目录

• 1. 从哪儿聊起呢
• 2. 潮起潮退
• 3. 遇强则强，遇我则……
  • 3.1 玩法一：辅助技能提升
  • 3.2 镜头背后的故事
  • 3.3 玩法二：综合“技术选型”
  • 3.4 镜头背后的故事
  • 3.5 玩法三：快速生成 Terraform 配置
  • 3.6 镜头背后的故事
  • 3.7 玩法四：生成简单的 Python 脚本
  • 3.8 镜头背后的故事
  • 3.9 玩法五：构造 bug 复现场景
  • 3.10 镜头背后的故事
• 4. 总结

从 百草堂 到 三味书屋

从 Copilot 到 ChatGPT

从 ChatGPT 到 Copilot Chat

从 Copilot Chat 到 DevChat

烧掉了数不清的 token，走过了数不尽的弯路，被 GPT 逗笑过，也被 GPT 坑哭过……

今日个我想从程序员视角和大伙聊聊我用 GPT-4 干过点啥，GPT-4 又能干点啥？换个高端一点的说法就是：探索下 GPT-4 在软件工程领域的能力边界。

低调。低调一点。

NOTICE: 如果你在追更我的文章，那么下文的内容或许会让你感到“似曾相识”。今天的文章更像是一次总结，下文提到的各种 GPT-4 玩法都在我以前的文章中出现过。所以，你自己决定是不是看下去咯~

还记得 ChatGPT 开始爆火的那些日子吗？你还记得自己当时的感受不？焦虑过没？恐慌过没？

那些天，各种 ChatGPT 吊炸天的报道铺天盖地，炸了又炸，似乎地主家的“人工智障”一夜之间长大了，智能了，真正的“人工智能”来了！似乎这忽如一夜，第五次工业革命它就来了，AI 要抢走我们的饭碗了，教师要失业了，律师要失业了，程序员要失业了……

你打开手机，只见各种 AI 相关的故事铺天盖地：

• 一个设计师用 GPT-4 二十分钟就写了一个贪吃蛇游戏。
• 一家创业公司老板上午用了 ChatGPT，下午就裁员40%！
• 有人让 GPT-4 当老板，自己跑腿，居然实现了盈利。
• GPT-4已经可以被视为一个 AGI (通用人工智能)的早期版本！
• 微软154页研究刷屏：GPT-4 能力接近人类，「天网」初现？
• GPT 最终会让人类失去思考的能力，人类一切问题依赖 AI，最终被 AI 圈养！
• ……

你不禁感慨：这一生，有幸亲历一次工业革命，见证人类步入新时代，也是无憾！

不过 ChatGPT 出来了大半年了，GPT-4 问世也近半载了，至今，你却发现身边并没有人真的用 GPT-4 开起了自己的公司，赚到了大钱，走上了人生巅峰；你也没见产品经理亲自写代码，把程序员都逼去卖煎饼果子，当起了跑腿小哥；甚至你身边的程序员也没能完全用 GPT 来生成代码，甚至很大比例的程序员觉得和 GPT 聊天是浪费口水，花那时间澄清需求，调试 Prompt，还不如手撕代码来得快。

潮起，满是泡沫；潮去，一地海鲜。

能力不够，GPT 来凑，我拿到 GPT 后先学了下编程……

本文通过 DevChat 和 GPT-4 交互。相比于 Copilot Chat，DevChat 可以更加灵活地指定聊天上下文，更加自由地自定义 Prompt 模板，因此可以获得更加精准的 GPT 响应。如果你对 DevChat 感兴趣，可以到 DevChat 的官网注册试用。

3.1 玩法一：辅助技能提升

如下图，你可以就某个知识点追问 GPT，让它给你讲解讲解。

经过不知道多少轮的提问，最终我总结了三篇笔记：

• 《跟着 GPT-4 从0到1学习 Golang 并发机制(一)》
• 《跟着 GPT-4 从0到1学习 Golang 并发机制(二)》
• 《跟着 GPT-4 从0到1学习 Golang 并发机制(三)》

而后感觉功力大涨，于是用刚学到的“并发编程”技能写了一个开源的 Golang Worker Pool - GoPool：

看着还行，没过多少天涨了大几十 star：

3.2 镜头背后的故事

其实“G老师”没那么贴心，她不会主动把知识点都吐给你。你需要做好“挑螺蛳肉”的准备，不停地追问，还得主动思考、上手实操：

3.3 玩法二：综合“技术选型”

假如你现在需要写一个 API 服务吧，你能很快决定选择哪个 web 框架吗？假如你是个 Java 程序员，啥？你说你是写 Python 的？没关系，OKOK，那我就和你聊聊 Golang 吧。你不熟悉 Golang，于是你祭出 GPT-4，你可以这样问她：

