AI-Assisted Programming: Better Planning, Coding, Testing, and Deployment

by Tom Taulli

An introductory and practical guide for developers on integrating AI tools into the software development lifecycle using LLM-based AI like ChatGPT, Gemini, GitHub Copilot, and Amazon CodeWhisperer. Taulli also provides a some hints on effective prompt engineering and explores how AI can automate tedious tasks like creating regular expressions, starter code, object-oriented programming classes, GitHub actions, and even create user interfaces.

Table of contents

Foreword
Preface

1. New World for Developers. . .
2. How AI Coding Technology Works
3. Prompt Engineering
4. GitHub Copilot
5. Other AI-Assisted Programming Tools
6. ChatGPT and Other General-Purpose LLMs
7. Ideas, Planning, and Requirements
8. Coding
9. Debugging, Testing, and Deployment
10. Takeaways.

Index

Current description based on a Gemini prompted rewrite reportedly aiming to streamline the previous, repetitive, clumsy and overhyped description into a more engaging and concise description.

Genres: Artificial Intelligence, Programming

222 pages, Paperback

Published May 21, 2024

About the author

I'm the author of a variety of books on technology and finance, with the latest being How to Create the Next Facebook and High-Profit IPO Strategies. I also write for Forbes.com and the IPOPlaybook.com.

Reviews

[Emre Sevinç · Rating 4 out of 5]

This is a fine introduction to using Large Language Model (LLM) powered systems for programming tasks. The approach of the book is very pragmatic and practical, providing the reader (programmer) with best practices for how to quickly make the most of the available AI coding assistants. It also doesn't shy from mentioning the pitfalls. If you still haven't tried popular AI coding assistants, you definitely should and if you feel lost or stuck after some initial steps, this book can be a good guide.

[Surattikorn · Rating 4 out of 5]

Thai edition: 3.8/5⭐
English edition: 4/5⭐

หนังสือเล่มนี้เหมาะกับการวางไว้ใกล้มือเพื่อใช้เป็นแนวทางในการเขียน Prompt เพราะมีตัวอย่าง Prompt หลายตัวที่ให้คำตอบได้ดีและมีประโยชน์มาก หนังสือประกอบด้วย 10 บท แต่ผมแบ่งเนื้อหาออกได้เป็น 4 ส่วนหลัก ดังนี้:

1. พื้นฐานของ AI โดยเฉพาะ LLM
ส่วนนี้ช่วยให้เราเข้าใจการทำงานเบื้องหลังของโมเดล LLM เช่น GPT-4 ซึ่งจะช่วยให้เราใช้งาน AI ได้มีประสิทธิภาพมากขึ้น

2. เทคนิคการเขียน Prompt (Prompt Engineering)
นำเสนอทั้งแนวทางและเทคนิคที่ช่วยให้สื่อสารกับ AI ได้อย่างถูกต้อง โดยมีองค์ประกอบสำคัญ 4 อย่าง ได้แก่:
- บริบท (Context)
- คำสั่ง (Instructions)
- Input
- รูปแบบ Output ที่ต้องการ
บทนี้มีตัวอย่าง Prompt เยอะมาก และตัวอย่างเหล่านี้เข้าใจง่ายและนำไปปรับใช้ได้จริง

3. การแนะนำบริการ AI
หนังสือแนะนำเครื่องมือ AI หลายตัวที่น่าสนใจ และเกือบทุกตัวสามารถทดลองใช้งานฟรีได้ ถือว่าเป็นจุดเด่นอีกอย่างของหนังสือเล่มนี้

4. ตัวอย่างการใช้งานจริง
มีตัวอย่าง Prompt เยอะใน 3 บทสุดท้าย ซึ่งสามารถนำไปประยุกต์ใช้กับงานเขียนโค้ดจริงได้หลากหลาย

หมายเหตุ
สำหรับฉบับภาษาไทย มีปัญหาเรื่องการแปลคำศัพท์ทางเทคนิค ซึ่งบางคำควรคงไว้เป็นภาษาอังกฤษ เพราะคำเหล่านี้นักพัฒนาส่วนใหญ่เข้าใจกันอยู่แล้ว เช่น
- "Deployment" ถูกแปลว่า "การปรับใช้โค้ดสู่งานจริง" ทำให้อ่านแล้วไม่ค่อยเข้าใจ
มีคำแปลแบบนี้เยอะมาก ทำให้อ่านยากกว่าเวอร์ชันภาษาอังกฤษ
ผมหักคะแนนฉบับภาษาไทยในประเด็นนี้ครับ

สรุป
หนังสือเล่มนี้เป็นแนวทางที่ดีสำหรับนักพัฒนาที่สนใจใช้งาน AI เพื่อช่วยเขียนโค้ดและพัฒนาทักษะการเขียน Prompt อย่างไรก็ตาม ฉบับภาษาไทยยังมีจุดที่ควรปรับปรุงในเรื่องการแปลศัพท์เทคนิค สำหรับฉบับภาษาอังกฤษ อ่านง่ายกว่าและเหมาะกับการเรียนรู้มากกว่า

แนะนำ สำหรับใครที่สนใจ AI โดยเฉพาะนักพัฒนาซอฟต์แวร์ที่อยากพัฒนาทักษะในการเขียน Prompt หนังสือเล่มนี้คือหนึ่งในตัวเลือกที่ควรมีติดโต๊ะ!

