Llama AI untuk developer

Bagi developer, model chat paling berguna sebagai sepasang mata tambahan yang cepat: membaca kode yang belum familier, menyarankan pengujian yang terlewat, menyusun bagian-bagian repetitif, dan menjelaskan pesan eror dengan bahasa sederhana. Halaman ini menunjukkan tujuh cara praktis menggunakan model Llama di ruang obrolan kami untuk tugas tersebut, masing-masing dilengkapi prompt yang dapat Anda buka dan sesuaikan. Jika Anda lebih suka membangun aplikasi sendiri berbasis Llama, kami juga menjelaskan berbagai opsi Llama API serta cara menjalankan Llama di komputer Anda sendiri.

Memahami dan memperbaiki kode

Model ini hanya bekerja berdasarkan apa yang Anda masukkan dalam pesan, jadi sertakan baris kode yang relevan, teks eror persisnya, serta versi yang Anda gunakan.

Mendapatkan penjelasan eror

Stack trace biasanya hanya menunjukkan gejalanya, bukan penyebab utamanya. Berikan pesan lengkapnya kepada model, baris kode di sekitarnya, serta hasil yang Anda harapkan, lalu mintalah kemungkinan penyebab yang diurutkan dari yang paling berpeluang.

Saya mendapatkan eror ini pada proyek [bahasa dan framework, beserta versinya]: [tempel eror dan stack trace]. Berikut kode tempat terjadinya: [tempel kode]. Urutkan kemungkinan penyebabnya dari yang paling berpeluang hingga yang paling kecil, jelaskan cara saya memverifikasi masing-masingnya, dan tunjukkan perbaikan paling ringkas untuk penyebab yang paling mungkin.

Debug di ruang obrolan. Untuk cuplikan tunggal, halaman Code Assistant bekerja lebih cepat.

Membaca kode yang bukan buatan Anda

Modul warisan dan skrip lama lebih cepat dipahami dengan panduan bertahap. Tanyakan tujuannya terlebih dahulu, lalu alurnya, kemudian bagian yang berisiko.

Jelaskan apa fungsi kode [bahasa] ini. Mulai dengan ringkasan dua kalimat, lalu jelaskan langkah-langkah utamanya secara berurutan, dan akhiri dengan bagian mana pun yang terlihat rapuh, tidak biasa, atau berpotensi rusak akibat input yang tidak terduga: [tempel kode]

Dapatkan penjelasannya.

Menjelaskan bug UI dari tangkapan layar

Llama 4 Maverick dan Llama 4 Scout dapat membaca gambar, sehingga Anda dapat melampirkan tangkapan layar tata letak yang rusak bersanding dengan CSS atau markup terkait. Model hanya melihat gambarnya, bukan halaman yang sedang berjalan, jadi tambahkan tampilan yang Anda harapkan.

Saya melampirkan tangkapan layar dari masalah tata letak pada [halaman atau komponen]. Yang diharapkan: [seperti apa seharusnya tampilannya]. Berikut markup dan CSS yang relevan: [tempel kode]. Beri tahu saya apa kemungkinan terbesar penyebab perbedaannya dan sarankan perbaikannya.

Buka prompt ini, lampirkan tangkapan layar Anda, dan pastikan Llama 4 Maverick tetap dipilih.

Menulis, menguji, dan mendokumentasikan

Gunakan model untuk draf yang akan Anda tinjau, jangan pernah untuk kode yang Anda gabungkan (merge) tanpa dibaca.

Membuat tes dengan kasus ekstrem (edge cases)

Model sangat andal dalam mendata skenario yang sering terlewat oleh manusia yang lelah: input kosong, input sangat besar, karakter aneh, atau zona waktu. Mintalah daftarnya terlebih dahulu agar Anda dapat melihat apa saja yang dicakup.

Tulis unit test untuk fungsi [bahasa] ini menggunakan [test framework]. Pertama, buat daftar skenario yang akan dicakup, termasuk edge case dan input yang tidak valid, lalu tulis pengujiannya. Jangan ubah fungsi aslinya: [tempel fungsi]

Tulis pengujian.

Meninjau perubahan sebelum Anda push

Tinjauan cepat dapat menangkap kesalahan off-by-one, penanganan eror yang terlewat, dan penggunaan input yang tidak aman. Mintalah temuan yang diurutkan berdasarkan tingkat keparahan, lengkap dengan baris yang dimaksud.

Tinjau diff ini seperti seorang senior developer yang teliti. Laporkan bug, masalah keamanan, dan penanganan eror yang terlewat terlebih dahulu, lalu masalah keterbacaan kode, masing-masing dengan baris yang dimaksud dan saran perbaikannya. Nyatakan dengan jelas jika Anda tidak menemukan masalah serius: [tempel diff]

Jalankan peninjauan.

Membuat regex atau kueri SQL yang tepercaya

Mintalah pola tersebut beserta penjelasannya dan contoh yang seharusnya cocok maupun tidak, lalu uji sendiri.

Tulis [ekspresi reguler atau kueri] [jenis regex atau dialek SQL] yang [fungsi yang harus dijalankan]. Jelaskan setiap bagiannya, lalu berikan tabel singkat berisi sampel input beserta hasil yang diharapkan untuk masing-masingnya, termasuk kasus-kasus rumit.

Coba prompt ini.

Menyusun draf README atau pesan commit

Memperbaiki dokumentasi jauh lebih mudah daripada memulainya dari nol. Tempel catatan Anda atau diff-nya, lalu sebutkan siapa target pembacanya.

Tulis README untuk [jenis proyek] saya berdasarkan catatan di bawah ini. Bagian: apa fungsinya, persyaratan sistem, instalasi, penggunaan dengan satu contoh, konfigurasi, dan batasan umum. Buat tetap ringkas dan gunakan blok kode untuk perintah: [tempel catatan]

Buat draf README.

Hal yang harus dihindari

• Membocorkan kredensial. Hapus kunci API, kata sandi, connection string, dan data pelanggan apa pun dari cuplikan kode terlebih dahulu. Pesan Anda melewati server kami dan penyedia inferensi, jadi patuhi aturan perusahaan Anda terkait berbagi kode dengan layanan pihak ketiga.
• Memercayai detail library secara mutlak. Model memiliki batas pengetahuan (knowledge cut-off) dan tidak dapat mencari dokumentasi terbaru, sehingga API atau opsi yang lebih baru mungkin hilang atau dikarang. Periksalah dokumentasi resminya.
• Melakukan merge pada output yang belum diuji. Kode hasil buatan AI bisa saja berhasil di-compile tetapi tetap salah secara logika. Jalankan, baca, dan uji seperti kontribusi kode lainnya.
• File yang terlalu panjang. Ruang obrolan akan memotong pesan yang terlalu panjang, jadi kirimkan fungsi yang relevan saja, bukan seluruh repositori.

Halaman terkait

• Koleksi prompt coding dan panduan untuk coding dengan AI.
• Model mana yang harus dipilih: memilih model Llama yang tepat; Llama 3.1 8B merespons paling cepat.
• Membangun aplikasi sendiri dengan Llama: penjelasan ringkas mengenai lisensi Llama.