ChatGPT4 相比 ChatGPT3.5 在邏輯推理能力上有了很大的進步，他的代碼生成能力更是讓我非常震撼，因此我嘗試在作業中某些不涉密的基礎作業應用 ChatGPT4 來提升研發效率，簡單嘗試之后發現確實有不少場景是有效的，
本文將向大家展示如何充分利用 ChatGPT-4 這一強大的 AI 工具，并結合結對編程方法，從而在研發程序中實作顯著的效率提升，重要提示：大家在作相應嘗試的時候，一定要注意資訊安全，
場景一：正則運算式撰寫
我們團隊負責 PCG 可觀測平臺-伽利略的研發，PromQL 是可觀測領域常用的查詢語言，Protobuf 這種協議有自帶基于正則運算式的引數檢查器，因此我們需要寫一個正則運算式，來檢測 PromQL 的合法性，以便于盡早的發現不合法的 PromQL，拋出錯誤，降低底層引擎的壓力，
這個需求，按經驗至少得花超過一小時編碼及單元測驗，得翻閱不少 PromQL 手冊，正則運算式的手冊，我們試著把這個任務交給 ChatGPT4，
ChatGPT4 寫了一個很復雜的運算式，并且告訴我們這個需求是不合理的，完美的語法檢測得要實作一個語法分析器，而不是正則運算式，
這里我完善我的需求，我們在接入層的正則應該在乎精確率，忽略召回率，旨在盡早發現一部份錯誤，而不是全部錯誤，
這一次，看上去還不錯，但是我懶，不想仔細看，我又不放心他寫，所以我要求他自己寫個單測，進行充分的自測，
ChatGPT4 寫的單測非常的 Readability，他還知道表驅動的方式寫測驗資料，
咱們把代碼 run 起來：
有一個測驗用例沒過，把這種情況告訴 ChatGPT4，讓他自己解決吧，
ChatGPT4 說要解決這個問題，必須引入更復雜的運算式，這不是我們想要的結果，因此我們還是選擇了更簡單的正則運算式交付需求，做一些簡單的檢查，更復雜的檢查就交給 promql 語法決議器去做，
所以我花 5 分鐘，發現了需求的不合理，選擇了最符合業務需求的方案，并且還寫完了我們想要的正則運算式，并且代碼非常 Readability，同時有單測，
場景二：重構代碼
我們寫代碼的程序中，往往會因為疏忽，而產出各種 bug 和壞味道，我們來試試 ChatGPT4 能幫我們做什么，
下面隨機找了一段我們代碼倉庫里面的不涉密基礎代碼，發給 ChatGPT4，
package strings
import (
"fmt"
"regexp"
"strconv"
)
var reOfByte = regexp.MustCompile(`(\d+)([GgMmKkBb]?)`)
// ParseByteNumber 決議帶有容量的字串
func ParseByteNumber(s string) int64 {
arr := reOfByte.FindAllStringSubmatch(s, -1)
if len(arr) < 1 || len(arr[0]) < 3 {
return -1
}
n, err := strconv.Atoi(arr[0][1])
if err != nil {
return -2
}
if n <= 0 {
return -3
}
switch arr[0][2] {
case "G", "g":
return int64(n) * (1024 * 1024 * 1024)
case "M", "m":
return int64(n) * (1024 * 1024)
case "K", "k":
return int64(n) * (1024)
case "B", "b", "":
return int64(n)
default:
return -4
}
}先讓 ChatGPT 看一眼代碼，
ChatGPT4 表示他看懂了，接下來給 ChatGPT4 提一下重構的需求，看看 ChatGPT4 的表現，
不得不說，ChatGPT4 這些優化，使得代碼 Readability 了很多，特別是錯誤碼回傳這里，原來的代碼真是天坑，但同時我們也發現這個函式實作是不太符合需求的，他只匹配了 substring，例如 XXXX100KBXXX 這類引數也會被錯誤匹配，我們把這些情況告訴 GPT4，看看他的表現，（畢竟是結對編程，我也得動點腦子做點貢獻！！！）
這里我們看到，GPT4 不僅僅完成了需求，他還做到了兼容浮點數輸入，使得回傳的精度更高了，例如 1.5MB 實際是 1536B，按我們最初的實作確實會丟失精度，變成 1024B，這還幫我們發現了個 BUG，捂臉，
最后照例，讓他補充一下單測，
通過 15 分鐘的簡單交流，我和 ChatGPT 一起完成了這次代碼重構！！！
場景三：實作業務邏輯
雖然要求 chatGPT4 一次性給我們交付整個完整需求有點過分，但我們依然可以把需求拆分成小的邏輯單元給 chatGPT 實作，并要求他撰寫單測，
這次，我們找了我們專案里面最新的需求來做個實驗，讓 ChatGPT 幫我們完成需求，
需求是要做一個事件的聚合能力，伽利略會收集各個平臺的事件資料，聚合之后以更加可視化的方式給用戶展示，來吧，GPT4！
在我不斷的追加我的需求細節之后，chatGPT4 交付了一個還算可以的東西，當然這里我們也發現這段代碼有個 BUG，當然，我是不會自己動手修復的，讓 GPT4 自己來吧，
整體代碼雖然不算特別清晰，但做一些修改還是可以用的，當然我覺得這跟我本身沒把需求描述的太清楚也有關系，
場景四：改 BUG
我們伽利略平臺支持自定義指標，底層識別的變數型別是 2,$3 這種形式，UI 為了用戶可讀性，是表現為 A,B,C，最近出現了一個 BUG，A+B+C+D+E+F+G+H+I+J+K 配置下去再加載上來之后編程 A+B+C+D+E+F+G+H+I+J+B0，
原因 K 是 ，但是前端轉碼的實作，是回圈遍歷處理的，所有處理兩位數字有，轉回來識別成了1 和 0，
我們把這個問題給 ChatGPT，看他怎么解決，
場景五：寫單測
我相信上面的例子也足夠體現 GPT4 寫單測的能力了，它不管是表驅動、測驗用例的構造能力、代碼的 Readability 能力都非常強！
場景六：取名字
我們知道取變數名和函式名是工程師們最頭疼的問題，這個 ChatGPT4 非常擅長，畢竟這是它的母語呀，例如上面的決議存盤容量的函式，它給的建議確實比原名好太多了，
總結
GPT3 我感覺他還是網上搜了一些代碼組合給我的，GPT4 給我的感覺是他真的 get 到我的意思了，而且他能根據我的反饋不斷的優化他給我的代碼，雖然不能完全替代工程師編碼，但在很多繁瑣且不需要交代太多背景的獨立作業上，GPT4 還是完成的非常不錯的，作為一個技術人員，嘗試下與 GPT4 結對編程的方式，有可能在某些方面真的能提升自身生產效率，
微軟在生產力工具這個方向上的成就真的是不錯，也期待我們公司能搞出這么牛的成果！
PS：
驗證它是 GPT3 還是 GPT4 最簡單的一句話：昨天的今天是明天的什么，
作者：cheney
本文來自博客園，作者：古道輕風，轉載請注明原文鏈接：https://www.cnblogs.com/88223100/p/How-to-pair-programming-with-ChatGPT4-to-improve-research-and-development-efficiency.html
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/548916.html
標籤：其他
上一篇：Perceptron, Support Vector Machine and Dual Optimization Problem (3)