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 。