Aplicar Prompt Engineering y elaboración de contexto

¿Qué acciones de ingeniería de prompts representan prácticas recomendadas para maximizar la precisión y el rendimiento de la generación de código con GitHub Copilot? (Seleccione dos respuestas correctas). Incluya varios ejemplos resueltos como pares de entrada y salida directamente dentro de un único prompt. Defina el objetivo final y permita que Copilot elija con autonomía los métodos, la lógica y el proceso utilizados para lograr el resultado. Envíe restricciones relacionadas a lo largo de una secuencia de mensajes de chat consecutivos. Proporcione un objetivo arquitectónico claro acompañado de restricciones de implementación específicas en las instrucciones iniciales del prompt.

Para crear un prompt reutilizable de Copilot Chat para una mejora de código que otros desarrolladores puedan usar y revisar más tarde, ¿qué estilo de prompt es más eficaz?. Pide mejoras de código pasando el requerimiento funcional original. Pasa toda la base de código con una descripción del objetivo. Pasa los comentarios de revisión y el nombre del repositorio asociados con la mejora de código. Incluye el bloque de código relevante y describe claramente el objetivo o el problema.

Un desarrollador envía un prompt en una sesión de chat de Visual Studio Code usando GitHub Copilot. ¿Cuál de las siguientes opciones describe el paso de Tokenización y empaquetado en el flujo de procesamiento del prompt?. La extensión de Copilot para VS Code revisa el espacio de trabajo local para identificar y recopilar los archivos, firmas de funciones y fragmentos de código más relevantes relacionados con el prompt del usuario. El servidor proxy backend de Copilot recibe la solicitud HTTPS segura y realiza sanitización de contenido, verificaciones de cumplimiento y limitación de tasa antes de reenviarla al LLM backend. La extensión de Copilot recibe fragmentos de datos transmitidos en streaming desde el servidor proxy remoto, analiza la salida y muestra los bloques de código renderizados directamente dentro del panel de chat. La extensión de Copilot para VS Code tokeniza el prompt del usuario y el contexto del espacio de trabajo seleccionado localmente dentro del IDE, empaquetándolo en una solicitud de API JSON estructurada.

Un desarrollador está aprendiendo a redactar prompts eficaces usando GitHub Copilot en Visual Studio. Al aplicar la regla de las 3 S del prompt engineering, ¿qué representa cada S?. Syntax: Indica explícitamente el lenguaje de programación y la versión del framework. Sequential: Proporciona listas numeradas ordenadas para orientar la lógica. Sustainable: Solicita código optimizado para minimizar los costos de cómputo en servidores en la nube. Single: No intentes meter demasiadas instrucciones en tu prompt. Secure: Asegúrate de que el código generado evite vulnerabilidades críticas en tiempo de ejecución. Systemic: Incluye un contexto arquitectónico exhaustivo para guiar al modelo. Secure: No incluyas claves de API sensibles ni datos de identificación personal. Structured: Da formato a las entradas usando delimitadores estrictos de Markdown. Scalable: Solicita la generación de patrones algorítmicos eficientes en recursos. Single: No intentes meter demasiadas instrucciones en tu prompt. Short: No seas demasiado extenso, lo cual puede confundir al modelo. Specific: Da instrucciones específicas sobre lo que intentas lograr.

¿Cuáles de las siguientes son prácticas recomendadas de ingeniería de prompts para maximizar la precisión y el rendimiento de la generación de código con GitHub Copilot? (Seleccione dos respuestas correctas.). Proporcione un objetivo arquitectónico claro acompañado de restricciones de implementación específicas en las instrucciones iniciales. Distribuya las restricciones interrelacionadas del prompt a lo largo de una secuencia de mensajes de chat consecutivos. Incorpore varios ejemplos trabajados como pares de entrada y salida directamente dentro de un único prompt. Envíe una única solicitud de prompt que no contenga ejemplos emparejados de entrada y salida estructuradas para aislar la respuesta del prompt.

Desea que Copilot refactorice un módulo heredado para mejorar la legibilidad sin alterar el comportamiento. ¿Qué solicitud guiará mejor a Copilot?. Proporcione el código actual e indique: "conservar toda la funcionalidad existente". Solicite una reescritura completa utilizando un framework diferente. Solicite funciones más pequeñas y con nombre, con documentación exhaustiva. Pida a Copilot que elimine las comprobaciones que considere innecesarias.

