Erschienen: Nov. 2024
Umfang: 412 Seiten
ISBN: 978-3-367-10344-7
Preis: Euro 39,90 (in D inkl. MWSt.)
Autoren: Michael Kofler, Bernd Öggl und Sebastian Springer
E-Book-Ausgaben: Nur auf der Rheinwerk-Webseite können Sie wahlweise nur das E-Book (EUR 39,90) oder die Kombination aus Buch und E-Book bestellen (EUR 44,90).
Inhalt
Ziemlich sicher haben Sie es schon ausprobiert: Sie stellen ChatGPT oder einem anderen KI-Tool eine Coding-Frage — und das Tool spuckt innerhalb von Sekunden einen (scheinbar) perfekten Code aus.
In diesem Buch loten wir das Potenzial und die Grenzen von KI-Tool bei der Unterstützung von Coding-Aufgaben aus. Beginnen wir mit dem Positiven: Wir zeigen Ihnen, dass ChatGPT, GitHub Copilot & Co. mehr können, als ein paar Zeilen Code zu erzeugen.
Die schöne neue KI-Welt hat aber auch Schattenseite: Selbst wenn der Code plausibel aussieht und der Begleittext elegant formuliert ist, sind manche KI-Vorschläge schlicht falsch. Die Bandbreite ist groß: Logikfehler, Verwendung nicht vorhandener Funktionen (also »Halluzinationen«) oder die Bezugnahme auf Variablen, die in Wirklichkeit anders heißen. Manchmal funktioniert der Code zwar, aber er ist ineffizient.
Kurz und gut: KI-Tools machen Fehler, so viel ist unumstritten. Richtig eingesetzt sparen diese neuen Werkzeuge aber auch eine Menge Zeit. Darum geht es in diesem Buch.
In unserem Praxisbuch machen wir aber nicht bei der Anwendung von ChatGPT oder GitHub Copilot für einfache Coding-Aufgaben halt. Wir zeigen Ihnen auch, wie Sie große Sprachmodelle (LLMs) auf lokaler Hardware ausführen und sich so frei von Cloud-Lösungen und Datenschutzproblemen machen. Wir erläutern den Einsatz von KI-APIs (OpenAI, Ollama, Groq) und zeigen, wie Sie damit automatisiert alle Code-Dateien eines Projekts verarbeiten. Wir erklären Ihnen, was es mit Retrieval Augmented Generation auf sich hat und wie Sie KI-Modelle mit eigenen Daten kombinieren können.
Kapitelübersicht
Teil 1: Coding mit KI-Unterstützung
- Einführung: ChatGPT, GitHub Copilot, erste Beispiele, KI- und LLM-Grundlagen
- Strukturiert programmieren mit KI-Tools: Funktionen/Methoden und Klassen mit KI-Unterstützung entwickeln
- Debugging: Fehlersuche mit KI-Hilfe
- Refactoring: Code-Umbau
- Unit-Tests: automatisiertes Testen leicht gemacht
- Dokumentation: Kommentare und Online-Dokumentation erzeugen und ergänzen
- Datenbanken: Datenbankdesign, SQL-Abfragen erstellen, Client-Programmierung
- Scripting und Administration: Scripts erstellen, Linux-Administration, GitHub CLI, Shell-GPT
Teil 2: Lokale Ausführung von Sprachmodellen, KI-Coding für Profis
- Lokale LLMs ausführen: GPT4All, Ollama, Tabby, Continue, freie Sprachmodelle, Hardware-Voraussetzungen, eigene Dokumente in LLM integrieren
- Code automatisiert verarbeiten: APIs von OpenAI, Ollama und Groq anwenden, einfache Coding-Aufgaben automatisiert auf alle Dateien eines Projekts anwenden
- Level-3-Tools: OpenHands (ehemals OpenDevin) und Aider
- Retrieval Augmented Generation = RAG: Modell-Embedding und Text-to-SQL mit LlamaIndex
- Risiken und Ausblick: KI-Probleme und -Einschränkungen, Beispiele für KI-Versagen, ethische Überlegungen, ein Blick in die Zukunft