AI說書 - Prompt Engineering - 160 | 自動輸出細化探討

我們人類和ChatGPT的對話技巧也是需要學習的，有鑑於此，我想要一天分享一點「和ChatGPT對話的技術」，並且每篇文章長度控制在三分鐘以內，讓大家不會壓力太大，但是又能夠每天成長一點。

利用這項研究的概念，我們可以開發適合多種場景的強大的細化系統，例如，考慮範例部分中顯示的程式碼最佳化情況，我們可以建立一套全面的十大程式碼品質評估標準，每個標準都針對程式碼品質的不同面向，此清單普遍適用於各種程式語言，適合各種軟體開發項目：

1. Readability：程式碼應該易於閱讀和理解，這是透過使用有意義的變數和函數名稱、謹慎但有效地使用註釋以及保持函數和方法簡潔來實現的
2. Consistency：遵循一致的編碼風格有助於保持可讀性並有助於理解程式碼庫，這可以包括從縮排樣式到變數命名方式的任何內容
3. Simplicity：簡單的程式碼不易出錯，更易於閱讀、理解和維護，始終建議避免不必要的複雜性
4. Modularity：程式碼應該組織成邏輯且可管理的模組或類別，這允許程式碼重複使用、更容易測試以及理解不同元件如何交互
5. Efficiency：高效率的程式碼可最佳化資源使用，例如 CPU 時間、記憶體和磁碟空間，這是透過使用適當的資料結構、避免冗餘操作並最小化 IO 操作來實現的
6. Robustness：程式碼應該能夠處理意外的輸入或狀態而不會崩潰，這涉及測試邊緣情況並正確處理異常
7. Testability：好的程式碼是以適合單元測試的方式設計的，這通常涉及創建可以獨立測試的模組化、解耦的程式碼單元
8. Documentation：雖然程式碼本身應該盡可能不言自明，但複雜的演算法介面或設計決策應該清楚地記錄下來，這可以在程式碼內或外部
9. Scalability：程式碼的設計應該考慮到成長，在給定的資源限制內，它應該能夠處理少量數據以及處理大量數據
10. Maintainability：這包含了前面的許多要點，本質上，其他開發人員跳入程式碼、弄清楚發生了什麼、修復錯誤和添加新功能有多容易