówka: Unikaj modyfikowania historii promptów między żądaniami. Każda modyfikacja unieważnia pamięć podręczną i spowalnia wnioskowanie.
## Ćwiczenia praktyczne
Weź rzeczywisty błąd ze swojego kodu. Napisz ustrukturyzowany prompt do debugowania, zawierający kod, komunikat o błędzie, kontekst techniczny i powiązane pliki. Porównaj jakość odpowiedzi z tą uzyskaną przy użyciu minimalnego promptu („napraw ten błąd: [kod]“).
## Kluczowe wnioski
- Zawsze określaj pełny kontekst techniczny: język, framework, wersje, strukturę projektu
- grok-build-0.1 jest zoptymalizowany pod kod: szybszy i tańszy niż modele ogólnego przeznaczenia
- Do debugowania dostarczaj kod, pełny komunikat o błędzie i kontekst wykonania
- W przypadku agentów kodowych używaj natywnego wywoływania narzędzi zamiast wyjść XML
- Unikaj modyfikowania historii promptów, aby utrzymać pamięć podręczną i szybkość działania
- Grok 4.5 pozostaje najlepszym wyborem do złożonego debugowania i decyzji architektonicznych