Necesita un script de migración para un cambio en el esquema de la base de datos. ¿Qué prompt guiará a Copilot para generar un script seguro y comprobable?. Especificar requisitos de rendimiento y timeouts de ejecución. Solicitar registro detallado con patrones de manejo de errores. Incluir datos de ejemplo, transacciones requeridas y pasos de rollback. Proporcionar el esquema actual y el objetivo junto con un plan de pruebas.

Un desarrollador desea usar un prompt one-shot en GitHub Copilot para clasificar las solicitudes de usuario recibidas en categorías de intención predefinidas específicas. ¿Qué estructura de prompt representa una implementación válida de one-shot prompting para este escenario?. prompt = $""" Instrucciones: ¿Cuál es la intención de esta solicitud? Si no sabe la intención, no adivine; en su lugar responda con "Unknown". Opciones: SendEmail, SendMessage, CompleteTask, CreateDocument, Unknown. Entrada del usuario: {received user request} Intención: """;. prompt = $""" Instrucciones: ¿Cuál es la intención de esta solicitud? Si no sabe la intención, no adivine; en su lugar responda con "Unknown". Opciones: SendEmail, SendMessage, CompleteTask, CreateDocument, Unknown. Entrada del usuario: ¿Puedes enviar una aprobación muy rápida al equipo de marketing? Intención: SendMessage Entrada del usuario: ¿Puedes enviar la actualización completa al equipo de marketing? Intención: SendEmail Entrada del usuario: {received user request} Intención: """;. prompt = $""" Instrucciones: ¿Cuál es la intención de esta solicitud? Si no sabe la intención, no adivine; en su lugar responda con "Unknown". Opciones: SendEmail, SendMessage, CompleteTask, CreateDocument, Unknown. Entrada del usuario: ¿Puedes enviarle un mensaje rápido a Sarah? Intención: SendMessage Entrada del usuario: {received user request} Intención: """;. prompt = $""" Instrucciones: ¿Cuál es la intención de esta solicitud? Si no sabe la intención, no adivine; en su lugar responda con "Unknown". Opciones: SendEmail, SendMessage, CompleteTask, CreateDocument, Unknown. Entrada del usuario: ¿Puedes enviarle un mensaje rápido a Sarah? Intención: SendMessage Entrada del usuario: ¿Puedes enviar una aprobación muy rápida al equipo de marketing? Intención: SendMessage Entrada del usuario: ¿Puedes enviar la actualización completa al equipo de marketing? Intención: SendEmail Entrada del usuario: {received user request} Intención: """;.

¿Cuál afirmación es correcta con respecto a las técnicas de ingeniería de prompts durante una sesión de elaboración de contexto de GitHub Copilot?. La elaboración de contexto zero-shot, one-shot y few-shot siempre se basa en enviar un único mensaje de prompt. La elaboración de contexto zero-shot se basa en enviar una solicitud con plantilla para información de estado del modelo en un único mensaje de prompt. La elaboración de contexto few-shot se basa en hacer múltiples preguntas sin ningún dato de ejemplo, enviadas como una secuencia de prompts consecutivos. La elaboración de contexto one-shot se basa en enviar una sola pregunta sin ningún dato de ejemplo como un único mensaje de prompt.

¿Qué método deberías usar para generar una función de análisis de JSON que siga patrones específicos de manejo de errores y formatos de nomenclatura de variables?. Instala la extensión GitHub Copilot Labs para acceder a opciones avanzadas de configuración de restricciones. Incluye requisitos de formato detallados y convenciones de nomenclatura directamente en tu prompt como comentario inline. Configura el comando /explain con parámetros personalizados de formato de salida en tu editor. Configura las exclusiones de contenido a nivel de la organización para imponer patrones de codificación consistentes en todas las sugerencias.

En una sesión larga de Copilot Chat, ¿cómo puedes mantener las respuestas alineadas con decisiones anteriores?. Proporcionar restricciones explícitas con cada nueva solicitud. Pedir a Copilot que recuerde permanentemente estas elecciones. Hacer referencia al mensaje anterior que contiene el enfoque elegido. Resumir las decisiones clave en tu siguiente mensaje.

Quieres que Copilot se adapte a la nomenclatura, el formato y la estructura de tu equipo en un nuevo servicio. ¿Qué prompt orientará a Copilot hacia tu estilo?. Pide a Copilot que infiera el estilo a partir del README del repositorio. Incluye ejemplos de antes y después en el estilo preferido. Proporciona un resumen compacto del estilo con reglas clave. Usa prompts zero-shot para evitar sesgar el modelo.