ChatGPT对于一些简略的问题，能够完满的实现工作。然而我让它写一篇残缺的文章，看看它是否代替我进行写作地的时候，我确定它不能齐全取代人类。

然而咱们能够应用更多的领导来让AI在日常工作流程为咱们工作，所以本文将探讨如何无效利用ChatGPT。这个想法是从简略的日常用例开始，而后进入更简单的阶段。最初让咱们看看ChatGPT是否代替搜索引擎，给咱们提供日常须要的信息。

从Google迁徙到ChatGPT

Google是用来显示其余人类似的问题，而ChatGPT是来答复你确切的问题的。

像大多数人一样，当我不晓得的时候，我会谷歌。规范的工作流程是去谷歌，点击最下面的后果，而后浏览，直到感觉你曾经失去了正确的答案。如果侥幸的话，有人曾经问过你同样的问题了，那咱们可能间接失去答案。但更多的时候，咱们须要看很多后果，并将答案拼接在一起。

让咱们问一个非常简单的问题:

这些Google搜寻后果次要答复了这个问题:“如何从DynamoDB表中删除项。”接下来，咱们须要将搜寻重写为“如何向DynamoDB表中增加项”。而后咱们须要本人拼凑答案，失去最终后果。

那么让ChatGPT呢

ChatGPT提供了Python和AWS CLI的形容和确切的代码。这就是咱们下面说的：Google尽其所能返回与我的问题类似的内容，而ChatGPT则尽其所能生成答案。

ChatGPT自动化了顶级后果并过滤出答案（当然是它认为的答案）。

对于这种简略的问题

  • 能够通过谷歌失去同样的答案吗? 是的。
  • 能够通过ChatGPT更快地失去答案吗? 没问题。
  • 人工智能能取代我的工作吗? 无奈取代
  • 人工智能能进步我的速度吗? 相对能够

那么再简单一点的问题呢

应用ChatGPT进行结对编程

咱们要残缺以下的工作

应用Databricks考察S3中的数据。Databricks十分依赖sql，这意味着要执行多个表连贯、条件和简单的分组。

ChatGPT是必定能够答复一些简略的问题，比方“如何在SQL中连贯两个表”。然而你能够用ChatGPT做更多的事件，就须要把上下文的信息给他

回应如下：

ChatGPT能够依据提供的输出造成响应。

能够看到，ChatGPT依据所提供的上下文定制其响应，这远远超过了Google所能做的。没有任何搜寻的后果会给出下面的代码。所以就算咱们有答案，也须要将多个不同的文章内容拼接在一起。

ChatGPT在制订响应时思考整个对话的上下文，所以对于一个问题，越深刻咱们失去的答案越确切:

ChatGPT会记住后面的对话，就像结对编程一样。提供新的输出，能够回滚到以前的步骤，或者尝试一个实验性的门路。然而ChatGPT也会犯错误，就像人类一样，所以还是须要咱们人工来进行最终的判断和对ChatGPT进行提醒。

如果须要应用ChatGPT构建一个简单的解决方案。须要从简略的开始，逐渐减少复杂性。

我当初咱们能够应用ChatGPT答复简略的问题或构建小的代码片段。还能更进一步吗？

应用ChatGPT进行头脑风暴

这里一个很好的例子是应用ChatGPT为我的项目提供额定的思路。

比如说：如何可能将程序许可文件主动传输到近程开发环境中

ChatGPT给了一个牢靠的答案，阐明了上传和下载文件的过程，以及治理AWS Secrets管理器所需的AWS IAM策略等等。每个局部都包含示例代码和解释。

而后我问了ChatGPT一个更广泛的问题:

它还提出了另外八件须要思考的事件:权限、老本、加密、密钥轮换、区域、资源策略、密钥版本控制和初始帐户设置。每一篇文章都有一段对主题的总结。

这些问题有一些是咱们可能没想到的，所以咱们能够应用ChatGPT作为头脑风暴的搭档吗?

 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?

下面这几个问题返回的答案十分有用，这是一个很好的例子，因为这些无奈在谷歌上搜寻到。

应用ChatGPT对的工作进行头脑风暴是可行的，因为他的意料集咱们可能一辈子都看不完

应用ChatGPT编写简单代码

当波及到编写自定义代码库（公有）代码时，ChatGPT相对是谬误的工具(所以我这里会用GitHub Copilot代替)。然而当波及到编写针对公共api的集成时，ChatGPT的体现十分杰出。

如果认真想想，这是有情理的。因为ChatGPT无法访问你的自定义代码库，而Copilot会扫描本地的代码。

咱们问ChatGPT一个公共API的问题：

这里是它生成的代码如下：

 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, json=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, json=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()

看着十分不错，上面咱们进步难度让ChatGPT构建一个具备以下限度的小软件程序：

我不输出任何代码。只能执行ChatGPT生成的。而后谬误也会让ChatGPT本人更正。

一开始，ChatGPT做得很好。它很容易编写一个RESTful客户端。我通知ChatGPT须要更多的调试语句，它在整个代码中增加了打印语句。在其余库中封装函数调用也很漂亮。

然而我想到，如果下载和从新上传大文件，工夫会很长，所以我问ChatGPT是否能够在命令行上用进度条可视化包装它们。它是这样做的:

略显臃肿，然而能够用。

对于要求ChatGPT重构代码并增加形象，失去的答案都呈现了拼写错误和逻辑谬误。所以须要破费很多的工夫与ChatGPT进行沟通批改（后面说了，为了测试，所有代码都让ChatGPT写）

对于这个问题，盲猜起因是ChatGPT的每个问题只失去无限的计算工夫。状况越简单，ChatGPT不能齐全欠缺它的响应，只是抛出了一个未经润饰的后果，还有可能是因为token大小的限度。

ChatGPT善于编写单个函数，但在解决形象或多个办法时很快就会解体。

然而对于ChatGPT，一个十分好的体现是他能够帮咱们转换代码，比方：

将Python代码翻译成Typescript。将linux的shell脚本变为windows的cmd脚本

总结

ChatGPT能够用来加强你的能力，而不是取代你的工作

将ChatGPT融入到日常工作中，这是一个很酷的噱头，兴许它实用于其他人的工作流程，但不适用于我的。因为有一些工作要么太简单，要么太业余，内部AI工具无奈发挥作用。

最初还有一个问题，ChatGPT数据的更新工夫是2022年，所以最近数据它是没有的，这对于常常须要最新数据的行业来说根本就没什么帮忙了。

所以回到咱们的题目：进行头脑风暴，并作为简略代码的结对程序员是一个十分好利用场景，能够进步咱们的效率，然而它并不能代替谷歌，除了工夫以外，对于一些信息咱们更看重的是准确性。

https://avoid.overfit.cn/post/cb049c14e06441f98063d8d478ff1474

作者：Elliot Graebert