关于后端:使用-chatGPT-高效学习的套路

38次阅读

共计 4005 个字符,预计需要花费 11 分钟才能阅读完成。

本文首发:[应用 chatGPT 高效学习的套路]()

最近这段时间 chatGPT 掀起了一阵 AI 热潮,目前来看网上大部分内容都是在调戏 AI,很少有人写如何用 chatGPT 做正事儿。

我作为一个大部分常识都是从搜索引擎和 GitHub 学来的程序员,第一次和 chatGPT 促膝长谈后,根本认定了一个事实:chatGPT 肯定能大幅减少程序员学习新技术的效率

目前我曾经深度应用 chatGPT 一个月了,越来越能感触到这个工具的颠覆性。所以这篇文章不探讨 chatGPT 的沙雕玩法,单从工作和学习的视角,分享下 chatGPT 的牛逼之处以及我应用 chatGPT 的一些教训技巧。

为什么 chatGPT 有助于学习新技术

通过这些年对于各类常识的学习,我先论述一个集体的总结: 学习一个新常识 / 新技术,其实就是在脑海中构建这个技术的「常识模型」。所谓小白和专家的区别,其实就是脑海中这个常识模型精密水平的区别。

举个简略的例子,就比方计算机网络吧,如果电脑上不了网了,怎么办?

普通用户能做的,可能就是重启下电脑和路由器,确认一下是否是宽带欠费了;那作为程序员,多少理解一些根本的网络常识,就能够应用一些常用命令查看一下网关、DNS 之类的,或者抓个包看看到底是哪里出了问题;对于业余的网络工程师,那必定有更多定位和解决问题的方法,这里我也不懂,编不来。

同是计算机网络,以上几个角色的基本区别在于对网络这个货色的了解深度不同,或者说他们脑子里对于「计算机网络」这个常识模型的精度不同。

普通用户脑子中对网络的认知,恐怕就是一个 WiFi 图标,一般程序员脑子中对网络的认知模型,能够细化到几层协定栈和一个个数据包,网络工程师脑子中对网络的认知模型,兴许能够进一步细化到每个数据包中的每一个比特位。

那么当初我想对一个新技术建设常识模型,我应该怎么做呢?

就比方 k8s 这一套技术吧,我作为初学者最开始接触 k8s 的时候会被外面的很多名词绕晕,比方 CRD, CR, controller, operator 这些都是什么鬼?它们之间是如何作用的?既然 k8s 外面的资源都是 API Object,那 k8s 更像是个数据库,和容器编排和调度又是怎么扯上关系的?

我猜 k8s 的初学者可能也有相似的问题,但去搜索引擎上个别是搜不到让人称心的答案的。

因为搜索引擎的特点是:你必须明确地晓得本人要什么,这样能力给出精确的搜寻关键词,搜索引擎能力帮你找到你须要的信息

类比前文说的「常识模型」的概念,搜索引擎善于的,是给出这个模型的一个切面的所有信息。比方你遇到了一个 bug,把报错信息贴上去搜一下,大概率能够找到这个 bug 的成因以及解决办法。

但当初的问题是我作为初学者,对 k8s 外面的很多概念了解都不精确,依照我已知的信息进行推理,k8s 应该是一个数据库才对,但事实与我的推理并不相符,那么我哪里了解错了?正确的了解形式是什么?

对于我的这些问题,搜索引擎无法回答,毕竟搜索引擎能做的只是索引已有的数据,即使以前有人也问过相似的问题,但往往没有官网文档和技术社区的权重高,很可能被吞没在互联网的陆地中,难以被找到。

这就是传统搜索引擎的一大痛点:无奈间接答复相似「对不对」「哪里出错了」这类问题

所以在过来,我学习新技术的过程其实就是借助搜索引擎收集常识碎片,而后在脑海里整顿这些碎片造成一个残缺的常识模型,并一直在实践中欠缺和修改这个模型。

当然,一个最高效的方法就是抱大腿,找一个这方面比拟有教训的大佬,把我本人想不通的中央分明地表述进去,那么对方可能顺手画个图外加三两句话就能把整个逻辑理分明,让我恍然大悟。

不过万一找不到大佬怎么办呢?换做以前,恐怕只能持续硬着头皮找材料看代码,效率比拟低。 而当初,chatGPT 就能够表演一个技术巨佬的角色,7×24 小时提供问答服务

chatGPT 能够了解聊天上下文,所以我常常会对 chatGPT 的解答中的一部分细节发动质疑,进行更深刻的探讨,它齐全能了解我的意思,简直都能给出精确的答案解决我的纳闷。

那么通过这么长时间的深度体验,我能够说 chatGPT 是传统搜索引擎的强力外援,怪不得微软 bing 整合 chatGPT 会让各个搜寻大厂那么缓和呢。不过神仙们打架咱也不配掺和,接下来分享一些我应用 chatGPT 的一些技巧。

chatGPT 应用技巧

如果想让搜索引擎返回精确的后果,须要肯定的技巧来构建关键词。如果想最大化施展 chatGPT 的能力作为搜索引擎的补充,也须要一些小技巧。

1️⃣ 尽量应用英文和 chatGPT 交换

咱们这篇文章次要是探讨利用 chatGPT 学习新技术嘛,那么不可否认一手的技术文档还是英文居多,所以 chatGPT 学习的相干数据必定也绝对较多,更有利于失去精确详尽的答案。

另外,中文的文本生成相比英文的文本生成要简单,所以中文交换的响应速度会显著慢于英文交换。

2️⃣ 多用反诘的形式和 chatGPT 交换

比如说多用「我认为 xxx,你看我了解的对吗」这类句式发问,少问诸如「xxx 是什么」这样的问题。

不是说 chatGPT 不能答复「xxx 是什么」这类问题,而是说传统的搜索引擎更适宜干这个,还能给你更丰盛的信息,那何必问 chatGPT 呢?

