导读

AI 不是来替代你的，是来帮助你更好工作。用better prompt使用chatgpt，替换搜索引擎，让你了解如何在工作中利用Prompt高效使用ChatGPT。

01背景

现在 GPT 已经开启了人工智能狂潮，不过是IT圈，还是金融圈。

一开始，我觉的它就是一个增强版搜索引擎，在使用了一段时间之后，才发现它可能不仅仅是一个搜索引擎，它可以做更多的事情，它更加智能，搜索引擎能做的，它能做，甚至做得更好，搜索引擎不能做的，它也能做。

刚开始的时候，它的很多回答都是胡编乱造的。例如你问它一些新上映的电影，它即使不知道也会胡编乱造一通。大家又开始贬低它，觉得只不过就是一个普通的聊天机器人，但是一段时间的使用之后，你会发现，它进化了。

虽然，目前chatgpt肯定不是最完善的，当时它已经可以很好的做一些工作了，我们可以看看利用Prompt，chatgpt会给我们那些惊喜。这里我们用国内的文心一言大模型，进行测试。

02AI 可以帮助我们做什么？

2.1 知识总结

刚开始接触学习新知识的时候，难免需要去查看文档。现在的各种在线文档非常丰富。往往对于一个初学者来说，需要接触的信息太多、排版五花八门，学起来很费力。

这时候就可以借助 ChatGPT 的总结能力，例如我想学习一下 K8S 的相关知识，我发给它一个文档的地址，让它帮我总结。

可以看到，它很好地总结了这篇中文的文档，并且对每一个关键点进行了概括，列出了文档中所有重要的知识点。

在这里你继续发一篇英文的文档给它，它也会用中文帮你总结。

prompt: 总结这篇文档https://kubernetes.io/docs/concepts/overview/components/ 。

让它总结一下 wikipedia 里的介绍。

prompt: 总结：https://zh.wikipedia.org/zh/%E6%B5%81%E6%B5%AA%E5%9C%B0%E7%90%832

当我们将很长的文档的内容复制进来，让 chatgpt 进行总结。但是这时候会发现，文章太长了，可能会收到报错。这时候，就要运用自己的想象力，使用 prompt 来进行优化了。我们需要把文章进行段落拆分，每一段都符合它的标准。

这样，就能得到了一篇文档的正确总结。

2.2 拆解任务

我们从需求端获取一个需求以后，很多情况下需要我们将任务拆分清楚，平且非常准确的估计时间，这时候可以简要描述一下我们这次的需求点，让 ChatGPT 帮我们进行任务拆解。

任务整体被拆成了一个个细小的任务。它可以很快的让我们将任务转换为 task，或者是需求跟踪单。这既方便和产品经理进行沟通，也便于我们自身排期。如果仍有疑问，可以继续询问拆解。比如我们想要询问第三步应该如何进一步实现。

2.3 阅读代码/优化代码

开发者经常接手别人的代码。质量参差不齐，还会夹在很多奇怪的命名。当我们阅读整体逻辑或者修改逻辑，可能会因为自身阅读的问题造成理解偏差，进一步引发 bug。

如果将这个方法交给 AI 去阅读呢？可以看看效果。

我们还可以让Chatgpt对每一行分别进行解释。这时候继续和它对话：

prompt: 在每一行代码上面加上注释

我们还可以尝试让它帮我们做代码的优化和重构。

prompt:对代码进行优化和重构

你可以对某一个部分提出更细节的要求，为它提出更好的优化方向。

prompt: 这个函数怎么重构为更加通用？

2.4 代码生成

开发者在工作中还有一种场景的工作量比较大，需要复杂的逻辑思考。但是实际上最终的代码可能只需要几行就可以搞定。你在思考过程中觉得很痛苦，想和身边的同事去沟通。也许你给他解释完这个逻辑以后，他非但不能帮你思考，反而将一人份痛苦变成两人份。

例如，我们要进行数据转换，是否也可以交给AI来做？我们发送给 GPT 这样的 prompt：

将数据结构进行转换。数据源为:[ { "candidates": null, "candidatesX": null, "description": "role---用户角色", "label": "角色", "name": "role", "optional": true, "schema": null, "type": "String" },{ "candidates": null, "candidatesX": null, "description": "Topics of the pulsar server to create---需要创建的主题", "items": { "schema": [ { "candidates": null, "candidatesX": null, "description": "topic name---主题名称", "label": "主题名称", "name": "name", "schema": null, "type": "String" }, { "candidates": null, "candidatesX": null, "default": 1, "description": "partition number---分区数", "label": "分区数", "name": "partitions", "schema": null, "type": "Integer", "validator": ">0" } ], "type": "Object" }, "label": "主题列表", "name": "topics", "optional": true, "schema": null, "type": "List" }]我想要得到的数据是 type 为 List 的数据，并且数据结构为:[{type:List, name:"topics", needValidates:[{ name:"name", type:"String"},{name:"partitions", type:"Integer"}] }]

GPT 会为我们得到正确的结果:

我们只需要输入目标数据结构，转换后的数据结构，无需指定语言。因为它会从你的上下文里理解到你是想要问什么实现方式。

还有执行脚本，我们只需要描述清楚我们的需求，它也会帮助我们进行完善。

上面可以看到，我们在这里使用了一次“自然语言编程”的操作流程。不论你是否会使用 python、bash 你都可以正常的描述你的需求。进行生成。

我们这里就可以打开一下思路，我们还可以进行代码转换，例如你写了一段 js 代码，你希望将这段代码转化为python。

2.5 生成单测

我们刚刚那段数据转化的代码，如果我们想要进行测试，只需要告诉 AI 帮我生成单测即可。

03Prompt 能力

3.1 Prompt 是什么？

整体来说，上述 AI 的强大之处有几点：

总结/理解能力。它能够很好的总结你发给它的内容，进行总结。这也就是一种理解能力。

强大的上下文关联能力。你不需要像使用搜索引擎一样，每一次的操作都是独立的。你可以将整个对话都变成一个巨大的搜索，通过多次对话来阐述自己想要的信息。甚至还能让它帮助你向它自己提问。

为了更好使用AI、利用这些能力，我们需要做 prompt。prompt 就是提示词，表达语言的能力。我们需要转换自己的思维，从工程师到产品经理，或者是一个 Business Analysis 的角色。我们需要将接到手的任务，进行拆解，一步步的变为提示词。

3.2 Better Prompt

开发者可以利用它的上下文能力，帮助自己纠正语法以及提供更好的 prompt 的训练。

不管你用任何一种语言，它都是利用数据模型进行分析，并不是用单一的语言进行思考。也就是说结果的生成质量不会差异很大。当然每一种语言会有所差异，目前来看英文的效果是最好的。目前国内的大厂也推出文心一言、通义千问。希望国内的大语言模型越来越好，这边文章就是使用了ai回答就是文心一言，目前来看能力还是不错的。

04总结

使用 ChatGPT 一开始进行简单的尝试，并没有觉得有什么特别的。在浏览各类教程时，才发现利用 GPT 进行代码创作来丰富自己的武器库，比如进行图标分析、软件制作等等。实际上，AI 并不是简单的问答而已，它具有一定的解决问题甚至是创造知识的能力。我们要对自己手里的任务、方法、逻辑，有更清晰的认知。让人类做人类该做的事情，让 AI 做它擅长的事情。