如何与ChatGPT4结对编程提升研发效率
ChatGPT4 相比 ChatGPT3.5 在逻辑推理能力上有了很大的进步,他的代码生成能力更是让我非常震撼,因此我尝试在工作中某些不涉密的基础工作应用 ChatGPT4 来提升研发效率,简单尝试之后发现确实有不少场景是有效的。
本文将向大家展示如何充分利用 ChatGPT-4 这一强大的 AI 工具,并结合结对编程方法,从而在研发过程中实现显著的效率提升。
重要提示:大家在作相应尝试的时候,一定要注意信息安全。
场景一:正则表达式编写
我们团队负责 PCG 可观测平台-伽利略的研发,PromQL 是可观测领域常用的查询语言,Protobuf 这种协议有自带基于正则表达式的参数检查器,因此我们需要写一个正则表达式,来检测 PromQL 的合法性,以便于尽早的发现不合法的 PromQL,抛出错误,降低底层引擎的压力。
这个需求,按经验至少得花超过一小时编码及单元测试,得翻阅不少 PromQL 手册,正则表达式的手册。我们试着把这个任务交给 ChatGPT4。

ChatGPT4 写了一个很复杂的表达式,并且告诉我们这个需求是不合理的,完美的语法检测得要实现一个语法分析器,而不是正则表达式。
这里我完善我的需求,我们在接入层的正则应该在乎精确率,忽略召回率,旨在尽早发现一部份错误,而不是全部错误。

这一次,看上去还不错,但是我懒,不想仔细看,我又不放心他写。所以我要求他自己写个单测,进行充分的自测。

ChatGPT4 写的单测非常的 Readability,他还知道表驱动的方式写测试数据。
咱们把代码 run 起来:

有一个测试用例没过,把这种情况告诉 ChatGPT4,让他自己解决吧。

ChatGPT4 说要解决这个问题,必须引入更复杂的表达式。这不是我们想要的结果,因此我们还是选择了更简单的正则表达式交付需求,做一些简单的检查,更复杂的检查就交给 promql 语法解析器去做。
所以我花 5 分钟,发现了需求的不合理,选择了最符合业务需求的方案,并且还写完了我们想要的正则表达式。并且代码非常 Readability,同时有单测。
场景二:重构代码
我们写代码的过程中,往往会因为疏忽,而产出各种 bug 和坏味道。我们来试试 ChatGPT4 能帮我们做什么。
下面随机找了一段我们代码仓库里面的不涉密基础代码,发给 ChatGPT4。
package strings
import (
"fmt"
"regexp"
"strconv"
)
var reOfByte = regexp.MustCompile(`(\d+)([GgMmKkBb]?)`)
// ParseByteNumber 解析带有容量的字符串
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
}
}
先让 ChatGPT 看一眼代码。

ChatGPT4 表示他看懂了,接下来给 ChatGPT4 提一下重构的需求,看看 ChatGPT4 的表现。

不得不说,ChatGPT4 这些优化,使得代码 Readability 了很多,特别是错误码返回这里,原来的代码真是天坑。但同时我们也发现这个函数实现是不太符合需求的,他只匹配了 substring。例如 XXXX100KBXXX 这类参数也会被错误匹配。我们把这些情况告诉 GPT4,看看他的表现。(毕竟是结对编程,我也得动点脑子做点贡献!!!)

这里我们看到,GPT4 不仅仅完成了需求,他还做到了兼容浮点数输入,使得返回的精度更高了。例如 1.5MB 实际是 1536B,按我们最初的实现确实会丢失精度,变成 1024B。这还帮我们发现了个 BUG,捂脸。
最后照例,让他补充一下单测。

通过 15 分钟的简单交流,我和 ChatGPT 一起完成了这次代码重构!!!
场景三:实现业务逻辑
虽然要求 chatGPT4 一次性给我们交付整个完整需求有点过分,但我们依然可以把需求拆分成小的逻辑单元给 chatGPT 实现,并要求他编写单测。
这次,我们找了我们项目里面最新的需求来做个实验,让 ChatGPT 帮我们完成需求。
需求是要做一个事件的聚合能力,伽利略会收集各个平台的事件数据,聚合之后以更加可视化的方式给用户展示。来吧,GPT4!




在我不断的追加我的需求细节之后,chatGPT4 交付了一个还算可以的东西,当然这里我们也发现这段代码有个 BUG,当然,我是不会自己动手修复的,让 GPT4 自己来吧。

整体代码虽然不算特别清晰,但做一些修改还是可以用的,当然我觉得这跟我本身没把需求描述的太清楚也有关系。
场景四:改 BUG
我们伽利略平台支持自定义指标,底层识别的变量类型是 2,$3 这种形式,UI 为了用户可读性,是表现为 A,B,C。最近出现了一个 BUG,A+B+C+D+E+F+G+H+I+J+K 配置下去再加载上来之后编程 A+B+C+D+E+F+G+H+I+J+B0。
原因 K 是 ,但是前端转码的实现,是循环遍历处理的,所有处理两位数字有,转回来识别成了1 和 0。

我们把这个问题给 ChatGPT,看他怎么解决。


场景五:写单测
我相信上面的例子也足够体现 GPT4 写单测的能力了,它不管是表驱动、测试用例的构造能力、代码的 Readability 能力都非常强!
场景六:取名字
我们知道取变量名和函数名是工程师们最头疼的问题,这个 ChatGPT4 非常擅长,毕竟这是它的母语呀,例如上面的解析存储容量的函数,它给的建议确实比原名好太多了。

总结
GPT3 我感觉他还是网上搜了一些代码组合给我的,GPT4 给我的感觉是他真的 get 到我的意思了,而且他能根据我的反馈不断的优化他给我的代码。虽然不能完全替代工程师编码,但在很多繁琐且不需要交代太多背景的独立工作上,GPT4 还是完成的非常不错的。作为一个技术人员,尝试下与 GPT4 结对编程的方式,有可能在某些方面真的能提升自身生产效率。
微软在生产力工具这个方向上的成就真的是不错,也期待我们公司能搞出这么牛的成果!
PS:
验证它是 GPT3 还是 GPT4 最简单的一句话:昨天的今天是明天的什么。
作者:cheney
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】凌霞软件回馈社区,博客园 & 1Panel & Halo 联合会员上线
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】博客园社区专享云产品让利特惠,阿里云新客6.5折上折
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 在鹅厂做java开发是什么体验
· 百万级群聊的设计实践
· WPF到Web的无缝过渡:英雄联盟客户端的OpenSilver迁移实战
· 永远不要相信用户的输入:从 SQL 注入攻防看输入验证的重要性
· 浏览器原生「磁吸」效果!Anchor Positioning 锚点定位神器解析
2012-04-01 剪刀、石头、布 每局必胜法
2009-04-01 25个优秀的下拉菜单导航脚本