还是用我初学 k8s 举例,我会把本人的了解整顿成一系列观点讲给 chatGPT 听,让它指出我了解谬误的中央:

这种学习体验真的是传统搜索引擎给不了的,像极了一个学渣缠着学霸求带带的场景,哈哈😂

3️⃣ 一条音讯只蕴含一个问题,且尽可能多地提供问题的上下文

说到底,这就考验把问题形容分明的能力了,其实能够有很多办法。

比方前文举的我初学 k8s 时的问题,我能够这样问 chatGPT,先来一个疏导式的发问:在 k8s 外面,所有资源都是 API Object,对吗?

失去 chatGPT 必定的回复,而后我开始挖坑:那么 k8s 其实就是一个存储 API Object 的数据库,对吗?

chatGPT 就会通知我,我这样想是不对滴,API Object 并不是简略的静态数据,巴拉巴拉。而后我再依据它的回复一直诘问并提出本人的认识求指教,最终把整个常识框架梳理分明。

4️⃣ 放开思路去发问,比方让 chatGPT 通过类比、举例的形式解说问题

chatGPT 的能力比咱们之前用过的人工智障强太多了,咱们能够尝试向它提出一些难度更大的问题。

比方,很多时候代码的解释性比文字更强,那么我能够间接要求 chatGPT 写一段 demo code 进去,反正看不懂的话还能够诘问:

在这段对话中,通过我的一步步发问,chatGPT 的确写出了一个残缺的 operator 的 demo。尽管它写的代码偶然出问题,但个别都是相似包导入这种比拟显著的谬误,整体上我认为还是十分弱小的。

再比方,chatGPT 给我解说了 CRD, CR, Controller 这些 k8s 中的概念之后,我请它类比编程语言里的类和实例再给我讲讲:

它类比 CRD 是类定义,CR 是类的实例对象,Controller 是操作示例的代码逻辑,说实话感觉它这个类比还挺贴切的呢 👍

其余的还有很多,比方发给它一段代码让它逐行解释,让它表演一个 Linux shell,表演一个 yaml/json 转换器等等,这些事件 chatGPT 都能做,的确能够在某些场景大幅提高咱们的效率。

目前我认为最有价值的几个技巧就说完了,上面说下 chatGPT 目前的一些不足之处吧。

目前 chatGPT 的有余

1️⃣ 时效性问题

因为 chatGPT 只把握了 2021 年之前的数据,所以一些最新的信息会缺失,一些旧的信息也可能曾经过期。比方我让 chatGPT 帮我找一些链接,有些链接就曾经 404 了。

据说微软 new bing 整合的 chatGPT 解决了这个问题,不过我当初还没有 new bing 的试用资格,所以先用 chatGPT 了,反正就技术学习来说时效性差一点也不妨。

2️⃣ 多数状况下,chatGPT 会不苟言笑的胡言乱语

我看了一些其他人的应用体验,这个问题的确是存在的。chatGPT 素来都是有求必应,哪怕它不晓得,也会不苟言笑地给你生成一个看起来有模有样的答案。

依据我遇到的状况猜想一波,chatGPT 会对没有牢靠答案的问题进行推理 ,依据相似的问题答案推理进去一个可能的答案。

比如说我让 chatGPT 写一个用 websocket 连贯 Apache Pulsar 的 code example,它二话不说就给我写了个错的。起初我发现,它是把 Kafka 的 websocket 用法有模有样地套用到了 Pulsar 上。

实际上目前网上都没有太多用 websocket 连贯 Pulsar 的案例,所以 chatGPT 没有足够的数据进行训练,写不出正确的 code example 也情有可原。

还有一次,我问 chatGPT 如何把 MySQL 的 id 字段转化成 varchar 字符串类型。它通知我用 Cast(id as VARCHAR(255)),后果报错,它也解释不清为啥报错。

起初我一搜,原来要用 Cast(id as CHAR(255)) 的形式。看来 chatGPT 目前还有一些不精确的中央,有待晋升。

最初总结

总结一下,我感觉 chatGPT 是一个新型搜索引擎,在某些场景下可能提供比传统搜索引擎更弱小更高效的搜寻效率

齐全依附 chatGPT 去做一些略微简单的工作,目前来看还是不事实的。

比方让 chatGPT 写代码,目前它的程度只能写一写简略的 demo,而且常常须要手工修复一些细节谬误。

然而让它作为搜索引擎的补充帮忙咱们学习新技术,还是比拟靠谱的。问答式的体验在很多场景下都要优于传统搜索引擎。

另外,GitHub 上也涌现出很多对于 chatGPT 的我的项目,有些还是蛮有意思的,大家能够自行摸索。

本文就到这里吧,我集体置信,像 chatGPT 这样的 AI 技术会和搜索引擎表演等同重要的角色,那么如何更好地了解并使用 AI,是将来须要一直学习摸索的课题。

更多高质量干货文章,请关注我的微信公众号 labuladong 和算法博客 labuladong 的算法秘籍

正文完
 0