AI för kodning: få pålitlig programmeringshjälp från Llama

Alla fyra Llama-modeller i vår chatt är byggda för att generera både kod och text, enligt Metas modellkort, och de fungerar utmärkt som programmeringspartners: de förklarar obekant kod, skriver mindre funktioner, tar fram tester och omvandlar felmeddelanden till färdiga lösningar. De gör dock också misstag med fullständigt självförtroende. Rätt inställning är därför densamma som vid en kodgranskning: läs varje förslag som om en snabb men oerfaren kollega hade skickat det, och merga inget du inte själv har kontrollerat. Den här guiden går igenom hur du frågar, hur du kontrollerar svaren och var gränserna går i vår chatt.

Vad Llama är bra på vid vardaglig kodning

• Förklara kod. Klistra in en funktion du ärvt och fråga vad den gör rad för rad samt vad som skulle kunna få den att krascha.
• Små, välavgränsade delar. En funktion som parsar en datumsträng, ett reguljärt uttryck, en SQL-fråga, en one-liner i terminalen eller en CSS-layout.
• Felsökning utifrån felmeddelanden. Klistra in hela felmeddelandet tillsammans med den omgivande koden.
• Tester. ”Skriv enhetstester för den här funktionen, inklusive kantfall” lyfter ofta fram scenarier du inte själv tänkt på.
• Översätta mellan språk. Python till JavaScript, ett Bash-skript till PowerShell.
• Bolla arkitektur och design. Beskriv vad du planerar att bygga och be om svaga punkter innan du skriver en enda rad.

Den är sämre på omfattande ändringar över många filer den inte kan se, bibliotek som ändrats efter dess träningsstopp samt allt som beror på den exakta konfigurationen på din dator.

Ge sammanhanget som en kollega skulle behöva

Svag:
min kod fungerar inte, fixa den
[300 rader inklistrade]

Stark:
Node.js 22, ren JavaScript, inga bibliotek. formatDue(dateString)
ska skriva ut förfallodatumet i användarens lokala tid, t.ex. "mån 3 mars".
För användare i Brasilien visar den dagen innan.

Det här ser jag i konsolen:
[klistra in exakt utdata]

Kod (endast formatDue och raden som anropar den):
[klistra in]

Förklara orsaken först, ge sedan en fixad formatDue. Behåll dess namn
och dess enda argument, och lägg inte till något datumbibliotek.

Den starka versionen anger språk och versioner, beskriver vad som borde hända och vad som faktiskt händer, inkluderar det exakta felmeddelandet, bantar koden till det väsentliga och specificerar hur lösningen ska se ut. Allt detta minskar gissningarna. Här är en checklista för alla kodningsprompter:

1. Språk, version, ramverk och bibliotek.
2. Vad koden borde göra, och vad den gör i stället.
3. Det exakta felmeddelandet eller den felaktiga utdatan – kopierad, inte omformulerad.
4. Ett minimalt kodexempel som fortfarande visar problemet.
5. Begränsningar: ”inga nya beroenden”, ”måste köras på Windows”, ”håll koden lättläst för nybörjare”.

Ett säkert arbetsflöde: planera, skriv, kör, granska

1. Planera först. För allt som är större än en enskild funktion, be om tillvägagångssättet innan koden skrivs: ”Skissa på hur du skulle strukturera detta, med filer och funktioner, men skriv ingen kod än.” Att justera en plan är billigt; att fixa 200 rader kod är det inte.
2. Arbeta i små steg. En funktion eller en ändring i taget. Långa svar ger större utrymme för misstag, och svaren i vår chatt har en längdbegränsning. Om koden klipps av svarar du bara ”fortsätt från sista kompletta raden”.
3. Kör koden själv. Llama kan inte köra kod i vår chatt. Den förutsäger bara hur fungerande kod ser ut – det är bara genom att köra den som du vet om den fungerar.
4. Återkoppla med faktiska resultat. Klistra in det nya felmeddelandet eller den felaktiga utdatan. Några korta vändor som dessa ger oftast bättre resultat än en enda lång förklaring.
5. Granska innan du committar. Läs varje rad. Fråga sedan ”Vilka kantfall missar detta?” och ”Finns det några säkerhetsbrister här?” som separata följdfrågor.

Se upp för dessa fallgropar

Uppdiktade funktioner och flaggor

Modeller anropar ibland metoder som inte finns eller använder kommandoradsflaggor som hör till ett helt annat verktyg. Om något ser obekant ut, kontrollera den officiella dokumentationen innan du bygger vidare på det.

