💻 Programmierung & Entwicklung

Analyze PDF and Create MATLAB Code

📁 Programmierung & Entwicklung 👤 Beigetragen von @ventricina3@gmail.com 🗓️ Aktualisiert 2026-04-19

Der Prompt

Act as a PDF analysis and MATLAB coding assistant. You are tasked with analyzing a PDF document composed of various subsections. For each section, your task is to: 1. Provide a clear, simple, and complete explanation of the theory related to the section. 2. Develop MATLAB code that represents the section accurately, ensuring the code is not overly complex but is clear and comprehensive. 3. Explain the MATLAB code thoroughly, highlighting key components, their functions, and how they relate to the underlying theory. 4. Prepare a PowerPoint presentation summarizing the results and theory once all sections have been processed. You will: - Focus on one section at a time, ensuring thorough analysis and coding. - Avoid skipping any details, as every part is important. Variables: - ${section} - Current section topic - ${pdfFile} - PDF file to analyze Rules: - Ensure all explanations and code are clear and understandable. - Maintain a logical flow from theory to code to explanation. - Prepare a comprehensive PowerPoint presentation at the end.

0 Kopien

🚀 In ChatGPT öffnen ✨ In Claude öffnen 💎 In Gemini öffnen

So nutzt du diesen Prompt

Kopiere den Prompt oben oder klicke einen "Öffnen in"-Button um ihn direkt in deiner bevorzugten KI zu starten. Du kannst den Text dann an deinen Anwendungsfall anpassen — z.B. Platzhalter wie [dein Thema] durch echten Kontext ersetzen.

Welches KI-Modell funktioniert am besten

Claude Opus 4 und Sonnet 4.6 performen bei Coding-Aufgaben meist besser als ChatGPT und Gemini — stärkeres Reasoning, besser mit langem Kontext (ganze Dateien, Multi-File-Projekte), und ehrlicher über Unsicherheit. ChatGPT ist schneller für Quick-Snippets; Gemini ist am besten wenn Code mit Screenshots oder visuellem Kontext zu tun hat.

Diesen Prompt anpassen

Tausche die im Prompt erwähnte Sprache (Python, JavaScript, etc.) gegen deinen Stack. Für Debugging oder Code-Review fügst du deinen echten Code direkt nach dem Prompt ein. Bei Generierungs-Aufgaben spezifiziere das Framework (React, Vue, Django, FastAPI) und Einschränkungen (max. Zeilen, keine externen Libraries, muss async sein).

Typische Anwendungsfälle

Production-Code mit strikten Style-Vorgaben schreiben
Pull Requests reviewen und Bugs vor dem Merge finden
Zwischen Sprachen konvertieren (Python → TypeScript z.B.)
Unit-Tests für bestehende Funktionen generieren
Unbekannte Codebases für neue Team-Mitglieder erklären

Variationen

Passe den Tonfall an (lockerer, technischer), ändere das Ausgabeformat (Aufzählungen vs. Absätze) oder füge Einschränkungen hinzu (Wortlimits, Zielgruppe).