Smart Coden mit IntelliJ und AI / KI

Einstieg: IntelliJ + AI im Coding-Alltag - AI-Themen: AI, ML, LLM, NLP, Generative AI, GPTs; - Prompts & Modelle (OpenAI, lokale LLMs) - Unterschied: IntelliSense vs. echte AI-Unterstützung - ChatGPT-Plugin für IntelliJ: AI Assistant Panel & Inline Mode - ChatGPT-Webversion vs. Plugin: Schreibrechte, Dateioperationen, Integration IntelliJ IntelliSense & Productivity-Features - Erweiterte Autovervollständigung, Basic Completion (Ctrl+Space) - Smart Completion (Ctrl+Shift+Space), Chain Completion (zweimal Ctrl+Shift+Space) - Statement Completion (Shift+Ctrl+Enter), Postfix Completion (.var, .if, .for …) - Live Templates & eigene Templates (z. B. sout, psvm), Code Inspections & Quick Fixes (gelbe Glühbirne) - Scratch Files (temporäre Code-Dateien), Code left to right vs right to left - Help while typing (Inline-Dokumentation), Multi-Caret Editing (mehrere Cursor) - Structural Search & Replace (SSR) – Code-Muster statt Text suchen/ersetzen AI-Integration verstehen - AI-Aktivierung & Konfiguration - Prompt-Typen im Coding-Kontext: Generate, Refactor, Explain, Test - Sicherheit & Datenschutz bei AI-Tools AI-gestützte Code-Generierung - Klassen, Methoden, Testfälle mit KI erzeugen - Prompts richtig formulieren ("Write a method that…") - AI-Refactoring im Kontext (Cursor-Position, Auswahl, Umbau) - Code kommentieren, erklären & verbessern lassen - Umgang mit unvollständigem oder fehlerhaftem AI-Code Prompt Engineering für Entwickler*innen - Was ist ein Prompt? - Best Practices für Coding-Prompts - Strukturierte Antworten (z. B. JSON) analysieren & umsetzen - Strategien: - Q&A Prompt Strategy - Pros & Cons Prompt Strategy - Stepwise Chain of Thought - Role Prompt Strategy AI-gestützte Fehleranalyse - AI als „Code-Dolmetscher“ für Fehlermeldungen & Stacktraces - Vorschläge für Bugfixes generieren & testen Refactoring-Patterns mit AI & IntelliJ - Extract Method / Class / Interface - Von imperativ zu funktional (Streams, Lambdas) - Alte for-Schleifen in Stream-APIs umwandeln lassen AI-unterstützte Tests & Dokumentation - Unit Tests generieren (JUnit 5) - Testdaten & Mocks erstellen - Automatische JavaDoc-Erstellung mit AI Code Review mit AI & IntelliSense - AI als Review-Partner für Lesbarkeit, Sicherheit, Effizienz - Gemeinsame Refactoring-Runden - AI-unterstützte Performance-Optimierungen LLM-Grundlagen & Spring AI Einstieg - Überblick über LLMs & Chat-Modelle - Einstieg in Spring AI, Integration in Spring Boot - Spring-AI-Setup (BOM, Starter, AutoConfig)

In diesem Training lernen Sie, die Unterschiede zwischen IntelliSense und echter AI-Unterstützung zu verstehen, IntelliJ-Grundlagen sowie Profi-Features anzuwenden und AI nahtlos in den Java-Coding-Workflow zu integrieren.