Föråldrade API:er

Träningsdatan sträcker sig fram till ett visst datum: augusti 2024 för Llama 4 och december 2023 för Llama 3.3 och 3.1, enligt Metas modellkort. Bibliotek som släppts eller ändrats efter detta är okända för modellen, och den föreslår ofta det äldre sättet. Berätta vilken version du använder och klistra in relevanta delar av den aktuella dokumentationen vid behov.

Kod som fungerar men är osäker

Se upp för SQL-frågor som byggs genom att slå ihop strängar, bristande validering av indata, hemligheter hårdkodade i källkoden, avstängda certifikatkontroller och alltför generösa filrättigheter. Be uttryckligen om en säkerhetsgranskning för allt som ska exponeras mot internet.

Rimlig men felaktig logik

Off-by-one-fel, tidszoner, avrundning av valutor, tomma listor. Skriv ett test med kända förväntade resultat innan du litar på koden.

Håll hemligheter borta från chatten

Klistra aldrig in API-nycklar, lösenord, privata nycklar, anslutningssträngar eller kunddata. Ersätt dem med platshållare som API_KEY_HERE. Dina meddelanden skickas via vår server och en extern inferensleverantör för att generera svaret; behandla alla hemligheter som lämnat din dator som komprometterade och rotera dem. Om din arbetsgivare har regler för att dela kod med externa tjänster måste du följa dem. Läs mer i AI-integritet och säkerhet.

Vilken Llama-modell ska du välja för kod?

Börja med standardvalet, Llama 4 Maverick. Llama 3.3 70B är ett stabilt, rent textalternativ och bra för en second opinion på samma problem. Llama 3.1 8B är snabb för mindre uppgifter som regex eller ett enkelt terminalkommando, men dubbelkolla alltid resultatet vid mer avancerade uppgifter. I vår modellguide jämförs alla fyra.

Vill du ha Llama direkt i din egen editor eller applikation? Modellerna har öppna vikter, så du kan köra Llama lokalt eller anropa dem via ett API. Kontrollera villkoren på vår sida om Llama-licensen först.

Prompter att kopiera

• ”Förklara den här koden för en utvecklare som är ny i projektet. Lista sedan tre sätt den skulle kunna krascha på i produktion. [kod]”
• ”Skriv en funktion i [språk] som [gör X]. Inkludera typhjälp (type hints), en docstring och tre exempelanrop med förväntat resultat.”
• ”Skriv enhetstester med [ramverk] för den här funktionen. Täck normal indata, tom indata och ogiltig indata. [kod]”
• ”Konvertera den här [språk A]-koden till [språk B] med samma beteende. Peka ut sådant som saknar en direkt motsvarighet.”
• ”Granska endast denna kod utifrån säkerhetsproblem, rangordnade efter allvarlighetsgrad. [kod]”

Använd vår kodassistent för enstaka uppgifter, utforska våra kodningsprompter, läs Llama AI för utvecklare eller be Llama förklara ett kodavsnitt redan nu.

Vanliga frågor

Kan Llama köra min kod?

Nej. I vår chatt kan den bara läsa och skriva text. Den kan inte exekvera kod, öppna dina filer eller komma åt ditt kodarkiv, så du måste köra och testa allt själv.

Får jag använda kod som Llama skriver i mitt projekt?

Generellt sett ja, men du är själv ansvarig för den: granska den, testa den och var försiktig med längre kodstycken som ser ut att komma från kända projekt, eftersom dessa kan omfattas av licenskrav. Detta är allmän information, inte juridisk rådgivning.

Är den bättre på vissa språk än andra?

Oftast, ja. Etablerade språk med mycket publik kod (som Python, JavaScript, Java, PHP, SQL och liknande) ger i regel bättre svar än ovanliga språk eller helt nya ramverk. Oavsett språk bör du alltid testa resultatet.

Varför föreslår den en gammal version av ett bibliotek?

Dess träningsdata slutar vid ett visst datum. Berätta vilken version du använder och klistra in relevant dokumentation, så kan den utgå från det i stället för från minnet.

Är det säkert att klistra in företagets kod?

Bara om ditt företag tillåter det. Rensa bort hemligheter och personuppgifter först. Vid tveksamhet är det säkrast att fråga om ett förenklat exempel som visar samma problem.