你也可以换个姿势这样问她：

3.4 镜头背后的故事

也别高兴太早，你需要时刻谨记：GPT-4 的训练数据并不是最新的，所以重要的结论你最好 Google 一下，二次确认。

尽管 GPT-4 告诉你 Gin 是最优的，不过，假如，万一，咱就是有没有可能最近1年就是有某个新框架后来者居上了？咱就说有没有可能 Gin 社区没落，核心开发者跑路，这个框架已经被抛弃？总之，GPT-4 并不对它的“承诺”负责。它就那么一说，你就那么一听，最终做决定在你，担责的也是你。

3.5 玩法三：快速生成 Terraform 配置

曾几何时，我需要一个 EC2 实例。不过如你所知我并不是一个专业的运维，我也不想去慢慢翻 AWS 的文档（不专业还懒，快要没救了）。（但是我有 GPT 呀）于是我翻出来了 GPT-4，和它说了这句话：

我需要一个 EC2 实例用于部署单机版的 KubeSphere，这个实例的要求是：

1. 系统是 Ubuntu 22.04；
2. 规格不小于：2 CPU cores, 4 GB memory, and 40 GB disk space；
3. 可以用 ssh 连接；
4. 所有端口都可以从公网访问；

请给出创建这个 EC2 实例和其所需的 ssh key 对应的 Terraform 配置。

GPT-4 也挺痛快，直接给了一段炫酷的代码：

3.6 镜头背后的故事

GPT-4 是给了我一段 Terraform 配置代码，不过这段代码并不能“开箱即用”，我必须得先看得懂这段配置，然后告诉它为什么这段代码不行，需要怎么改，于是我还得继续给它提要求：

你以为这就完了？不，这次 GPT-4 给的新配置里出现了ubuntu-focal-22.04-amd64-server，“Focal Fossa”是“Ubuntu 20.04 LTS”版本的代号，而“Ubuntu 22.04 LTS”版本的代号是“Jammy Jellyfish”。你说要怪它吧，也不忍心，毕竟2022年才有的Ubuntu 22.04它没见过呀；你要说不怪它吧，难不成怪我啊？那我更不忍心了。

3.7 玩法四：生成简单的 Python 脚本

“人生苦短，我用 Python……”，转眼已经六年没有写过 Python 了，我在脑子里检索了半天知识库，却发现关于 Python 的就只剩下这句话了。

这不，好巧不巧，这天需要写一个“小程序”，感觉用 Python 是最合适的。尽管我已经对 Python 的语法很陌生，不过这不是有 GPT-4 的嘛，挑战下吧：

最后程序的运行效果如下图，自动创建了一个很大的 md 表格，也生成了一堆 md 文件，皆大欢喜：

3.8 镜头背后的故事

你猜对了，用 GPT 写代码哪有什么岁月静好一帆风顺？这不，GPT-4 这次给的 Python 里藏了一个 bug，于是我又得和它来回解释：

如果你对那天晚上的故事感兴趣，可以跳转这篇文章吃瓜。

3.9 玩法五：构造 bug 复现场景

当别人给你提 bug 时，别忙着改代码，你得先复现问题，万一人家耍你呢？

这不，那天阳光明媚，万里无云，我在逛 GitHub，发现 Helm 被提了一个 bug，于是我就小手一抖，领了。

哎，真是手贱。我随口一说，人家真的把 issue 指给我了。于是，我祭出了 GPT-4：

一派和谐，歌舞升平啊！GPT-4 就这么一顿输出，我就这么一顿复制粘贴，然后：

bug 复现了。

最终我也顺利地给 Helm 提了一个 PR，修复了这个 bug。

3.10 镜头背后的故事

复现归复现，GPT-4 并不能帮助你定位到 Helm 这种复杂度的项目中的 bug，毕竟 Helm 的源码量级已经远远超过 GPT-4 的上下文长度了。没错，GPT-4 无法理解 Helm 的源码，你得自己刷 Helm 源码啊，老大！咳咳，好像不是你要刷，是我要刷…… 惨惨惨。

GPT-4 能帮你干点啥？那取决于你拿它来干点啥。

啥？这个总结太敷衍？好吧，是有点。那就补几句：

• GPT-4 肯定能用来写代码，能一定程度上提升开发效率；
• GPT-4 不能保证写的代码完全正确，人需要能够看懂代码，识别错误，修复错误，才能把 GPT 给的代码真正用起来；
• GPT-4 知识库是21年之前的，很多问题的答案在当下已经变了，所以必要的时候得通过 Google 二次确认；
• GPT-4 会存在“幻觉”，有时候会“一本正经地胡说八道”。比如信誓旦旦地说已经修复了一个 bug，给出了新的代码，结果还是错的；
• GPT-4 的对话 token 有大小限制，会聊到后面忘了前面；
• GPT-4 更擅长在小型项目中，或者是独立，逻辑不太复杂的小块功能开发中发挥作用；大型项目或者是复杂算法往往“沟通成本”比“开发成本”更高。

本文通过 DevChat 和 GPT-4 交互。相比于 Copilot Chat，DevChat 可以更加灵活地指定聊天上下文，更加自由地自定义 Prompt 模板，因此可以获得更加精准的 GPT 响应。如果你对 DevChat 感兴趣，可以到 DevChat 的官网注册试用。