面多如此多的chatgpt应用场景，首先遭殃的大概就是发明了chatgpt的软件工程师自己了， 有一句话说的好：
走自己的路，让自己无路可走
真是悲摧的程序员。
目前的chatgpt已经可以毫不费力的通过自然语言生成代码。下面就是我曾经在学习Python的画图功能时尝试过的例子:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
import numpy as np
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as plt
# Input data
x = np.array([2019, 2020, 2021, 2022]).reshape((-1, 1))
y = np.array([320000, 459000, 543000, 349000])
# Create a linear regression object
model = LinearRegression()
# Fit the model to the data
model.fit(x, y)
# Predict the population of x city in 2023
year_2023 = np.array([2023]).reshape((-1, 1))
predicted_pop_2023 = model.predict(year_2023)
print("Predicted population of x city in 2023:", int(predicted_pop_2023))
# Input data
years = [2019, 2020, 2021, 2022, 2023]
population = [320000, 459000, 543000, 349000, int(predicted_pop_2023)]
# Create the plot
plt.plot(years, population)
# Add labels and title
plt.xlabel("Year")
plt.ylabel("Population")
plt.title("Population Trend of x City (2019-2023)")
# Show the plot
plt.show()
完全是由下面这个prompt生成的：
1
2
3
4
5
6
7
I have below data to tell the population of x city. Can you use python to plot the trend of year 2023?
2019, 320,000
2020, 459,000
2021, 543,000
2022, 349,000
其他的类似文本转化，正则表达式生成等等就更是不在话下了。
示例1 - 文本转化成Markdown格式
1
2
3
4
5
6
7
8
9
10
11
12
13
14
Prompt:
Please change below markdown list:
- XXX v15.2.0: releaseNotes/202109.md
- XXX v15.3.0: releaseNotes/202110.md
- XXX v15.4.0: releaseNotes/202111.md
- XXX v16.0.0: releaseNotes/202112.md
into markdown list with hyperlink like below:
- [MCT v15.0.0](olderReleases/202107.md)
and output as markdown source
转化结果：
1
2
3
4
5
- [XXX v15.2.0](releaseNotes/202109.md)
- [XXX v15.3.0](releaseNotes/202110.md)
- [XXX v15.4.0](releaseNotes/202111.md)
- [XXX v16.0.0](releaseNotes/202112.md)
- [XXX v16.0.0](releaseNotes/202201.md)
示例2 - 正则剔除html标签
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
Prompt:
<tr>
<td id="L8617" class="blob-num js-line-number js-code-nav-line-number js-blob-rnum" data-line-number="8617"></td>
<td id="LC8617" class="blob-code blob-code-inner js-file-line">令狐冲道：“你也坏得够了，
</td>
</tr>
<tr>
<td id="L8618" class="blob-num js-line-number js-code-nav-line-number js-blob-rnum" data-line-number="8618"></td>
<td id="LC8618" class="blob-code blob-code-inner js-file-line">令狐冲道：“啊，是了
</td>
Please use regular expression to remove all the html tags and only leave chinese content in upper block
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
# ChatGPT:
import re
html_text = """
<tr>
<td id="L8617" class="blob-num js-line-number js-code-nav-line-number js-blob-rnum" data-line-number="8617"></td>
<td id="LC8617" class="blob-code blob-code-inner js-file-line">令狐冲道：“你也坏得够了，
</td>
</tr>
<tr>
<td id="L8618" class="blob-num js-line-number js-code-nav-line-number js-blob-rnum" data-line-number="8618"></td>
<td id="LC8618" class="blob-code blob-code-inner js-file-line">令狐冲道：“啊，是了
</td>
"""
pattern = re.compile(r'<[^>]+>')
chinese_text = re.sub(pattern, '', html_text).strip()
print(chinese_text)
# Output:
#令狐冲道：“你也坏得够了，
#令狐冲道：“啊，是了
除了ChatGPT，还有其他一些快速生成代码的工具。其中Github Copilot和tabnine插件非常受欢迎，尤其是tabnine，因为它有免费版本可用，虽然功能有所限制，但也已经可以体验到非常好的开发效率提升。今天我还发现了一个专为开发人员设计的类chatgpt工具 - phind.com。它不需要任何注册认证，可以直接在网页上使用，与ChatGPT非常相似。此外，在页面右侧还会出现网页链接，这极大地提高了开发效率，简直就像集成了Google和ChatGPT的利器。我尝试问了它关于Go和Java的性能比较，甚至还提出了“为什么Go比Java慢”的问题，但它居然没有上当，相反地，它告诉我实际上Go会更快。
我还让它写了一段针对面向对象的Go和Java代码。它不仅写得非常清晰，而且还给出了这两个语言关于这方面知识的网站链接，为我提供了额外的帮助。正如它自己在首页所宣称的，“The AI search engine for developers”，这个工具名副其实，真的为开发人员带来了很多的便利。