Name: Prompt Engineering für Software Development (ChatGPT)
Availability: InStock

Prompt Engineering für Software Development (ChatGPT)

Ein fortgeschrittener, praxisnaher Kurs für Entwicklerinnen und Entwickler, die bereits mit KI Coding Tools arbeiten. Ziel ist es, mit ChatGPT schneller und sicherer zu liefern, indem Sie Prompt Muster, Kontext Strategien und die Integration in reale Repositories, Tests und CI beherrschen.

Was werden Sie lernen?

Sie verfeinern, wie Sie Entwicklungsaufgaben zuschneiden, Prompts entwerfen und ChatGPT so steuern, dass verlässliche Codeänderungen entstehen. Sie verknüpfen Prompts mit Repos und Workflows, setzen Guardrails über Tests und Richtlinien und führen eine leichte Evaluation ein, damit die Qualität über die Zeit steigt.

Nach diesem Training können Sie sicher:

• Engineering Aufgaben für ChatGPT formulieren und wirksame Prompting Strategien auswählen

• Repository Kontext, Code Navigation und Dokumentation nutzen, um Antworten zu fundieren

• Code Edits, Erklärungen und Diffs über mehrteilige Projekte steuern

• Feedback Schleifen mit Tests und Akzeptanzkriterien straffen

• Prompts in Git, Code Review und CI integrieren

• Datenschutz, Sicherheit und IP Risiken managen und Nachvollziehbarkeit wahre

Voraussetzungen:

• Souveräner Umgang mit Git und Code Reviews

• Vertrautheit mit einem CI System und Paketmanagern in mindestens einer Sprache

• Zugriff auf ein nicht sensibles Repository, das sich für das Training eignet

• Optional hilfreich ein kleines Service oder CLI Projekt

Kursübersicht*:

*Wir wissen, dass jedes Team eigene Bedürfnisse und Spezifikationen hat. Deshalb können wir die Schulungsübersicht nach Bedarf anpassen.

Modul 1 Prompting im SDLC

Wo ChatGPT im Lifecycle hilft und wo nicht
Aufgabenzerlegung, Constraints und Akzeptanzkriterien als Prompteingaben
Modellantworten kritisch lesen und entscheiden, wann iterieren oder neu starten

Modul 2 Verlässlichen Kontext vorbereiten

Die richtigen Dateien, Symbole, Logs und Konfigurationen bereitstellen, ohne Kontext zu überladen
Große Codebereiche zusammenfassen und zu schützende Invarianten festhalten
Designdokumente und API Referenzen verlinken, um Antwortqualität zu erhöhen

Modul 3 Muster für Codegenerierung und Edits

Fokussierte Diffs, Patch Stil Ausgaben und Commit Messages anfordern
Schrittweises Prompting für Features, ohne öffentliche Verträge zu brechen
Refactoring Prompts, die API Stabilität bewahren

Modul 4 Tests als Steuerpunkte und Debugging

Tests vor Edits schreiben oder schärfen, um Verhalten zu begrenzen
Fehlende oder fehlschlagende Tests und Logs gezielt für die nächste Iteration nutzen
Erklärungen und Change Notes für Reviews und künftige Wartung erstellen

Modul 5 Prompt Vorlagen und Wiederverwendung

Wiederverwendbare Gerüste für Bugfixes, Feature Stubs und Migrationen
Stil, Lint und Format Regeln als Constraints einbetten
Team Konventionen für Benennung, Struktur und Checklisten

Modul 6 Git und CI Integration

Branching Ansätze, die KI gestützte Änderungen unterstützen
PR Beschreibungen, Risiko Hinweise und Review Checklisten
Prompts mit automatisierten Tests und Quality Gates verknüpfen

Modul 7 Retrieval und externe Tools

Wann Dokumente, Tickets und Changelogs beilegen, um Antworten zu fundieren
Hilfstools auswählen, auf die sich das Modell stützen soll Linter, Formatter, Test Runner
Lang laufende Aufgaben und in Teilziele zerlegte Objectives sicher steuern

Modul 8 Sicherheit, Datenschutz, IP und Evaluation