chatgpt 演示寫代碼 10個值得收藏的ChatGPT輔助編程技巧

2023-09-26 發布在 ChatGPT知識101

在我們開始之前，你必須先了解編程語言，然后才能相信拋給你的任何東西。我必須明確這一點，因為許多誤入歧途的綿羊被告知是新的圣杯，開發人員將被淘汰。

推薦：用 NSDT場景設計器快速搭建3D場景。

使用或任何 LLM 不會自動讓你成為大師，也不會自動讓你更有效率。

一味的復制粘貼代碼對任何人都沒有好處；這只是懶惰。它可能會導致意想不到的后果，當你添加不理解的代碼時，這可能會直接或間接地損害你的項目。

你需要承認已經使用 2021 年之前的公開數據進行了訓練。結果可能有偏見、容易出錯并且缺乏引用。因此，最好始終牢記這一點，因為它提供準確和最新答案的能力并不比其訓練數據集的準確性和相關性更好。隨著弄清楚如何持續確保模型是最新的chatgpt 演示寫代碼，這可能會隨著時間的推移而改變。

如上所述，“提示”可能會生成答案或代碼片段，這些答案或代碼片段可能會引用較舊的框架版本或具有安全缺陷或錯誤的已棄用功能。

現在我們已經解決了這個問題，讓我們進入并查看一些有價值的提示，這些提示將幫助你增強使用的方式。

1、避免丟失上下文

是上下文感知的。

有文本輸出限制，但可以通過鍵入“”或“繼續”輕松繞過這一限制。

如果“繼續”返回的解決方案略有不同，你可能需要返回并修復變量名稱或更改函數參數的順序。

如果你在聊天中問太多問題，它最終會失去上下文，因為每次你問一個新問題時它只會延續之前對話的有限部分。

要解決這個問題并保留上下文，可以編輯之前的問題并提出一個完全不同的問題。仍將保留更早之前的上下文，這對于詢問有關同一應用程序中不同文件的編碼問題很有用。

另一個提示是提示“ for ”讓修改其答案。具體說明你想要的輸出樣式。 “ me code…”、“ code on…”都會給出不同風格的答案，這可能與點擊重新生成的響應不同。

2、保持提示簡短準確

有時，冗長、復雜的提示可能會產生相反的效果，因此保持簡短和精確總是好的。如果你給它太多的任務或者答案需要大量的文字，它可能只是拒絕回答/幫助。

最好描述程序，然后分別詢問每個功能，同時指定與先前代碼兼容的提示。一旦你這樣做了，你就可以得到想要的效果。

3、明確提示輸出樣式

將關鍵字“list”添加到你的提示中可以更改的輸出方式。例如，下面的第二個提示要求列出最大的銀行：

由于是基于文本的，你可以使用關鍵字“”作為提示的一部分。例如：

這是另一種要求代碼輸出的變體。下面的鍵/值需要反過來，但是我們不清楚如何定義哈希表：

由于我們現在知道是上下文感知的，我們可以繼續根據之前的輸出請求進一步的更改：

此外，我們可以繼續這個上下文感知之旅，并通過根據之前的提示編寫更復雜的邏輯來進一步操縱輸出：

4、生成代碼文檔

可以幫助你為代碼編寫清晰簡潔的文檔，包括項目的 .md 文件。通過為模型提供有關你的代碼的信息，它可以生成詳細的文檔來解釋它的工作原理和使用方法。

采取的步驟包括：

5、輔助完成代碼

通過粘貼代碼片段并提示建議，可以幫助完成代碼。這為不同的問題解決技術提供了機會。通過不斷的提示，可以建立一個反饋循環來澄清特定的代碼行，這有助于理解和深入了解你可以進行的潛在增強。

6、對輸入保密代碼保持警惕

鑒于使用的是 (LLM)，即，其中“生成”是指模型生成新內容的能力，該模型的底層基礎是將大型訓練數據集轉換為數學結構。然后，它會學習該模式并使用它一次迭代地預測一個詞，從而為給定的提示創建最佳響應。這意味著你添加到其中的任何內容都可能用于未來的迭代訓練。

