作者：cheney
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，是以我嘗試在工作中某些不涉密的基礎工作應用 ChatGPT4 來提升研發效率，簡單嘗試之後發現确實有不少場景是有效的。本文将向大家展示如何充分利用 ChatGPT-4 這一強大的 AI 工具，并結合結對程式設計方法，進而在研發過程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：正規表達式編寫
我們團隊負責 PCG 可觀測平台-伽利略的研發，PromQL 是可觀測領域常用的查詢語言，Protobuf 這種協定有自帶基于正規表達式的參數檢查器，是以我們需要寫一個正規表達式，來檢測 PromQL 的合法性，以便于盡早的發現不合法的 PromQL，抛出錯誤，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試，得翻閱不少 PromQL 手冊，正規表達式的手冊。我們試着把這個任務交給 ChatGPT4。
ChatGPT4 寫了一個很複雜的表達式，并且告訴我們這個需求是不合理的，完美的文法檢測得要實作一個文法分析器，而不是正規表達式。
這裡我完善我的需求，我們在接入層的正則應該在乎精确率，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。是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試資料。
咱們把代碼 run 起來：
有一個測試用例沒過，把這種情況告訴 ChatGPT4，讓他自己解決吧。
ChatGPT4 說要解決這個問題，必須引入更複雜的表達式。這不是我們想要的結果，是以我們還是選擇了更簡單的正規表達式傳遞需求，做一些簡單的檢查，更複雜的檢查就交給 promql 文法解析器去做。
是以我花 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規表達式。并且代碼非常 Readability，同時有單測。
場景二：重構代碼
我們寫代碼的過程中，往往會因為疏忽，而産出各種 bug 和壞味道。我們來試試 ChatGPT4 能幫我們做什麼。
下面随機找了一段我們代碼倉庫裡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 解析帶有容量的字元串
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，特别是錯誤碼傳回這裡，原來的代碼真是天坑。但同時我們也發現這個函數實作是不太符合需求的，他隻比對了 substring。例如 XXXX100KBXXX 這類參數也會被錯誤比對。我們把這些情況告訴 GPT4，看看他的表現。（畢竟是結對程式設計，我也得動點腦子做點貢獻！！！）
這裡我們看到，GPT4 不僅僅完成了需求，他還做到了相容浮點數輸入，使得傳回的精度更高了。例如 1.5MB 實際是 1536B，按我們最初的實作确實會丢失精度，變成 1024B。這還幫我們發現了個 BUG，捂臉。
最後照例，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 一次性給我們傳遞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，并要求他編寫單測。
這次，我們找了我們項目裡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台的事件資料，聚合之後以更加可視化的方式給使用者展示。來吧，GPT4！
在我不斷的追加我的需求細節之後，chatGPT4 傳遞了一個還算可以的東西，當然這裡我們也發現這段代碼有個 BUG，當然，我是不會自己動手修複的，讓 GPT4 自己來吧。
整體代碼雖然不算特别清晰，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
我們伽利略平台支援自定義名額，底層識别的變量類型是 2,$3 這種形式，UI 為了使用者可讀性，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後程式設計 A+B+C+D+E+F+G+H+I+J+B0。
原因 K 是 ，但是前端轉碼的實作，是循環周遊處理的，所有處理兩位數字有，轉回來識别成了1 和 0。
我們把這個問題給 ChatGPT，看他怎麼解決。
場景五：寫單測
我相信上面的例子也足夠展現 GPT4 寫單測的能力了，它不管是表驅動、測試用例的構造能力、代碼的 Readability 能力都非常強！
場景六：取名字
我們知道取變量名和函數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，例如上面的解析存儲容量的函數，它給的建議确實比原名好太多了。
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，而且他能根據我的回報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工作上，GPT4 還是完成的非常不錯的。作為一個技術人員，嘗試下與 GPT4 結對程式設計的方式，有可能在某些方面真的能提升自身生産效率。
微軟在生産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麼牛的成果！
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麼。
作者:cheney
來源:微信公衆号:騰訊技術工程
出處:https://mp.weixin.qq.com/s/8xqDF0GwWt_JPctWyKikQg