ChatGPT對(duì)于一些簡(jiǎn)單的問(wèn)題，可以完美的完成任務(wù)。但是我讓它寫(xiě)一篇完整的文章，看看它能否代替我進(jìn)行寫(xiě)作地的時(shí)候，我確定它不能完全取代人類(lèi)。

但是我們可以使用更多的指導(dǎo)來(lái)讓AI在日常工作流程為我們工作，所以本文將討論如何有效利用ChatGPT。這個(gè)想法是從簡(jiǎn)單的日常用例開(kāi)始，然后進(jìn)入更復(fù)雜的階段。最后讓我們看看ChatGPT能否替代搜索引擎，給我們提供日常需要的信息。

從Google遷移到ChatGPT

Google是用來(lái)顯示其他人類(lèi)似的問(wèn)題，而ChatGPT是來(lái)回答你確切的問(wèn)題的。

像大多數(shù)人一樣，當(dāng)我不知道的時(shí)候，我會(huì)谷歌。標(biāo)準(zhǔn)的工作流程是去谷歌，點(diǎn)擊最上面的結(jié)果，然后閱讀，直到感覺(jué)你已經(jīng)得到了正確的答案。如果幸運(yùn)的話，有人已經(jīng)問(wèn)過(guò)你同樣的問(wèn)題了，那我們能夠直接得到答案。但更多的時(shí)候，我們需要看很多結(jié)果，并將答案拼接在一起。

讓我們問(wèn)一個(gè)非常簡(jiǎn)單的問(wèn)題:

這些Google搜索結(jié)果主要回答了這個(gè)問(wèn)題:“如何從DynamoDB表中刪除項(xiàng)?！苯酉聛?lái)，我們需要將搜索重寫(xiě)為“如何向DynamoDB表中添加項(xiàng)”。然后我們需要自己拼湊答案，得到最終結(jié)果。

那么讓ChatGPT呢

ChatGPT提供了Python和AWS CLI的描述和確切的代碼。這就是我們上面說(shuō)的：Google盡其所能返回與我的問(wèn)題相似的內(nèi)容，而ChatGPT則盡其所能生成答案。

ChatGPT自動(dòng)化了頂級(jí)結(jié)果并過(guò)濾出答案（當(dāng)然是它認(rèn)為的答案）。

對(duì)于這種簡(jiǎn)單的問(wèn)題

• 可以通過(guò)谷歌得到同樣的答案嗎? 是的。
• 可以通過(guò)ChatGPT更快地得到答案嗎? 沒(méi)問(wèn)題。
• 人工智能能取代我的工作嗎? 無(wú)法取代
• 人工智能能提高我的速度嗎? 絕對(duì)可以

那么再?gòu)?fù)雜一點(diǎn)的問(wèn)題呢

使用ChatGPT進(jìn)行結(jié)對(duì)編程

我們要完整以下的任務(wù)

使用Databricks調(diào)查S3中的數(shù)據(jù)。Databricks非常依賴(lài)sql，這意味著要執(zhí)行多個(gè)表連接、條件和復(fù)雜的分組。

ChatGPT是肯定可以回答一些簡(jiǎn)單的問(wèn)題，比如“如何在SQL中連接兩個(gè)表”。但是你可以用ChatGPT做更多的事情，就需要把上下文的信息給他。

回應(yīng)如下：

ChatGPT可以根據(jù)提供的輸入形成響應(yīng)。

可以看到，ChatGPT根據(jù)所提供的上下文定制其響應(yīng)，這遠(yuǎn)遠(yuǎn)超過(guò)了Google所能做的。沒(méi)有任何搜索的結(jié)果會(huì)給出上面的代碼。所以就算我們有答案，也需要將多個(gè)不同的文章內(nèi)容拼接在一起。

ChatGPT在制定響應(yīng)時(shí)考慮整個(gè)對(duì)話的上下文，所以對(duì)于一個(gè)問(wèn)題，越深入我們得到的答案越確切:

ChatGPT會(huì)記住前面的對(duì)話，就像結(jié)對(duì)編程一樣。提供新的輸入，可以回滾到以前的步驟，或者嘗試一個(gè)實(shí)驗(yàn)性的路徑。但是ChatGPT也會(huì)犯錯(cuò)誤，就像人類(lèi)一樣，所以還是需要我們?nèi)斯?lái)進(jìn)行最終的判斷和對(duì)ChatGPT進(jìn)行提示。

