Llama AI cho lập trình viên

Đối với lập trình viên, mô hình trò chuyện hữu ích nhất với vai trò là người rà soát phụ nhanh nhẹn: đọc hiểu đoạn mã lạ, gợi ý các trường hợp kiểm thử bạn bỏ quên, phác thảo những phần nhàm chán và giải thích thông báo lỗi một cách dễ hiểu. Trang này giới thiệu 7 cách thực tế để sử dụng các mô hình Llama trong khung chat của chúng tôi cho công việc đó, mỗi cách đều kèm theo một prompt bạn có thể mở và tùy chỉnh ngay. Nếu muốn tự xây dựng ứng dụng riêng với Llama, bạn cũng có thể xem các tùy chọn Llama API và cách chạy Llama trên máy cục bộ.

Hiểu và sửa mã nguồn

Mô hình chỉ xử lý những gì bạn cung cấp trong tin nhắn, vì vậy hãy gửi kèm các dòng mã liên quan, chính xác nội dung lỗi và phiên bản bạn đang dùng.

Giải thích thông báo lỗi

Dấu vết ngăn xếp (stack trace) thường chỉ chỉ ra triệu chứng chứ không phải nguyên nhân gốc rễ. Hãy cung cấp cho mô hình toàn bộ thông báo lỗi, các dòng mã xung quanh cùng kết quả mong muốn, và yêu cầu sắp xếp các nguyên nhân tiềm ẩn theo thứ tự từ khả năng cao nhất đến thấp nhất.

Tôi gặp lỗi này trong dự án [ngôn ngữ và framework, kèm phiên bản]: [dán lỗi và stack trace]. Đây là đoạn mã xảy ra lỗi: [dán mã nguồn]. Hãy xếp hạng các nguyên nhân tiềm ẩn từ khả năng cao nhất đến thấp nhất, giải thích cách tôi có thể kiểm chứng từng nguyên nhân và đưa ra cách sửa ngắn gọn nhất cho nguyên nhân khả dĩ nhất.

Gỡ lỗi trong khung chat. Nếu chỉ xử lý một đoạn mã ngắn, trang Code Assistant sẽ nhanh hơn.

Đọc hiểu mã nguồn của người khác

Các module cũ hoặc tập lệnh được bàn giao lại sẽ dễ nắm bắt hơn nếu có người hướng dẫn. Hãy yêu cầu mô hình giải thích mục đích trước, sau đó đến luồng hoạt động, và cuối cùng là những phần tiềm ẩn rủi ro.

Hãy giải thích đoạn mã [ngôn ngữ] này làm gì. Bắt đầu bằng bản tóm tắt gồm hai câu, sau đó đi qua các bước chính theo thứ tự, và kết thúc bằng bất kỳ điểm nào có vẻ mong manh, bất thường hoặc dễ phát sinh lỗi khi nhận dữ liệu đầu vào lạ: [dán mã nguồn]

Xem hướng dẫn chi tiết.

Mô tả lỗi giao diện (UI) từ ảnh chụp màn hình

Llama 4 Maverick và Llama 4 Scout có khả năng đọc hình ảnh, vì vậy bạn có thể đính kèm ảnh chụp màn hình giao diện bị vỡ cùng với mã CSS hoặc HTML liên quan. Mô hình chỉ nhìn thấy bức ảnh chứ không thấy trang web đang chạy thực tế, nên hãy mô tả thêm giao diện mong muốn.

Tôi đính kèm ảnh chụp màn hình về sự cố vỡ giao diện trên [trang hoặc component]. Kết quả mong muốn: [giao diện hiển thị đúng ra sao]. Đây là mã HTML và CSS liên quan: [dán mã nguồn]. Cho tôi biết nguyên nhân nhiều khả năng nhất gây ra lỗi này và đề xuất cách khắc phục.

Mở prompt này, đính kèm ảnh chụp màn hình và giữ tùy chọn Llama 4 Maverick.

Viết mã, kiểm thử và viết tài liệu

Hãy dùng mô hình để tạo các bản nháp mà bạn sẽ tự tay xem lại, tuyệt đối không gộp (merge) mã nguồn khi chưa đọc kỹ.

Tạo bài kiểm thử bao gồm các trường hợp biên (edge case)

Các mô hình AI rất giỏi trong việc liệt kê những trường hợp mà con người khi mệt mỏi dễ bỏ sót: dữ liệu rỗng, dữ liệu quá lớn, ký tự đặc biệt, múi giờ. Hãy yêu cầu danh sách các trường hợp trước để nắm rõ những gì được bao quát.

