Struttura del corso

Introduzione al Vibe Coding

  • Definizione e storia del vibe coding
  • Filosofia della collaborazione “prompt-to-code”
  • Come lo sviluppo assistito da AI differisce dallo sviluppo tradizionale

Modelli Linguistici Grandi (LLM) nella Codifica

  • Panoramica dei LLM per gli sviluppatori: GPT-4, DeepSeek, Qwen, Mistral
  • Confronto tra AI coder open-source e proprietari
  • Distribuzione di LLM localmente o tramite API

Ingegneria dei Prompt per gli Sviluppatori

  • Prompts efficaci per la generazione e il rifattoring del codice
  • Gestione del contesto e dello stato della conversazione
  • Creazione di template di prompt riutilizzabili per le attività di codifica

Ambienti di Vibe Coding Pratici

  • Utilizzo di Replit per la codifica AI collaborativa
  • Integrazione di GitHub Copilot e Qwen Coder negli IDE
  • Personalizzazione dei flussi di lavoro per la collaborazione del team

Qualità e Validazione del Codice nei Flussi di Lavoro AI

  • Revisione e test del codice generato da LLM
  • Garanzia di coerenza, manutenibilità e sicurezza
  • Integrazione di strumenti di validazione del codice nel flusso di lavoro

Integrazione Aziendale e Governance

  • Scalabilità del vibe coding in tutto il team
  • Governance, etica e conformità dell'AI nella generazione di codice
  • Progettazione di framework organizzativi per lo sviluppo assistito da AI

Argomenti Avanzati: Estensione del Vibe Coding

  • Combinazione di più LLM per flussi di lavoro AI ibridi
  • Integrazione del vibe coding con l'automazione CI/CD
  • Tendenze future: ecosistemi di sviluppo multi-agenti

Progetto di Team e Collaborazione

  • Progettazione di un progetto reale di codifica assistita da AI
  • Collaborazione con sviluppatori umani e AI
  • Presentazione dei risultati e misurazione del miglioramento della produttività

Riepilogo e Passi Successivi

Requisiti

  • Comprensione dei flussi di lavoro di sviluppo software
  • Esperienza con Python, JavaScript o un altro linguaggio di programmazione moderno
  • Familiarità con i sistemi di controllo delle versioni basati su Git

Pubblico di Riferimento

  • Ingegneri software che esplorano lo sviluppo assistito da AI
  • Responsabili ingegneria che supervisionano l'adozione di AI nei flussi di lavoro di codifica
  • Team di sviluppo aziendali che cercano di integrare LLM nelle pipeline di produzione
 21 ore

Numero di Partecipanti


Prezzo per partecipante

Recensioni (1)

Corsi in Arrivo

Categorie relative