AI Programmeringskurs

Lektion 1 • Vad AI-kodningsverktyg faktiskt gör

Förklarar mekanismerna bakom stora språkmodeller som används för kodgenerering. Ger en korrekt konceptuell grund för all senare verktygsanvändning.

Lektion 2 • Läsa och lita på AI-genererad kod

Lär ut kritisk utvärdering av AI-utdata innan förslag accepteras. Etablerar en verifieringsvana som förhindrar ackumulerande fel.

Lektion 3 • Landskapet av AI-kodningsassistenter

Översikt över de huvudsakliga kategorierna av AI-kodningsverktyg som finns idag. Hjälper studenter att välja rätt verktyg för varje uppgiftstyp.

Lektion 1 • Undvika vanliga prompt-misstag

Identifierar de vanligaste prompt-felen som producerar trasig eller osäker kod. Förhindrar dåliga vanor innan de rotar sig.

Lektion 2 • Iterativ promptning och förfining

Täcker konversationer med flera vändor för att gradvis förbättra genererad kod. Bygger vanan att behandla AI som en samarbetspartner, inte ett engångsorakel.

Lektion 3 • Kontexthantering i långa sessioner

Förklarar hur kontextfönstrets gränser påverkar kodkvaliteten i utdragna sessioner. Lär ut strategier för att hålla AI-utdata sammanhängande över stora kodbaser.

Lektion 4 • Prompt-mönster för vanliga kodningsuppgifter

Tillhandahåller återanvändbara prompt-mallar för vanliga utvecklingsscenarier. Accelererar det dagliga arbetsflödet genom att minska tiden för att skriva prompts.

Lektion 1 • Generera boilerplate för API:er och tjänster

Fokuserar på att bygga stommar för REST- och tjänstelager-kod med hjälp av AI-prompts. Förbereder studenter för accelererad backend-utveckling.

Lektion 2 • Bygga klasser och datamodeller

Lär ut AI-assisterat skapande av objektorienterade strukturer och datascheman. Utökar genereringsfärdigheter till större kodenheter.

Lektion 3 • Validera och integrera genererad kod

Etablerar ett arbetsflöde för att säkert slå samman AI-genererad kod i en befintlig kodbas. Förhindrar att integrationsbuggar ackumuleras.

Lektion 4 • Projektstommar och boilerplate

Använder AI för att generera fullständiga projektkatalogstrukturer och konfigurationsfiler. Eliminerar repetitivt installationsarbete i början av varje projekt.

Lektion 1 • Diagnos av prestanda- och minnesproblem

Använder AI för att identifiera långsamma kodvägar och minnesineffektivitet. Lägger till prestandafelsökning i den AI-assisterade verktygslådan.

Lektion 2 • Förstå AI:s felexplanationer

Täcker hur man tolkar och validerar AI:s förklaringar av buggar. Bygger felsökningsintuition tillsammans med AI-assistans.

Lektion 3 • Felsöka logiska fel med AI

Adresserar buggar utan undantag där utdata är fel men inget fel kastas. Utökar AI-felsökning bortom enkla felmeddelanden.

Lektion 4 • Mata fel till AI effektivt

Lär ut hur man formaterar felmeddelanden och stacktraces för AI-analys. Maximerar träffsäkerheten hos AI-genererade korrigeringar.

Lektion 1 • AI-assisterad kodgranskning

Använder AI för att upptäcka buggar, stilöverträdelser och designproblem i befintlig kod. Kompletterar mänsklig granskning med automatiserat djup.

Lektion 2 • Upprätthålla kodstandarder med AI

Lär ut AI-assisterad upprätthållning av teamets stilguider och bästa praxis. Minskar granskningsfriktion och upprätthåller konsekvens.

Lektion 3 • Refaktorisera kod med AI-vägledning

Täcker användning av AI för att omstrukturera kod utan att ändra beteende. Bygger självförtroende för storskaliga refaktoreringsuppgifter.

Lektion 1 • Förbättra testtäckning strategiskt

Använder AI för att analysera täckningsluckor och prioritera vilka tester som ska läggas till. Kopplar testgenerering till mätbara kvalitetsresultat.

Lektion 2 • Generera enhetstester med AI

Täcker hur man promptar AI för att producera enhetstester för befintliga funktioner och klasser. Accelererar direkt den vanligaste testuppgiften.

Lektion 3 • Validera och underhålla AI-genererade tester

Lär ut hur man verifierar att genererade tester är korrekta och underhållbara. Förhindrar en falsk känsla av säkerhet från lågkvalitativa tester.

Lektion 4 • Stommar för integrations- och end-to-end-tester

Utökar AI-testgenerering till scenarier med flera komponenter och fulla flöden. Förbereder studenter för att testa realistiska systeminteraktioner.

Lektion 1 • Konfigurera och köra kodningsagenter

Täcker praktisk installation och exekvering av agentbaserade kodningsverktyg. Ger studenter praktisk kontroll över agentbeteende.

Lektion 2 • Designa effektiva agentuppgiftsprompts

Lär ut hur man skriver högnivå-uppgiftsbeskrivningar som agenter kan exekvera tillförlitligt. Utökar prompt engineering-färdigheter till autonoma sammanhang.

Lektion 3 • Förstå AI-kodningsagenter

Förklarar hur agentbaserade system planerar och exekverar kodningsuppgifter i flera steg. Skiljer agenter från enkla chattbaserade assistenter.

Lektion 4 • Automatisera repetitiva utvecklingsuppgifter med agenter

Tillämpar agenter på återkommande uppgifter som migreringar, refaktoriseringar och boilerplate-uppdateringar. Demonstrerar ackumulerande produktivitetsvinster från automatisering.

Lektion 1 • Utvärdera och anta nya AI-verktyg

Tillhandahåller ett ramverk för att bedöma nya AI-kodningsverktyg i takt med att marknaden utvecklas. Håller studenter anpassningsbara när verktygslandskapet förändras snabbt.

Lektion 2 • Integrera AI i utvecklingslivscykeln

Kartlägger AI-verktygsanvändning till varje fas i en standardutvecklingslivscykel. Säkerställer att AI förstärker snarare än stör befintliga teamprocesser.

Lektion 3 • Bygga ett personligt AI-kodningsarbetsflöde

Guidar studenter i att designa en repeterbar, personlig AI-assisterad kodningsrutin. Omvandlar individuella tekniker till ett sammanhängande dagligt system.

Lektion 4 • Hantera AI-verktygskostnader och hastighetsbegränsningar

Täcker strategier för att kontrollera API-användningskostnader och undvika störningar från hastighetsbegränsningar. Säkerställer att AI-verktyg förblir ekonomiskt hållbara i produktion.