在某些真實情況下，為了調查目的而插入代碼片段是有意義的。例如，交叉檢查已經在公共領域的開源代碼中的錯誤或不直接或間接披露專有公司機密的代碼片段。

“這一切都是有趣的游戲，直到有人做了一些愚蠢的事情。”

7、給出要求編碼的提示

以下是一些示例提示，可幫助你簡化代碼和重構工作：

Code alternative example
input 
Simplify below code 
input 
Refactor this code 
input

可以充當 SQL 終端并可以響應提示。這對于測試很有用chatgpt 演示寫代碼chatgpt 演示寫代碼，但最好直接通過像這樣的 SQL IDE 來學習。

這是另一個用作正則表達式生成器的示例。正則表達式會變得非常復雜；測試和學習如何解釋它們總是好的。

下面顯示的第一個提示用于電子郵件驗證。你會注意到輸出不符合標準，該標準取代了，并于 2001 年過時。因此，僅生成基本驗證。還可以提出進一步的請求以獲得符合規范的模式。

然后，我們可以在我們最喜歡的 IDE 中執行一些測試，并圍繞生成的正則表達式編寫測試用例，以確保它符合我們的要求。請注意，協助并不意味著沒有盡職調查、測試代碼和驗證是否處理了所有驗收標準和邊緣情況。

import re
def test_email_regex():
    pattern = r"^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+.[a-zA-Z]{2,}#34;
    # Test valid email addresses
    assert re.match(pattern, "example@example.com")
    assert re.match(pattern, "example.example@example.com")
    assert re.match(pattern, "example+example@example.com")
    assert re.match(pattern, "example_example@example.com")
    assert re.match(pattern, "example%example@example.com")
    
    # Test invalid email addresses
    assert not re.match(pattern, "example@.com")
    assert not re.match(pattern, "example@com")
    assert not re.match(pattern, "example@example.")
    assert not re.match(pattern, "@example.com")
    assert not re.match(pattern, "example@example..com")

試試上面的。你可能會注意到有些東西有點奇怪，這證明了我需要驗證的觀點。

8、不要太天真

可以生成代碼并不意味著它可以開箱即用。諸如“給我寫一個簡單的待辦事項列表應用程序”之類的提示會在一定程度上為簡單的項目創建一個基本結構。為了讓生成的代碼正常工作，你必須投入的工作量會更多，這有時可能會違反直覺，由于需要更多代碼工作的上下文，可能會減慢你的速度。

如果你沒有經驗并且對框架和代碼沒有很好的理解，那么生成的任何內容都不會在現場生產環境中發揮作用。也不適合那些事先不了解他們請求信息的主題的人。

始終交叉檢查外部引用并練習結對編程和代碼審查，以驗證推送到你的存儲庫中的任何代碼。

有一種誤解認為會神奇地為你簡化一切。像任何工具一樣，它的結果完全取決于使用它的人。

我仍然相信編碼是一個創造性的過程；等工具可以協助但不能取代軟件開發人員。他們有能力幫助開發人員更聰明地工作，但也有能力讓我們作為軟件開發人員自滿和腦殘。

9、提示生成測試用例/計劃

鑒于的準確性有時會受到質疑，在編寫測試用例時，這是你可以安全地依賴作為靈感來源的領域。鑒于測試用例不是代碼執行的重要組成部分，與利用相關的風險可以忽略不計，獲得的靈感可以幫助你編寫更好的代碼。

測試用例也很容易驗證正確性，因為如果錯誤就會失敗。單元測試通常很容易理解，預期的結果是事先知道的。 LLMs 模型正確的可能性非常高。

測試計劃是你可以生成的另一件事，這對于與 QA 相關的測試特別有用。通過利用人工智能，QA 團隊可以自動執行重復性任務，并深入了解可生成質量更高的系統的邊緣案例。

示例：假設你有一個網站，你在該網站上構建了一些功能并想要計劃測試自動化。