目    录

第Ⅰ部分  基础

第1章  了解LLM  3

1.1  加速开发  4

1.2  LLM介绍  10

1.3  何时使用或避免使用生成式AI  11

1.4  本章小结  13

第2章  使用LLM  15

2.1  ChatGPT  16

2.1.1  使用GPT-4处理细微差别  16

2.1.2  使用GPT-3.5绘制路径  22

2.1.3  在AI海洋中航行：从GPT-3.5“海岸”到GPT-4“天际线”  25

2.2  Copilot  26

2.3  CodeWhisperer  29

2.4  比较ChatGPT、Copilot和CodeWhisperer  31

2.5  本章小结  33

第Ⅱ部分  输入

第3章  使用ChatGPT设计软件  37

3.1  项目介绍：ITAM系统  38

3.2  请ChatGPT协助系统设计  38

3.3  记录架构  43

3.4  本章小结  62

第4章  使用GitHub Copilot 构建软件  63

4.1  奠定基础  64

4.1.1  表达领域模型  64

4.1.2  优先采用不可变性  66

4.1.3  修饰最喜欢的类  68

4.1.4  调整折旧策略  73

4.2  编织模式  75

4.2.1  访问部门  76

4.2.2  使用工厂(模式)创建对象  77

4.2.3  指导系统构建  82

4.2.4  观察变化  87

4.3  插入端口和适配器  90

4.3.1  六边形架构回顾  91

4.3.2  驱动应用程序  92

4.3.3  访问数据和持久化更改  100

4.3.4  集中(和外部化)数据访问  104

4.4  本章小结  109

第5章  使用GitHub Copilot和Copilot Chat管理数据  111

5.1  构建数据集  112

5.2  使用Kafka实时监控资产  123

5.3  使用Apache Spark进行分析、学习和跟踪  133

5.4  本章小结  138

第Ⅲ部分  反馈

第6章  基于LLM的测试、评估和解释  143

6.1  3种测试类型  144

6.1.1  单元测试  144

6.1.2  集成测试  151

6.1.3  行为测试  152

6.2  评估质量  157

6.3  寻找错误  160

6.4  代码覆盖  162

6.5  代码转译——从代码到描述  164

6.6  从一种语言翻译到另一种语言  166

6.7  本章小结  173

第Ⅳ部分  走向世界

第7章  编写基础设施代码和管理部署  177

7.1  构建Docker镜像并“部署”到本地  179

7.2  使用GitHub Copilot协助Terraform构建基础设施  182

7.3  移动Docker镜像(困难模式)  186

7.4  移动Docker镜像(简单模式)  186

7.5  将应用程序部署到AWS EKS  188

7.6  在GitHub Actions中设置CI/CD管道  191

7.7  本章小结  194

第8章  使用ChatGPT开发安全应用程序  197

8.1  使用ChatGPT进行威胁建模  199

8.1.1  威胁建模在当今开发环境中至关重要的原因  199

8.1.2  ChatGPT如何辅助威胁建模  200

8.1.3  案例研究：使用ChatGPT模拟威胁建模  203

8.2  审查应用程序设计并识别潜在漏洞  207

8.2.1  评估设计问题  207

8.2.2  识别常见漏洞  208

8.3  应用安全最佳实践  209

8.3.1  建立安全意识  209

8.3.2  持续安全测试  210

8.4  静态数据和传输中数据的加密  213

8.4.1  数据加密的重要性  213

8.4.2  静态数据加密  214

8.4.3  传输中数据的加密  218

8.5  本章小结  220

第9章  随时随地使用GPT  221

9.1  动机理论  221

9.2  本地托管LLM  222

9.2.1  使用ChatGPT进行基准测试  223

9.2.2  要求Llama 2输出答案  224

9.2.3  用GPT-4All实现答案的民主化  232

9.3  本章小结  235

附录  237