如果需要使用ChatGPT構(gòu)建一個(gè)復(fù)雜的解決方案。需要從簡(jiǎn)單的開(kāi)始，逐步增加復(fù)雜性。

我現(xiàn)在我們可以使用ChatGPT回答簡(jiǎn)單的問(wèn)題或構(gòu)建小的代碼片段。還能更進(jìn)一步嗎？

使用ChatGPT進(jìn)行頭腦風(fēng)暴

這里一個(gè)很好的例子是使用ChatGPT為項(xiàng)目提供額外的思路。

比如說(shuō)：如何能夠?qū)⒊绦蛟S可文件自動(dòng)傳輸?shù)竭h(yuǎn)程開(kāi)發(fā)環(huán)境中

ChatGPT給了一個(gè)可靠的答案，說(shuō)明了上傳和下載文件的過(guò)程，以及管理AWS Secrets管理器所需的AWS IAM策略等等。每個(gè)部分都包括示例代碼和解釋。

然后我問(wèn)了ChatGPT一個(gè)更普遍的問(wèn)題:

它還提出了另外八件需要考慮的事情:權(quán)限、成本、加密、密鑰輪換、區(qū)域、資源策略、密鑰版本控制和初始帳戶設(shè)置。每一篇文章都有一段對(duì)主題的總結(jié)。

這些問(wèn)題有一些是我們可能沒(méi)想到的，所以我們可以使用ChatGPT作為頭腦風(fēng)暴的伙伴嗎?

I am a software engineer at a software company with a public REST API. I want to start stress-testing it, and I am evaluating several frameworks. What are the important features I should be looking for?
 
 I am a software company that runs a SaaS product. I need to add SSO to my product so each company can log in with its authentication platform. I’m trying to compare tools like Auth0 and WorkOS. What are some important features to consider?
 
 I’m a software engineer at a company building an enterprise (self-hosted) application. In my case, the customers manage the entire product themselves without me. I am worried about the maintenance burden of supporting my app long term. What should I consider?

上面這幾個(gè)問(wèn)題返回的答案非常有用，這是一個(gè)很好的例子，因?yàn)檫@些無(wú)法在谷歌上搜索到。

使用ChatGPT對(duì)的工作進(jìn)行頭腦風(fēng)暴是可行的，因?yàn)樗念A(yù)料集我們可能一輩子都看不完

使用ChatGPT編寫(xiě)復(fù)雜代碼

當(dāng)涉及到編寫(xiě)自定義代碼庫(kù)（私有）代碼時(shí)，ChatGPT絕對(duì)是錯(cuò)誤的工具(所以我這里會(huì)用GitHub Copilot替代)。但是當(dāng)涉及到編寫(xiě)針對(duì)公共api的集成時(shí)，ChatGPT的表現(xiàn)非常出色。

如果仔細(xì)想想，這是有道理的。因?yàn)镃hatGPT無(wú)法訪問(wèn)你的自定義代碼庫(kù)，而Copilot會(huì)掃描本地的代碼。

我們問(wèn)ChatGPT一個(gè)公共API的問(wèn)題：

這里是它生成的代碼如下：

import requests
 import os
 
 GITHUB_TOKEN = 'YOUR_GITHUB_TOKEN'
 ASANA_TOKEN = 'YOUR_ASANA_TOKEN'
 ASANA_PROJECT_ID = 'YOUR_ASANA_PROJECT_ID'
 GITHUB_REPOS = ["user/repo1", "user/repo2", ...] # List your repos here
 
 HEADERS_GITHUB = {
    'Authorization': f'token {GITHUB_TOKEN}',
    'Accept': 'application/vnd.github.v3+json',
 }
 
 HEADERS_ASANA = {
    'Authorization': f'Bearer {ASANA_TOKEN}',
    'Accept': 'application/json',
    'Content-Type': 'application/json',
 }
 
 def fetch_github_issues(repo):
    url = f"https://api.github.com/repos/{repo}/issues"
    response = requests.get(url, headers=HEADERS_GITHUB)
    return response.json()
 
 def find_or_create_asana_section(project_id, name):
    # Check if section exists
    sections_url = f"https://app.asana.com/api/1.0/projects/{project_id}/sections"
    response = requests.get(sections_url, headers=HEADERS_ASANA)
    for section in response.json().get("data", []):
        if section["name"] == name:
            return section["gid"]
     
    # Create new section
    data = {
        "data": {
            "name": name,
        }
    }
    response = requests.post(sections_url, headers=HEADERS_ASANA, jsnotallow=data)
    return response.json()["data"]["gid"]
 
 def create_asana_task(project_id, section_gid, issue):
    url = f"https://app.asana.com/api/1.0/tasks"
    data = {
        "data": {
            "projects": [project_id],
            "memberships": [
                {
                    "project": project_id,
                    "section": section_gid,
                }
            ],
            "name": issue["title"],
            "notes": issue["body"],
        }
    }
    requests.post(url, headers=HEADERS_ASANA, jsnotallow=data)
 
 def main():
    for repo in GITHUB_REPOS:
        issues = fetch_github_issues(repo)
        section_name = repo.split("/")[-1] # Assuming you want the repo name as the section name
        section_gid = find_or_create_asana_section(ASANA_PROJECT_ID, section_name)
        for issue in issues:
            create_asana_task(ASANA_PROJECT_ID, section_gid, issue)
 
 if __name__ == "__main__":
    main()

看著非常不錯(cuò)，下面我們提高難度讓ChatGPT構(gòu)建一個(gè)具有以下限制的小軟件程序：

我不輸入任何代碼。只能執(zhí)行ChatGPT生成的。然后錯(cuò)誤也會(huì)讓ChatGPT自己更正。

一開(kāi)始，ChatGPT做得很好。它很容易編寫(xiě)一個(gè)RESTful客戶端。我告訴ChatGPT需要更多的調(diào)試語(yǔ)句，它在整個(gè)代碼中添加了打印語(yǔ)句。在其他庫(kù)中封裝函數(shù)調(diào)用也很漂亮。

但是我想到，如果下載和重新上傳大文件，時(shí)間會(huì)很長(zhǎng)，所以我問(wèn)ChatGPT是否可以在命令行上用進(jìn)度條可視化包裝它們。它是這樣做的:

略顯臃腫，但是可以用。

對(duì)于要求ChatGPT重構(gòu)代碼并添加抽象，得到的答案都出現(xiàn)了拼寫(xiě)錯(cuò)誤和邏輯錯(cuò)誤。所以需要花費(fèi)很多的時(shí)間與ChatGPT進(jìn)行溝通修改（前面說(shuō)了，為了測(cè)試，所有代碼都讓ChatGPT寫(xiě)）

對(duì)于這個(gè)問(wèn)題，盲猜原因是ChatGPT的每個(gè)問(wèn)題只得到有限的計(jì)算時(shí)間。情況越復(fù)雜，ChatGPT不能完全完善它的響應(yīng)，只是拋出了一個(gè)未經(jīng)修飾的結(jié)果，還有可能是因?yàn)閠oken大小的限制。

ChatGPT擅長(zhǎng)編寫(xiě)單個(gè)函數(shù)，但在處理抽象或多個(gè)方法時(shí)很快就會(huì)崩潰。

但是對(duì)于ChatGPT，一個(gè)非常好的表現(xiàn)是他可以幫我們轉(zhuǎn)換代碼，比如：

將Python代碼翻譯成Typescript。將linux的shell腳本變?yōu)閣indows的cmd腳本

總結(jié)

ChatGPT可以用來(lái)增強(qiáng)你的能力，而不是取代你的工作

將ChatGPT融入到日常工作中，這是一個(gè)很酷的噱頭，也許它適用于其他人的工作流程，但不適用于我的。因?yàn)橛幸恍┕ぷ饕刺珡?fù)雜，要么太專(zhuān)業(yè)，外部AI工具無(wú)法發(fā)揮作用。

最后還有一個(gè)問(wèn)題，ChatGPT數(shù)據(jù)的更新時(shí)間是2022年，所以最近數(shù)據(jù)它是沒(méi)有的，這對(duì)于經(jīng)常需要最新數(shù)據(jù)的行業(yè)來(lái)說(shuō)基本就沒(méi)什么幫助了。

所以回到我們的標(biāo)題：進(jìn)行頭腦風(fēng)暴，并作為簡(jiǎn)單代碼的結(jié)對(duì)程序員是一個(gè)非常好應(yīng)用場(chǎng)景，可以提高我們的效率，但是它并不能代替谷歌，除了時(shí)間以外，對(duì)于一些信息我們更看重的是準(zhǔn)確性。