Llama AI para desenvolvedores

Para quem desenvolve, um modelo de chat funciona melhor como um segundo par de olhos ágil: ele lê códigos desconhecidos, sugere testes esquecidos, escreve as partes repetitivas e traduz mensagens de erro para uma linguagem clara. Esta página traz sete formas práticas de usar os modelos Llama no nosso chat para esse trabalho, cada uma com um prompt pronto para abrir e personalizar. Se preferir criar seu próprio app com Llama, também explicamos as opções de API do Llama e como executar o Llama na sua própria máquina.

Entenda e corrija código

O modelo trabalha apenas com o que você inclui na mensagem; portanto, forneça as linhas relevantes, o texto exato do erro e as versões do ambiente.

Peça a explicação de um erro

Um stack trace geralmente indica o sintoma, não a causa raiz. Envie ao modelo a mensagem completa, as linhas ao redor e o resultado esperado, pedindo as causas prováveis em ordem de prioridade.

Estou recebendo este erro no meu projeto em [linguagem e framework, com versões]: [cole o erro e o stack trace]. Aqui está o código onde ele acontece: [cole o código]. Liste as possíveis causas em ordem de probabilidade, explique como posso confirmar cada uma e mostre a menor correção possível para a causa mais provável.

Depurar no chat. Para trechos curtos e únicos, a página do Code Assistant é ainda mais prática.

Entenda código legado ou de terceiros

Compreender módulos herdados e scripts antigos fica muito mais rápido com uma explicação passo a passo. Pergunte primeiro o objetivo, depois o fluxo de execução e, por fim, os pontos de risco.

Explique o que este código em [linguagem] faz. Comece com um resumo de duas frases, depois explique o fluxo das etapas principais em ordem e finalize apontando qualquer coisa que pareça frágil, inesperada ou que possa quebrar com entradas incomuns: [cole o código]

Ver a explicação passo a passo.

Descreva um bug de interface a partir de um print

O Llama 4 Maverick e o Llama 4 Scout conseguem interpretar imagens. Você pode anexar a captura de tela de um layout quebrado junto com o CSS ou HTML correspondente. Como o modelo vê apenas a imagem e não a página em execução, explique o resultado esperado.

Anexei uma captura de tela com um problema de layout em [página ou componente]. Resultado esperado: [como deveria ficar]. Aqui está o HTML/CSS correspondente: [cole o código]. Diga o que provavelmente está causando essa diferença e sugira uma correção.

Abrir este prompt, anexe sua imagem e mantenha o Llama 4 Maverick selecionado.

Escreva, teste e documente

Use o modelo para rascunhar códigos que você vai revisar, nunca para enviar direto para produção sem ler.

Gere testes com casos de borda

Modelos são ótimos para mapear cenários que deixamos passar quando estamos cansados: entradas vazias, volumes gigantes de dados, caracteres especiais, fusos horários. Peça a lista de cenários antes para conferir a cobertura.

Escreva testes unitários para esta função em [linguagem] usando [framework de teste]. Primeiro, liste os cenários que você vai cobrir, incluindo casos de borda (edge cases) e entradas inválidas; depois, escreva os testes. Não altere a função original: [cole a função]

Gerar os testes.

Revise alterações antes do commit

Um code review rápido ajuda a identificar erros de índice (off-by-one), falta de tratamento de exceções e uso inseguro de entradas. Peça os apontamentos ordenados por gravidade, indicando a linha de cada item.

Revise este diff como um desenvolvedor sênior criterioso. Aponte primeiro bugs, falhas de segurança e falta de tratamento de erros; em seguida, questões de legibilidade. Indique a linha correspondente de cada item e sugira a correção. Se não encontrar nada grave, deixe isso claro: [cole o diff]

Fazer a revisão.

Crie regex ou queries SQL confiáveis

Peça o padrão acompanhado de explicações e exemplos do que deve e não deve dar match, e teste você mesmo em seguida.

Escreva [uma expressão regular / uma query] em [sintaxe da regex ou dialeto SQL] para [o que ela deve fazer]. Explique cada parte e inclua uma tabela curta com exemplos de entrada e o resultado esperado para cada um, cobrindo casos complexos.

Testar este prompt.

Crie rascunhos de README ou mensagens de commit

Editar uma documentação pronta é bem mais fácil do que começar do zero. Cole suas anotações ou o diff e informe quem é o público-alvo.

Escreva um README para o meu projeto de [tipo de projeto] com base nas anotações abaixo. Seções: o que ele faz, pré-requisitos, instalação, uso com um exemplo prático, configuração e limitações conhecidas. Mantenha o texto objetivo e use blocos de código para comandos: [cole as anotações]

Rascunhar o README.

O que evitar

• Vazamento de credenciais. Remova chaves de API, senhas, strings de conexão e dados de clientes antes de colar qualquer trecho. Suas mensagens passam pelo nosso servidor e por um provedor de inferência; siga as diretrizes da sua empresa sobre o envio de código para serviços externos.
• Confiar cegamente em detalhes de bibliotecas. Os modelos possuem uma data limite de conhecimento (cut-off) e não consultam a documentação em tempo real, portanto recursos ou versões recentes podem estar ausentes ou ser inventados. Sempre confira a documentação oficial.
• Fazer merge de código sem testar. Um código gerado por IA pode compilar perfeitamente e ainda assim conter erros de lógica. Execute, leia e teste como faria com qualquer outra contribuição.
• Arquivos muito extensos. O chat resume ou trunca mensagens excessivamente longas; envie a função relevante em vez do repositório inteiro.

Páginas relacionadas

• Nossa coleção de prompts para programação e o guia sobre como programar com IA.
• Qual modelo escolher: como escolher o modelo Llama ideal; o Llama 3.1 8B traz as respostas mais rápidas.
• Desenvolvendo com Llama por conta própria: entenda a licença do Llama explicada de forma simples.