共计 3353 个字符，预计需要花费 9 分钟才能阅读完成。
👉腾小云导读
开发者日常的整个工作流中，AI 大模型能做什么？ChatGPT 等 AI 大模型能不能通过开发者的指引，一步步实现从技术计划输入、编码、测试、公布到经营保护的整套流程？应用中有什么避坑点？本文从理论研发流程的各个环节登程，总结分享了 AI 大模型对研发效力的晋升实际。欢送围观～
👉目录
1 需要剖析
2 技术计划
3 编码
4 测试
5 公布
6 经营
7 开发者应用 AI 大模型的注意事项
7.1 准确性
7.2 幻觉
7.3 时效性
7.4 知识产权
7.5 平安隐衷和合规
8 总结
01、需要剖析
· 提取需要关键点
ChatGPT 通过对需要文档的剖析，主动提取要害需要和性能点，不便开发团队更好地了解我的项目需要。
· 绘制流程图
通过总结和演绎需要单的内容，能够将需要单转化成流程图，不便了解。
@startuml
actor 用户
actor 发起者
actor 参团者
box "拼多多平台" #LightBlue
participant "商品详情页" as G
participant "拼团发动 / 参加" as P
participant "领取页面" as Pay
participant "订单确认" as O
participant "拼团胜利 / 失败" as S
end box
用户 -> G : 查看商品详情
G -> P : 抉择发动拼团或参加别人拼团
P -> Pay : 跳转至领取页面
Pay -> O : 领取胜利，生成订单
O -> S : 拼团胜利或失败
note over P : 发动拼团：创立新拼团 \n 参加拼团
note over S : 拼团胜利：人数达到要求 \n 拼团失败：超时未达到人数要求
@enduml02、技术计划
· 大表更新计划
以我亲历的某个场景为例：在某领取业务中，有一个大表 4000 万行数据，应用的 mysqlA5.6 的版本，须要更新某一行记录的数据，让 ChatGPT 设计 mysql 的大表更新计划，并且剖析死锁产生的危险。
GPT 给出了分批更新的计划，并且给出了具体的 sql，还在开始之前揭示用户进行数据备份。
· 业内计划的调研
如果要实现一个具体的零碎，能够通过 ChatGPT 询问行业内的解决方案。
· 询问方案设计细节
在具体的实现细节上，也能够让 ChatGPT 给出倡议。
· 读英文文档或论文
遇到不太懂的文档，能够让 AI 帮忙翻译和总结。
03、编码
· 生成代码（GitHub Copilot）
输出正文，期待倡议即可。
能够获取本地的代码，进行代码提醒。
· 生成单元测试（GitHub Copilot）
输出正文，期待生成单元测试。
// unit test of XXX function
· 生成文档（GitHub Copilot）
在须要生成正文的代码前增加 //
· 生成命令（GitHub Copilot）
github copilot 能够依据用户输出的自然语言指令或问题，主动生成相应的命令行指令或答复。
例如，用户能够输出“install react”或“how do I run this file”等，github copilot 会依据用户的输出和上下文，生成适合的命令行指令或答复。
· 转化语言（ChatGPT）
将 python 代码转化成 C ++ 代码。
· 解释代码（ChatGPT）
解释代码，并且绘制流程图。
· 还原被混同的代码（ChatGPT）
04、测试
· 主动生成测试用例和测试脚本
依据需要和代码逻辑，主动生成相应的测试用例和测试脚本，进步测试效率。
· 性能测试和优化倡议
对代码进行性能测试，并给出优化倡议、晋升零碎性能。
· 安全漏洞剖析
图片起源 https://www.secpulse.com/archives/198731.html
05、公布
· 部署脚本生成
ChatGPT 能够依据我的项目的技术栈和部署环境，主动生成部署脚本，帮忙团队更疾速地实现部署工作。
· 部署问题诊断与解决方案
在部署过程中遇到问题时，ChatGPT 能够帮助诊断问题起因，并提供相应的解决方案。
06、经营
· 故障诊断与解决方案
在呈现故障时，ChatGPT 能够帮助团队诊断问题起因，并提供相应的解决方案，以疾速复原服务。
· 用户反馈剖析
ChatGPT 能够剖析用户反馈数据，帮忙团队理解用户需要和痛点，从而优化产品和服务。
07、开发者应用 AI 大模型的注意事项
7.1 准确性咱们间接上个直观的例子：
可能导致的起因：
训练数据的局限性：ChatGPT 基于大量的文本数据进行训练。然而，这些数据可能蕴含错误信息、过期信息或者不精确的观点。因而，模型在训练过程中可能学到了这些谬误的常识。
模型的理解能力：尽管 ChatGPT 在自然语言解决方面具备很强的能力，但它并不具备真正的理解力。有时，模型可能会误会用户的问题或上下文，从而给出谬误或无关的答案。
模型的生成能力：ChatGPT 在生成答复时，可能会基于其训练数据中的概率分布进行推断。因而，它有时可能会生成风行度较高但不正确的答案，而疏忽了更精确但呈现频率较低的答案。
模型的置信度：ChatGPT 在生成答案时，可能无奈精确评估答案的可靠性。在面对简单或不置可否的问题时，模型可能无奈给出明确的答案，而是依据其训练数据生成一个绝对较为正当的答案。
问题表述的模糊性：如果用户的问题表述不清晰或具备歧义，ChatGPT 可能难以精确把握问题的用意，从而给出谬误或不相干的答案。
7.2 幻觉
应用 chatGPT 须要特地留神其不苟言笑的胡言乱语：
在做日志和监控设计时，应该思考以下因素：
第一，ChatGPT 可能在其训练数据中具备固有的偏见或限度，这些数据可能不涵盖所有可能的状况或畛域。因而，当输出文本简单或含糊时，它可能会生成基于不残缺或不精确信息的输入。
第二，ChatGPT 所在公司对其设置了“内容过滤器”，以避免其产生不当或无害的输入。然而，这些过滤器可能不完满，它们有时可能会过滤掉一些失常或有用的输入，或者可能会被一些技巧绕过。其中一种技巧称为“催眠”，它波及在输出文本中增加一些暗示性或引导性语句，以扭转 ChatGPT 的输入范畴和处分机制。
第三，ChatGPT 可能没有牢靠的办法来验证其输入与事实或内部起源的一致性。因而，它可能会生成与事实或常识不统一的输入，或与其先前的答复相矛盾的输入。
7.3 时效性
ChatGPT 的数据只能到 2021 年 9 月，须要留神数据发问的工夫。
7.4 知识产权
AI 生成的内容的知识产权归属在很多国家和地区依然是一个含糊和一直倒退的畛域。对于 AI 生成内容的知识产权确定，目前尚无对立的国际标准。在不同国家和地区，法律对此问题的解决形式可能有所不同。
一般来说，知识产权归属可能受以下几个因素影响：
AI 的创造性水平：在某些国家和地区，如果 AI 零碎仅仅是辅助人类创作者实现作品，那么知识产权可能归属于人类创作者。但如果 AI 零碎的创造性程度较高，其生成的内容可能波及到知识产权归属的简单问题。
人类参加水平：在某些状况下，人类参加水平可能影响知识产权归属。例如，如果人类创作者对 AI 生成的内容进行了大量编辑和改编，那么知识产权可能归属于人类创作者。
实用的法律和判例：不同国家和地区的法律和判例可能对 AI 生成内容的知识产权归属有所不同。例如，欧盟和美国的知识产权法律通常要求作品具备人类创作者，而英国和澳大利亚等国家的法律则对此问题的解决更为宽松。
用户协定和合同：在应用 AI 零碎时，用户可能须要签订协定或合同，其中可能蕴含对于知识产权归属的规定。这些协定或合同可能规定，生成内容的知识产权归属于 AI 零碎的开发者、使用者或其余相干方。
请留神，以上信息仅供参考，具体知识产权归属问题可能因具体情况而异。在解决与 AI 生成内容相干的知识产权问题时，请征询业余律师或合规参谋。
7.5 平安隐衷和合规
须要合乎数据隐衷爱护、内容审查等制度标准。
08、总结
应用 ChatGPT 能够很疾速帮忙开发者实现整套产品的工作流程，进步工作效率，然而在准确性和安全性的方面其能力还有待商讨。所以各位开发者在应用 ChatGPT 实现工作的同时，要特地留神数据隐衷和知识产权这方面的问题。以上就是本篇文章全部内容，如果感觉有用的话点个赞吧~
在评论区（点👉这里👈进入开发者社区，左边扫码即可进入公众号）聊一聊你在工作中应用 ChatGPT 提高效率的案例和教训。一起探讨。咱们将选取 1 则最有创意的分享，送出腾讯云开发者 - 手机支架 1 个（见下图）。5 月 29 日中午 12 点开奖。
