Lima ciri utama ChatGPT boleh membantu anda meningkatkan kualiti kod
ChatGPT sedang merevolusikan cara kod dibangunkan, namun, kebanyakan pembangun perisian dan pakar data masih tidak menggunakan ChatGPT untuk menambah baik dan memudahkan kerja mereka.
Itulah sebabnya saya di sini untuk menggariskan 5 ciri berbeza untuk meningkatkan kelajuan dan kualiti kerja harian kita.
Kita boleh menggunakannya dalam kerja harian kita. Sekarang, mari kita ketahui bersama.
Nota: Jangan sekali-kali menggunakan kod atau maklumat utama dalam ChatGPT.
01. Rangka kerja untuk menjana kod projek
ChatGPT ialah senjata rahsia saya apabila membina projek baharu dari awal. Dengan hanya beberapa gesaan, ia menghasilkan rangka kod yang saya perlukan, termasuk teknologi, rangka kerja dan versi pilihan saya. Ia bukan sahaja menjimatkan sekurang-kurangnya satu jam kerja, tetapi ia juga membantu memastikan dokumen saya (atau dokumen pasukan) teratur dan terkini Ia seperti menambah pemalam kepada pasukan!
Sebagai contoh, katakan saya ingin menggunakan beberapa API luaran, saya boleh meminta ChatGPT mendraf struktur kod awal untuk saya.
Gunakan Python untuk menjana kod boilerplate untuk menyepadukan API luaran.
ChatGPT menjawab serta-merta:
Malah, saya boleh meminta rangka kerja untuk mengikis LinkedIn menggunakan Selenium dan ChatGPT akan memberikan saya output berikut.
from selenium import webdriver from selenium.webdriver.common.keys import Keys import time # Initialize the web driver driver = webdriver.Firefox() # Navigate to LinkedIn driver.get("https://www.linkedin.com/") # Find the email and password input fields email = driver.find_element_by_id("username") password = driver.find_element_by_id("password") # Enter your credentials email.send_keys("YOUR_EMAIL") password.send_keys("YOUR_PASSWORD") # Click the login button driver.find_element_by_xpath("//button[@type='submit']").click() # Wait for the page to load time.sleep(5) # Navigate to the profile of the desired user driver.get("https://www.linkedin.com/in/USER_PROFILE_NAME") # Extract the information you want from the page name = driver.find_element_by_xpath("//span[@]").text location = driver.find_element_by_xpath("//span[@]").text print(name) print(location) # close the browser driver.quit()
Mudah, kan? Cuba mencabar ChatGPT dengan mana-mana projek yang anda boleh bayangkan.
02 Selidik dan Bandingkan
Membuat keputusan tentang cara melaksanakan sesuatu boleh menjadi sukar, terutamanya apabila terdapat berbilang pilihan untuk dipilih. Pendekatan pilihan saya ialah mencipta bukti asas konsep untuk setiap kaedah dan kemudian membandingkannya. Walau bagaimanapun, dengan bantuan ChatGPT, prosesnya menjadi lebih mudah.
Saya kini boleh terus bertanya pendapat pakarnya tentang pilihan atau perpustakaan yang terbaik untuk pembangunan kod saya. Ini menjimatkan masa dan tenaga saya dalam proses membuat keputusan dan memastikan saya menggunakan alat terbaik untuk kerja itu.
Andaikan saya ingin menggunakan data geospatial tetapi tidak pasti sama ada saya perlu menggunakan Geopandas atau Plotly. Saya boleh meminta ChatGPT untuk membuat perbandingan untuk saya - sertakan jenis ia akan menjawab perbezaan utama antara kedua-dua perpustakaan dengan serta-merta.
Sumber tangkapan skrin Sembang dengan ChatGPT yang menerangkan kepada saya perbezaan antara geopanda dan plot
Jika saya ingin mengikis laman web sekarang, saya Anda boleh bertanya apa perpustakaan yang terbaik ialah. Jawapan ChatGPT menggunakan perpustakaan mengikis web paling popular dalam Python.
Sumber tangkapan skrin Sembang dengan ChatGPT, ChatGPT menerangkan tapak merangkak yang paling popular
Malah anda boleh bertanya yang terbaik untuk tapak yang ingin anda rangkak Apakah pilihan – walaupun ChatGPT berkemungkinan besar akan memberi amaran kepada anda bahawa ini akan melanggar dasar kandungan tapak – jadi berhati-hati.
Apakah pilihan terbaik untuk mengikis rangkaian sosial? untuk memahami Bukan asas kod yang kami buat. Menavigasi kod yang kompleks dan tidak teratur (juga dikenali sebagai kod spageti) boleh menjadi tugas yang mengecewakan dan memakan masa.
Tetapi, dengan ChatGPT, memahami pangkalan kod baharu menjadi lebih mudah. Saya kini boleh memintanya untuk menerangkan apa yang dilakukan oleh kod dan memahaminya dengan serta-merta. Tiada lagi pembaziran masa dan tenaga yang berharga cuba menguraikan kod buruk.
ChatGPT akan segera menerangkan kod di atas dengan terperinci dan anda juga boleh meminta butiran lanjut dalam bahagian kod yang diberikan — — Hanya bermain dengan ChatGPT untuk seketika dan anda akan mendapati bahawa ia boleh melakukan banyak keajaiban.
Tangkapan skrin ChatGPT chat, ChatGPT menerangkan kod yang saya tidak faham#We find how many jobs are offered. jobs_num = driver.find_element(By.CSS_SELECTOR,"h1>span").get_attribute("innerText") if len(jobs_num.split(',')) > 1: jobs_num = int(jobs_num.split(',')[0])*1000 else: jobs_num = int(jobs_num) jobs_num = int(jobs_num) #Here I choose manually a number of jobs, so it wont take that long: jobs_num = 1000; #We create a while loop to browse all jobs. i = 2 while i <= int(jobs_num/2)+1: #We keep scrollind down to the end of the view. driver.execute_script("window.scrollTo(0, document.body.scrollHeight);") i = i + 1 print("Current at: ", i, "Percentage at: ", ((i+1)/(int(jobs_num/2)+1))*100, "%",end="r") try: #We try to click on the load more results buttons in case it is already displayed. infinite_scroller_button = driver.find_element(By.XPATH, ".//button[@aria-label='Load more results']") infinite_scroller_button.click() time.sleep(0.1) except: #If there is no button, there will be an error, so we keep scrolling down. time.sleep(0.1) pass
04 Tambah ulasan pada kod kami
ChatGPT juga boleh membantu kami meningkatkan kualiti dan kebolehselenggaraan kod kami sendiri Dengan menambahkan ulasan baris demi baris atas permintaan, kami boleh memastikan bahawa kod kami didokumenkan dengan betul sebelum dikeluarkan. Ini membantu kami memenuhi keperluan kami untuk menambah ulasan pada kod kami dan memudahkan orang lain memahami dan menggunakan kod kami.
ChatGPT 可以明显提高了代码可读性、可维护性和与他人协作的能力。
假设之前的代码根本没有注释,我们可以让 ChaGPT 直接给它添加注释。
以下是ChatGPT为代码添加注释 :
# