框架的替代学习方法
除了官方文档之外,还有其他学习框架的方法,这里将针对 HLEB2 框架进行讨论。
#无文档自学
一些开发者通过试错法来学习代码的工作原理。如果您喜欢这种方法,本框架包含了大量的代码注释来帮助您。请检查您的 IDE 是否具有快速访问这些注释的功能。
下一节提到,框架仓库包含文档的文本版本,因此您只需在项目中搜索即可找到所需的示例。
#LLM 在代码编写中的辅助
HLEB2 是一个相对年轻的框架,因此目前公开可用的信息还不足以训练通用神经网络。
但是,如果您想借助 AI 来学习框架,可以使用本指南的统一文本版本(采用 Markdown 格式)。例如,deepwiki 服务允许您基于这些信息提出有关代码的问题。
由于框架的所有核心代码都位于单个仓库中,并且已添加了本文档的精简版本,因此 deepwiki 服务可以轻松地基于当前版本的代码生成响应,并产生不错的结果,但与官方文档中的示例不同,这些结果需要进行验证。
例如,该服务对以下问题的回答如下:
无需指定框架名称,因为该服务的这一部分已专门针对此特定仓库进行了训练。
#LLM 提示词编写技巧
为了首次获得最相关的答案,建议在提问时指明:
问题 - (此处为简洁的问题,指向对具体信息的请求,避免模糊表述)。
角色 - 神经网络将从什么立场回答。例如,"作为 HLEB2 框架专家"。
格式 - 例如,"3-5个实践示例,附带官方文档风格的解释"。
篇幅 - 例如,"400-600字 + 代码"。
要求 - 考虑优势;典型错误;方法对比(如果有多种);必要时提及 XSS、CSRF、SQL-injection 等。
级别 - 答案面向什么受众。例如:junior、middle 或 senior(一个具体类型)。
排除项 - 列出您不希望在答案中看到的内容。
重要性 - 可以说明这是用于个人学习还是用于能够让世界变得更美好的全球规模公共项目。有观点认为在后一种情况下会给出更准确的答案。
神经网络的回答不能100%信任,如果没有自己对框架的了解,将难以验证其答案。 本文档以简单的形式提供经过人工验证的框架运行示例以及由作者直接编写的框架核心原则。
← 使用文档前言
