在上一篇我們已經生了四份對應的程式碼，但接下來我們要怎麼讓這四份程式碼動起來？

我自己是習慣使用『Docker』環境來運行程式碼，不管在哪個OS，都是可控、穩定的環境，在這樣的環境可以讓這些程式碼「動起來」，並真正去「感受」它們的差異。

一樣在 Github Copilot Chat 的視窗請GenAI 生成「我們想要的目標」。

請用繁體中文解釋你的行為。

將這四份程式語言對應的程式碼給予可執行的 docker 的環境，這四份程式碼都要獨立的docker環境。

這樣的「提示詞 prompt」，有幾個重點

1. 你期望 GenAI 怎麼回應你的需求
2. 你期望 GenAI 能完成什麼範圍的目標
3. 對 GenAI 下達明確的限制

對於 GanAI 的 prompt 越明確，它所生成的內容越接近。

但是在不同的模型下，對於 prompt 的理解，有不同程度上的差異，在 Github Copilot 就有三種免費使用的 GPT 模型，而 Claude模型都是要計入使用次數。不過在這個階段，我不打算說太多跟模型有關內容，因為我們要先專注在這次任務，先選擇某個語系作為主力語言，後續再推進GenAI會更有施力點。

我們已經透過 prompt 生成了 docker 對應各個程式碼所需要的環境。

docker-compose build

docker-compose.yml

version: '3.8'
services:
  golang:
    build: ./golang
    ports:
      - "8080:8080"
  nodejs:
    build: ./nodejs
    ports:
      - "3000:3000"
  php:
    build: ./php
    ports:
      - "8000:8000"
  python:
    build: ./python
    ports:
      - "5000:5000"

瀏覽器或 curl 訪問

• Golang:  http://localhost:8080
• Node.js: http://localhost:3000
• PHP: http://localhost:8000
• Python(Flask): http://localhost:5000

詳細的程式碼可以參考：

https://github.com/berget/ithmoe25_project

後記：

我自己是已經熟悉了PHP，而其他三種程式語言還不熟，所以接下來我同樣會用初學者的角度來摸索並且快速的熟悉一個程式語言所需要的知識點