引言在AI辅助软件开发的时代，提示词工程（Prompt Engineering）已成为提升开发效率和代码质量的关键技术。本文基于微信小程序水印相机项目的实际开发经验，深入探讨如何设计和配置有效的提示词工程体系。提示词工程的核心价值1. 需求转化的桥梁提示词工程的首要价值在于将模糊的业务需求转化为AI可理解的精确指令。在我们的项目中，原始需求"开发一个水印相机"被细化为："Develop a WeChat Mini Program for a watermark camera with check-in functionality"这种转化不仅明确了技术栈（微信小程序），还定义了核心功能（水印+打卡），为后续开发奠定了清晰的方向。2. 功能分解的工具优秀的提示词能够将复杂功能分解为可执行的具体任务：位置服务集成GPS coordinates (latitude/longitude) from WeChat's location servicesNearby address information queried from the coordinatesCurrent
近两年大语言模型跟AI编程十分的火热。自己也花了很多的时间通过VScode上包括各种ai编程助手包括copilot、通义千问、cline等。之前的应用里面主要是针对项目内的需求做一些单元测试、explain、fix的部分工作。今年cursor的编程工具也全面爆发了，各大厂商都纷纷投入这个赛道。尤其今年智能体、mcp发展起来了之后感觉越来越方便，其能力也更为强大。最近我开始全面进行ai完整来开发。也写个例子给大家参考项目背景在移动互联网时代，位置打卡和照片分享已成为日常生活的重要组成部分。无论是工作考勤、旅游记录，还是社交分享，人们都希望能够在照片中记录准确的时间和地点信息。基于这一需求，我们开发了一款功能完善的微信小程序水印相机。核心功能设计1. 智能定位与地址解析项目的核心亮点在于自动获取用户位置信息：GPS坐标获取：利用微信小程序的地理位置API，实时获取用户的经纬度坐标地址逆解析：通过坐标信息查询详细的地址描述，为用户提供可读性强的位置信息时间戳记录：精确到分钟的时间记录，确保打卡信息的准确性2. 专业级拍照体验为了提供媲美专业相机的拍照体验，我们实现了：多方向支持横屏和竖屏模式
点评：从去年chatgpt 发布以来AI算法领域的技术与AI应用就特别的火，鹅厂的同学整理了一些资料，然后讲基本所需的知识点介绍了一些。尤其是机器学习(Machine Learning)&深度学习(Deep Learning)相关的。其中涉及了几个基础算法问题，如：贪心算法，马尔可夫决策过程算法，蒙特卡洛方法、强化学习方法，DQN等。文中提提供了一些参考资料介绍：感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning等。机器学习(Machine Learning)&深度学习(Deep Learning)资料库 大概有七八百篇得资料，共大家一起学习参考. 以下是正文 最近因为 AI 大火，搞的我也对 AI 突然也很感兴趣，于是开启了 AI 的学习之旅。其实我也没学过机器学习，对 AI 基本上一窍不通，但是好在身处在这个信息爆炸的时代，去网上随便一搜发现大把的学习资料。像这个链接里面：https://github.com/ty4z2008/Qix/blob/master/dl.md 就有很多资料，但是这相当于大海捞针。在学习之前我们先明确自己的目的是什么，
转载至 hugging face。原文地址 ，English version最近在研究 AI 在前端方面的应用，所以看到这个startCoder 库，github 地址是：https://github.com/bigcode-project/starcoder。这个库还有其他的方面应用，这里共享给大家。关于 BigCodeBigCode 是由 Hugging Face 和 ServiceNow 共同领导的开放式科学合作项目，该项目致力于开发负责任的代码大模型。StarCoder 简介StarCoder 和 StarCoderBase 是针对代码的大语言模型 (代码 LLM)，模型基于 GitHub 上的许可数据训练而得，训练数据中包括 80 多种编程语言、Git 提交、GitHub 问题和 Jupyter notebook。与 LLaMA 类似，我们基于 1 万亿个词元训练了一个约 15B 参数的模型。此外，我们还针对一个 35B 词元的 Python 数据集对 StarCoderBase 模型进行了微调，从而获得了一个我们称之为 StarCoder 的新模型。我们发现 StarCod
Chroma 是一个用于构建带有嵌入的 AI 应用程序的数据库。它内置了您入门所需的一切，并可在您的机器上运行，支持python 和 javascript版本。Chroma 为您提供以下工具：存储嵌入及其元数据嵌入文档和查询搜索嵌入色度优先：简单性和开发人员生产力搜索之上的分析它也恰好非常快Chroma 由Python客户端 SDK、JavaScript/TypeScript客户端 SDK 和服务器应用程序组成。查看Colab 演示。项目地址官方文档：https://docs.trychroma.com/github地址：https://github.com/chroma-core/chroma
小码哥
十年老程序员
粤ICP备2023052298号-1
![[长文]写给开发同学AI强化学习入门指南 【转载】](https://www.wesee.club/usr/uploads/2023/06/1895225462.png)
