背景
前段时间，我和公司的一位项目经理进行了交流。她负责多个项目的执行和交付，同时也深受各种POPO群消息轰炸的困扰。在公司，POPO被用作日常工作协同工具，功能类似于钉钉、飞书和企业微信。
我在日常使用ChatGPT的过程中对其代码编写和语义理解这两个能力尤其印象深刻。因此，我决定借助ChatGPT GPT4的能力开发一个POPO群消息助手产品。
当我开始这个项目时，钉钉和飞书尚未推出智能助理。随后他们的智能助理发布会上也公布了群消息助手功能，这也证实了这个功能是刚需。
产品实现
刚毕业那几年我一直在写程序。转行成为产品经理后，我的编码经验主要是用Python编写脚本和算法，几乎不再编写工程代码了。
POPO群消息助手是我很长一段时间来写的第一个工程软件。从产品构思到第一个版本的上线运行，累计大概花了四五天的时间。
产品的功能很清晰：
- POPO群消息助手就是一个POPO账号。
- 将这个账号加入任意一个POPO群后，它就会把该群当天的所有聊天内容按照不同的主题进行分类，总结出每个主题的关键信息和下一步计划。
- 每天晚上它会自动把总结信息发到群里。任何一个人发消息@它，它也会发送相关总结信息。
整体产品的实现逻辑也比较简单：
- 收集POPO群的消息。
- 按照特定的格式将消息发送到GPT接口，由GPT进行群消息的概括。
- 将概括的内容再发送到群内。
基于这次实践经验，我认为如果要利用ChatGPT完成一个工程型代码的开发，还是需要具备一定的技术基础：
- 理解一些基础的技术架构。例如前后端的概念，客户端、服务端、第三方服务之间的区别等，这样才能提出合理的问题。
- 能读懂代码。虽然ChatGPT可以直接编写代码，但你不能只通过一个需求就让它写出大量完整的应用程序。你还需要通过多个问题来完成程序不同部分的代码，这些代码的组合仍然需要你自己完成，而且很多时候你也需要直接修改代码。
- 对代码运行环境有一定的了解，例如Linux，需要会执行Shell命令。
如果完全没有上述基础，虽然可以通过ChatGPT学习，但这可能并不提高效率，而更像是重新学习。
实现步骤
ChatGPT具有以下几个特性：
- ChatGPT目前只能处理字符串，并且输入和输出都有一定的字符串长度（token数）限制。
- ChatGPT对于明确具体的问题能够一次性给出精确的答案，对于抽象和笼统的问题则需要多次追问和人工调整，才可能得出接近的反馈。
- ChatGPT也可能会犯错误，需要人工进行纠正。
尽管POPO群消息助手的产品实现逻辑很简单，但基于ChatGPT的特性，我还需要经过反复的询问和调试才能完成产品开发。
整个开发的过程有几个部分工作：
构建生产和运行环境
首先，需要在服务器上安装开发框架。毕竟要实现的是一种服务端应用，与单机版软件有所不同。
我近期主要使用Python，所以选择了一个简单的Python框架——Flask。
之前对Flask有一定了解，在春节前就基于Flask将GPT接入到了个人公众号里，后来也因为众所周知的原因关闭了。
对于代码仓库管理，选择了目前最主流的工具——Git。
基于上述选择，我分别在个人电脑和服务器上配置了开发环境和线上运行环境。
我对环境的搭建并不熟悉。
因为平时只写Python脚本，在自己的电脑上使用Jupyter notebook或VS Code运行就行，很久没有写过在服务器上运行的程序了。
所以安装和配置的整个过程都是一步步向ChatGPT询问，然后复制命令在终端运行的。
比如下图就是我在询问如何从Linux服务器上下载文件。
调用POPO开放平台的服务
平时经常查看各种第三方接口文档，所以POPO开放平台接口文档的阅读是没什么问题。但对于一些非功能性的接口调用，如获取接口的Token，接口调用的签名验证等，我平时并不关注。这些对于开发人员来说是标准的流程，但对我来说却是新事物。
关于如何使用开放接口，我的经验是将以下几部分内容分别输入ChatGPT，然后它就可以直接返回调用代码。
内容包括：
- Token
- 接口调用地址
- 接口描述和接口参数
- 示例代码
我将这些内容分别粘贴给ChatGPT，然后将其返回的代码复制到IDE中直接运行，一切顺利。整个过程非常神奇。
比如下面GPT就在帮我改写接口示例代码。
代码逻辑实现
代码逻辑的开发通常是最耗时的部分。由于我日常编程量不多，对于语法和各种库的熟悉程度偏低，每次写代码时才查阅各种相关资料，挺费时的。
而ChatGPT擅长写代码逻辑，只要需求清晰，它不仅能妥善处理逻辑，而且函数定义清晰，基本上也会考虑异常处理，其能力超越许多专业程序员。
如果产品功能很简单，只需要一个或几个函数就能运行，那么经过几个问题和追问后，ChatGPT就能给出可直接运行的代码。
但如果产品功能达到一定复杂度，代码量也相应增加，那么情况就会变得复杂。这也和前面提到的ChatGPT的使用特性有关。
比如如果直接告诉ChatGPT用Python来实现POPO群消息助手，它是无法实现的。我必须给它提供一系列背景信息和产品实现逻辑，让它理解整体需求。
同时，由于复杂的背景和需求超过了ChatGPT的token限制，整体代码的输出也超过了token限制。所以必须要一步一步告诉它。
也就是说，我需要把复杂问题拆解成简单问题，然后得到简单问题的答案，最后组合成复杂问题的答案。
整个拆解、询问、汇总的过程，都需要人工来完成。
并且这个过程还需要反复调整。
整个开发过程中，我应该询问了上百次。且在整个过程中，基本不可能在ChatGPT那保持一个始终稳定的背景和需求，让他直接给我正确答案。
首先，复杂问题的拆解本身就不是一步到位的，人的理解也是一个逐步接近正确的过程，需要不断尝试。
其次，ChatGPT本身也会出错。
所以人的判断和参与在整个过程中是非常重要的，并且最后还是由人来汇总出正确的完整代码。
这也就是为什么我认为，如果想用ChatGPT来完成一个有一定复杂度的产品开发，自己还需要有一定的编码能力。
下图就是ChatGPT犯错的时候。
写在最后
基于这次使用ChatGPT完成软件开发的经历，我认为它首先是产品经理的好助手。
产品经理通常有很多想法，但由于不会编程，这些想法最终只能停留在纸上。有了ChatGPT的帮助，对技术有一定了解的产品经理，就能够自己制作出各种简单的产品，一个人能变成一支队伍。
对于专业的程序员来说，ChatGPT能大大提高编码效率，也会整体上提升代码质量，这对于个人来说也是好事。
当然，能够大幅度提高效率的技术，往往也会带来行业的重大变革。因此，ChatGPT对于程序员这个职业会产生什么样的影响，是进一步要关注和思考的了。
关于这些问题，本文就不详细探讨。
用一句流行的话来结束，打败我们的不是AI，而是用AI的人。
感谢阅读，欢迎关注公号「何必多想」