特殊需求定制，适配千万行业应用场景
携手合作伙伴，实现业务上的双向合作共赢
10+年商誉沉淀，深耕中国香港及海外高端资源
生成代码：
1.创建一个用于解析[fileformat]并提取[information]的[language]脚本，需满足以下要求：[requirementslist]。
2.开发一个针对[domain]的[language]微服务，该微服务包括用于[operationslist]的端点，并遵循[designpattern]。
3.编写一个[language]函数，用于基于[condition]过滤[datastructure]，该函数接受以下输入：[inputvariables]，预期输出为：[outputdescription]。
4.设计一个用[strategyortechnique]解决[problem]的[language]算法。
5.实现一个异步处理[task]的[language]函数，该函数接受以下输入：[inputvariables]，预期输出为：[outputdescription]。
完成代码
1.完成用于解析[fileformat]并提取[information]的[language]代码：[codesnippet]。
2.完成针对[usecase]的[designpattern]在[language]中的实现：[codesnippet]。
3.填写缺失的[language]代码以实现以下函数的缓存机制：[codesnippet]。
4.完成将[datastructure]转换为[outputformat]的[language]代码：[codesnippet]。
5.完成针对[problem]的多线程解决方案在[language]中的实现：[codesnippet]。
错误检测提示
1.在以下的[language]代码片段中定位任何逻辑错误：[codesnippet]。
2.在给定的[language]代码中识别潜在的性能问题：[codesnippet]。
3.在以下的[language]代码中找出任何资源泄露，并提出修复建议：[codesnippet]。
4.在给定的[language]代码中检查潜在的死锁问题：[codesnippet]。
5.审查以下的[language]代码，以识别潜在的SQL注入漏洞：[codesnippet]。
代码审查
1.分析给定的[language]代码以寻找代码异味（codesmells），并提出改进建议：[codesnippet]。
2.检查以下的[language]代码是否遵循适当的日志和监控实践：[codesnippet]。
3.审查给定的[language]代码以识别潜在的可扩展性问题：[codesnippet]。
4.评估以下[language]代码的测试覆盖率：[codesnippet]。
5.评价给定的[language]代码与[platformortechnology]的兼容性：[codesnippet]。
自然语言处理
1.对以下文本进行文本分类：[textsample]。
2.生成以下视频字幕的摘要：[textsample]。
4.识别以下社交媒体帖子中的关键短语：[textsample]。
5.从以下结构化文本中提取信息：[textsample]。
API文档生成
1.为以下的[language]代码创建一个API文档模板：[codesnippet]。
2.为给定的[language]RESTfulAPI生成用户指南：[codesnippet]。
3.记录以下[language]命令行工具的功能和使用方法：[codesnippet]。
4.为给定的[language]库或框架创建一个API参考文档：[codesnippet]。
5.使用示例代码为以下[language]API编写一个教程：[codesnippet]。
查询优化
1.优化以下GraphQL查询以提高性能：[GraphQLquery]。
2.分析给定的SQL查询以确定适当的索引：[SQLquery]。
3.为提高查询性能，对以下数据库模式提出改进建议：[schemadescription]。
4.使用不同的NoSQL数据库（例如，MongoDB、Cassandra、Couchbase）比较给定NoSQL查询的性能：[NoSQLquery]。
序列查询优化
聊天机器人和对话式AI
1.设计一个用于处理[typeofreservation]预订的聊天机器人的对话流程。
2.创建一个聊天机器人交互，帮助用户根据他们的需求比较和选择[productsorservices]。
3.开发一个提供有关[topicordomain]信息的聊天机器人的对话脚本。
4.实现一个能够在[specificcontextordomain]中理解并响应用户意图的聊天机器人。
5.设计一个能够根据用户偏好为[productorservice]提供个性化推荐的聊天机器人。
用户界面设计
1.生成一个用于可视化[dataormetrics]的[web/mobile]仪表板的UI（用户界面）模型。
2.建议改进[apporwebsite]现有的用户界面以增强用户参与度。
3.设计一个专注于可访问性和包容性的[web/mobile]应用的用户界面。
4.创建一个用于促进用户在[specificusecase]中协作的[web/mobile]应用的线框图。
5.设计一个遵循[designsystemorstyleguide]并支持[themeorcustomization]的[web/mobile]应用的UI组件库。
自动测试提示
1.编写一个针对给定的[language]代码的测试脚本，覆盖[functionalornon-functional]测试：[codesnippet]。
2.为以下的[language]类或模块生成测试场景：[codesnippet]。
3.设计一个专注于[latency,throughput,orresourceusage]的[web/mobile]应用的性能测试策略。
4.创建一个用于验证其功能和稳定性的[language]库或框架的测试套件。
5.开发一个覆盖关键用户工作流程的[web/mobile]应用的端到端测试策略。
代码重构
1.建议重构以下的[language]代码以提高可测试性：[codesnippet]。
2.在给定的[language]代码中识别应用[architecturepattern]的机会：[codesnippet]。
3.优化以下的[language]代码以降低内存使用：[codesnippet]。
4.重构给定的[language]代码以改善其错误处理和韧性：[codesnippet]。
5.建议对给定的[language]代码进行更改，以遵循[SOLID或其他设计原则]：[codesnippet]。
算法开发
1.设计一个启发式算法以解决以下问题：[problemdescription]。
2.提高给定机器学习算法在[specificusecase]中的准确性：[algorithmorpseudocode]。
3.开发一个流式算法，能够用于[specifictaskoroperation]的实时处理[dataorevents]。
4.提出一个基于机器学习或人工智能的解决方案，以提高以下算法的性能：[algorithmorpseudocode]。
5.评估给定算法在[accuracy,performance,orresourceusage]方面的权衡：[algorithmorpseudocode]。
代码翻译
1.将使用[designpattern]的以下[sourcelanguage]代码翻译为[targetlanguage]：[codesnippet]。
2.将给定的[sourcelanguage]数据处理管道转换为[targetlanguage]：[codesnippet]。
3.将与[databaseorservice]交互的以下[sourcelanguage]代码迁移到具有类似数据库或服务的[targetlanguage]：[codesnippet]。
4.用具有等效性能特性的[targetlanguage]重写给定的[sourcelanguage]数据结构实现：[codesnippet]。
5.在遵循[targetlanguage’sframeworkorlibraryconventions]的情况下，将以下[sourcelanguage]代码片段适应为[targetlanguage]：[codesnippet]。
6.将执行[specifictaskoroperation]的给定[sourcelanguage]方法翻译为[targetlanguage]：[codesnippet]
个性化学习
1.根据我偏好的学习风格（[visual/auditory/kinesthetic]），策划一个用于学习[programminglanguageortechnology]的资源列表。
3.建议编码挑战或比赛，以帮助我提高在[programminglanguageortechnology]方面的技能。
4.推荐专注于[programminglanguageortechnology]中的[specifictopicorconcept]的播客、视频或其他多媒体资源。
5.根据以下[language]项目或仓库，识别我编码技能中需要改进的领域：[URLorprojectdescription]。
技术写作
1.编写一个教程，解释如何将[libraryorservice]与[programminglanguageortechnology]集成。
2.创建一个逐步指导，在[cloudorplatform]中部署和扩展[applicationorservice]。
3.草拟一个针对[programminglanguageortechnology]项目的README文件，其中包括贡献指南和项目路线图。
4.编写一个清晰、简洁的解释，描述[programmingconceptortechnique]及其在[industryordomain]中的应用。
5.创建一个用于比较或评估[programminglanguageortechnology]中不同[tools,libraries,orframeworks]的指南。
需求分析
1.解释以下项目需求，并建议一个技术栈或工具：[requirementsdescription]。
2.分析给定的项目需求，并提出一个带有里程碑和交付物的详细项目计划：[requirementsdescription]。
3.评估以下项目需求的可行性和潜在风险：[requirementsdescription]。
4.建议对给定的项目需求进行更改或改进，以提高[performance,maintainability,oruserexperience]：[requirementsdescription]。
5.将以下项目需求转换为用户故事或用例：[requirementsdescription]。
网络和安全
1.分析给定的网络架构或设计以识别潜在的安全漏洞：[architectureordesigndescription]。
2.编写一个安全的[language]函数或模块，用于执行[specifictaskoroperation]，同时防止[securitythreatorvulnerability]。
3.建议改进以下[language]代码或配置，以提高其网络性能或安全性：[codesnippet]。
4.设计一个用于[specificusecaseorapplication]的安全且高效的协议。
5.评估与[externalserviceorAPI]交互时给定的[language]代码或配置的安全性：[codesnippet]。
数据可视化
1.为以下数据集生成数据可视化：[datasetdescriptionorURL]。
2.建议改进现有的数据可视化，以提高可读性和理解性：[visualizationdescriptionorURL]。
3.设计一个仪表板或数据可视化，突出显示给定数据集中的[keyinsightsorpatterns]：[datasetdescriptionorURL]。
4.使用[languageorlibrary]创建一个数据可视化，允许用户与数据交互并探索[specificrelationshipsortrends]。
5.为[web/mobile]应用开发一个数据可视化策略，以用户友好的方式呈现[complexorlarge-scale]数据。
机器学习和人工智能
1.建议一个机器学习算法或模型以解决以下问题：[problemdescription]。
2.提高给定机器学习模型在[specificusecase]中的性能：[modelorcodesnippet]。
3.为[domain]应用设计一个包括[数据预处理、特征提取、模型训练和评估]的机器学习流程。
4.考虑[constraintsorrequirements]，提出一个用于[specifictaskoroperation]的深度学习架构。
开发运营和部署
1.编写一个[toolorscript]，用于自动化地将[languageortechnology]应用部署到[cloudorplatform]。
2.建议改进[languageortechnology]项目现有的CI/CD流程：[pipelinedescriptionorURL]。
3.为部署在[cloudorplatform]上的[web/mobile]应用设计一个监控和报警策略。
4.为[languageortechnology]应用创建一个Dockerfile或容器化策略。
5.为在[cloudorplatform]上处理[large-scaletrafficorhigh-throughput]的[web/mobile]应用提出一个扩展策略。