Przejdź do głównej treści
Polski— Wybierz język
Menu

Kod i zadania techniczne

Lekcja 12 z 14 Zaktualizowano 28 lipca 2026 Początkujący
Na tej stronie
  1. Grok dla programistów
  2. Generowanie kodu
  3. Debugowanie

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:

  1. Potencjalne błędy lub nieobsłużone przypadki brzegowe
  2. Wydajność (złożoność algorytmiczna, zapytania N+1)
  3. Bezpieczeństwo (wstrzykiwanie kodu, wycieki danych)
  4. Czytelność i możliwość utrzymania kodu
  5. 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