Viết các bài unit test cho hàm [ngôn ngữ] này bằng [framework kiểm thử]. Đầu tiên, hãy liệt kê các trường hợp bạn sẽ kiểm tra, bao gồm cả trường hợp biên và dữ liệu đầu vào không hợp lệ, sau đó mới viết mã kiểm thử. Không sửa đổi nội dung của hàm gốc: [dán hàm]

Viết các bài test.

Đánh giá mã nguồn (code review) trước khi đẩy lên (push)

Rà soát nhanh giúp phát hiện lỗi lệch 1 đơn vị (off-by-one), thiếu xử lý ngoại lệ và dùng dữ liệu đầu vào không an toàn. Hãy yêu cầu sắp xếp các vấn đề theo mức độ nghiêm trọng, kèm theo số dòng tương ứng.

Hãy đánh giá bản diff này với vai trò là một senior developer cẩn trọng. Báo cáo các lỗi logic (bug), vấn đề bảo mật và thiếu xử lý lỗi trước, sau đó đến các điểm cần cải thiện về tính dễ đọc; mỗi mục cần ghi rõ số dòng liên quan và đề xuất cách sửa. Nói rõ nếu bạn không tìm thấy vấn đề gì nghiêm trọng: [dán diff]

Chạy đánh giá mã nguồn.

Xây dựng biểu thức chính quy (regex) hoặc truy vấn SQL chuẩn xác

Hãy yêu cầu biểu thức đi kèm lời giải thích và các ví dụ nên khớp cũng như không nên khớp, sau đó tự mình kiểm tra lại.

Viết một [biểu thức chính quy hoặc truy vấn] [loại regex hoặc dialect SQL] để [mô tả yêu cầu cần thực hiện]. Giải thích từng thành phần, sau đó cung cấp cho tôi một bảng ngắn gồm các dữ liệu đầu vào mẫu kèm kết quả mong đợi tương ứng, bao gồm cả các trường hợp phức tạp.

Thử prompt này.

Soạn bản nháp README hoặc commit message

Chỉnh sửa tài liệu luôn dễ hơn là bắt đầu viết từ đầu. Hãy dán ghi chú hoặc bản diff của bạn và nêu rõ tài liệu này dành cho ai.

Viết một tệp README cho dự án [loại dự án] của tôi từ các ghi chú bên dưới. Các phần bao gồm: chức năng, yêu cầu hệ thống, cài đặt, cách dùng kèm một ví dụ, cấu hình và các hạn chế hiện tại. Giữ nội dung ngắn gọn và dùng khối mã (code block) cho các lệnh: [dán ghi chú]

Soạn bản nháp README.

Những điều cần tránh

• Lộ thông tin xác thực. Hãy xóa bỏ API key, mật khẩu, chuỗi kết nối và dữ liệu khách hàng khỏi đoạn mã trước khi gửi. Tin nhắn của bạn sẽ đi qua máy chủ của chúng tôi và nhà cung cấp dịch vụ suy luận (inference provider), vì vậy hãy tuân thủ quy định của công ty bạn về việc chia sẻ mã nguồn với dịch vụ bên ngoài.
• Quá tin vào chi tiết thư viện. Các mô hình có thời điểm cắt mốc tri thức (knowledge cut-off) và không thể tra cứu tài liệu mới nhất theo thời gian thực, nên các API hoặc tùy chọn mới có thể bị thiếu hoặc tự bịa ra. Luôn đối chiếu với tài liệu chính thức.
• Merge mã chưa qua kiểm thử. Mã do AI tạo ra có thể biên dịch được nhưng vẫn sai logic. Hãy chạy thử, đọc hiểu và kiểm thử cẩn thận như bất kỳ mã nguồn nào khác.
• Tệp quá dài. Khung chat sẽ cắt ngắn các tin nhắn quá dài, vì vậy hãy chỉ gửi hàm cần xử lý thay vì toàn bộ repository.

Trang liên quan

• Tuyển tập prompt lập trình và cẩm nang lập trình cùng AI.
• Nên chọn mô hình nào: chọn mô hình Llama phù hợp; Llama 3.1 8B có tốc độ phản hồi nhanh nhất.
• Tự phát triển ứng dụng trên Llama: tìm hiểu giấy phép Llama một cách dễ hiểu.