[Russell · Rating 2 out of 5]

Lots of filler and only a few chapters for developers that want to learn how to better leverage AI tools in their daily workflows. The few chapters don’t have enough depth to really get you past what most beginners can figure out on their own.

[Roberto · Rating 3 out of 5]

Not bad if you are expecting a entry level introduction on how to use AI assisted tools for coding.

It contains some good prompt suggestions

[Alejandro Teruel · Rating 3 out of 5]

This is a very introductory, gung-ho book on the possible use of Large Language Models (LLM) in Software Engineering. I feel it was written in a rush to get into print and to show that the author has played around with many different LLMs, including ChatGPT, GitHub Copilot, Microsoft Copilot, Gemini, Claude, Amazon’s CodeWhisperer, Google’s Duet AI for Developers, Tabnine, Replit, CodeGPT, Cody,Warp, Bito AI, Cursor, Code Llama, StableCode, AlphaCode, PolyCoder, and CodeT5 - though most of these tools are described in less than a page -and, in many cases, this includes introductory screenshots.

The author is clearly excited by the possibilities AI offers for software engineering and is sanguine about them almost to the point of hype -although to be honest, he does, occasionally remember to warn about the need to use these tools critically. For examples, in chapter 1(New Worlds for Developers) he covers such drawbacks to current LLM as hallucinations, possible intellectual property infringement, privacy, security, training data, and bias issues -in less than a page each! To be fair he does revisit these topics in an extra page each in later chapters, particularly chapter 3 on Prompt Engineering.

His explanations of AI in general and LLM technology in particular is very poor and I would recommend skipping the first two chapters and start the book by reading chapter 3, on Prompt Engineering, which includes some simple and useful hints on the topic -but not, as the book's jacket notes grandly suggest, a Prompt Engineering methodology.

I would recommend the reader to skim over chapters 4 (GitHub Copilot) and 6 (the section on ChatGpt) and skip, or at most lightly skim chapters 5 (Other AI-Assisted Programming Tools).

The key Software Engineering takeways from the book are in chapters 3 (Prompt Engineering), 7 (Ideas, Planning, and Requirements), 8 (Coding) -which includes a nice but overly short sections on refactoring, help with creating database schemas and adding test data to a database, website layout code, searching for relevant APIs and help for API programming calls- and, to a far lesser degree 9 (Debugging, Testing, and Deployment).

Taulli shows his marketing experience when he devotes about half of chapter 7 (Ideas, Planning, and Requirements) to the possible application of LLMs to marketing oriented brainstorming, market research and competition analysis for software product proposals. This chapter also suggests, in half a page, prompting ChatGPT to suggest the outline for a Software Requirements Document, and, offers -in another half-page- three ChatGPT prompts to write software requirements specifications. I consider limiting requirements engineering to four prompt suggestions, grossly inadequate -however intriguing these examples may be.

Chapter 9 (Debugging, Testing, and Deployment) has some suggestions on using LLM prompts to help review, debug, document, test, and deploy, as well as describe pull requests. Taulli's section on testing is very poor; in three pages he only describes unit testing, including prompting for unit testing a simple eight line tip calculator function -one of the three pages shows the response to the prompt.

If you are seriously interesting in the state of LLM-assisted software engineering I would strongly recommend you look at two papers:

- Cuiyun Gao et al: “The Current Challenges of Software Engineering in the Era of Large Language Models” ACM Computing Surveys, January 2025, and

- Valerio Terragni, Anne Vella, Partha Roop: “The Future of AI-Driven Software”. ACM Trans. Softw. Eng. Methodol. (Accepted for publication January 2025).

By skipping the more “explanation oriented” chapters, Taulli's book can help a novice or very hands-on oriented programmer sit down and start playing with LLMs to see what they might be useful for, but he would do well to check and carefully validate responses to prompts.

Final note: I am barely starting to look into LLM-driven Software Engineering and hope to come back to this review when I have a better grasp of the issues involved or when I find a better introduction to the area. At this point I believe I will downgrade my current three-star evaluation to two stars.

[Mikhail Filatov · Rating 1 out of 5]

The book doesn’t go beyond very high-level overview of Prompt engineering, a lot of “one pagers” of different tools and some comments from author’ acquaintances. If doesn’t seem that the author himself even “vibe code” anything and his usage LLMs is limited to logos and marketing plans.

[Steven Allen · Rating 4 out of 5]

This book was not as helpful for me as it might be for some others. My programming skills are barely rudimentary at best.

[Sinclair · Rating 3 out of 5]

The book is an overview of the coding assistant landscape, which does not feature in-depth technical content. Nonetheless, I think it worth spending a few hours to skim the book.