「為 Python Web API 生成程式碼」
#import necessary libraries
import flask
from flask import request, jsonify
#create an instance of the Flask class
app = flask.Flask(__name__)
#create an endpoint for the API
@app.route('/api/v1/endpoint', methods=['GET'])
def api_endpoint():
#get the request data
data = request.get_json()
#process the data
result = process_data(data)
#return the result
return jsonify(result)
#function to process the data
def process_data(data):
#process the data
result = {'result': 'success'}
#return the result
return result
#run the Flask app
if __name__ == '__main__':
app.run()再次執行提示後，我們得到以下結果：
#import necessary libraries
import flask
from flask import request, jsonify
#create a Flask app
app = flask.Flask(__name__)
#create a route for the API
@app.route('/api', methods=['GET'])
def api_call():
#get the data from the request
data = request.get_json()
#process the data
result = process_data(data)
#return the result
return jsonify(result)
#define the process_data function
def process_data(data):
#do something with the data
result = data + 1
#return the result
return result
#run the app
if __name__ == '__main__':
app.run()這兩個輸出之間只有一點點差異。這次我們反過來，將 temperature 設為 0.9：
# Import necessary libraries
import flask
from flask import request, jsonify
# Create a Flask app
app = flask.Flask(__name__)
# Create a route for the API
@app.route('/api', methods=['GET'])
def api_call():
# Get the data from the request
data = request.args
# Process the data
result = process_data(data)
# Return the result
return jsonify(result)
# Function to process the data
def process_data(data):
# Do something with the data
result = data + 1
# Return the result
return result
# Run the app
if __name__ == '__main__':
app.run()第二次嘗試，temperature 同樣設為 0.9：
import flask
from flask import request, jsonify
# create the Flask app
app = flask.Flask(__name__)
app.config['DEBUG'] = True
# create some test data
books = [
{'id': 0, 'title': 'A Fire Upon The Deep', 'author': 'Vernor Vinge', 'first_sentence': 'The coldsleep itself was dreamless.', 'year_published': '1992'},
{'id': 1, 'title': 'The Ones Who Walk Away From Omelas', 'author': 'Ursula K. Le Guin', 'first_sentence': 'With a clamor of bells that set the swallows soaring, the Festival of Summer came to the city Omelas, bright-towered by the sea.', 'published': '1973'},
{'id': 2, 'title': 'Dhalgren', 'author': 'Samuel R. Delany', 'first_sentence': 'to wound the autumnal city.', 'published': '1975'}
]
# create an endpoint
@app.route('/', methods=['GET'])
def home():
return '''<h1>Welcome to our book API!</h1>'''
@app.route('/api/v1/resources/books如你所見，結果變化非常大。
注意，還有更多參數可以調整以改變輸出，例如 top-k、top-p、重複懲罰、長度懲罰和多樣性懲罰，但這些超出本課程範圍。
有許多方法可以嘗試達成你想要的結果。隨著你越來越多地使用提示，你會找到自己的風格。
除了我們已經介紹的技巧外，還有一些在提示大型語言模型時值得注意的好習慣。
以下是一些值得考慮的好習慣：
- 明確指定上下文。上下文很重要，越能明確指定領域、主題等，結果通常越好。
- 限制輸出。如果你想要特定數量的項目或特定長度，請明確說明。
- 同時指定內容與方式。記得說明你想要什麼以及想要怎麼呈現，例如「建立一個 Python Web API，包含 products 和 customers 路由，並分成三個檔案」。
- 使用範本。通常你會想用公司資料來豐富提示，這時候可以用範本。範本中可以有變數，替換成實際資料。
- 拼寫正確。大型語言模型可能會給出正確回應，但拼寫正確會讓回應更好。
以下是用 Python 示範如何使用 Flask 建立簡單 API 的程式碼：
from flask import Flask, request
app = Flask(__name__)
@app.route('/')
def hello():
name = request.args.get('name', 'World')
return f'Hello, {name}!'
if __name__ == '__main__':
app.run()使用像 GitHub Copilot 或 ChatGPT 這樣的 AI 助手，並運用「自我優化（self-refine）」技巧來改進程式碼。
請嘗試透過加入合適的提示來完成作業。
Tip
請用提示語句要求改進，最好限制改進的次數。你也可以指定想要改進的方向，例如架構、效能、安全性等。
為什麼我要使用 chain-of-thought 提示？請給我 1 個正確回答和 2 個錯誤回答。
- 教大型語言模型如何解決問題。
- B，教大型語言模型找出程式碼錯誤。
- C，指示大型語言模型提出不同解決方案。
答：1，因為 chain-of-thought 是透過提供一連串步驟，以及類似問題和解決方式，來教大型語言模型如何解決問題。
你剛剛在作業中使用了自我優化技巧。拿你寫過的任何程式，思考你想對它做哪些改進。現在用自我優化技巧來套用這些改變。你覺得結果如何？是變好還是變差？
完成本課程後，請查看我們的生成式 AI 學習合集，持續提升你的生成式 AI 知識！
接著前往第 6 課，我們將透過建立文字生成應用程式來應用提示工程的知識。
免責聲明：
本文件係使用 AI 翻譯服務 Co-op Translator 進行翻譯。雖然我們致力於確保翻譯的準確性，但請注意，自動翻譯可能包含錯誤或不準確之處。原始文件的母語版本應視為權威來源。對於重要資訊，建議採用專業人工翻譯。我們不對因使用本翻譯而產生的任何誤解或誤釋負責。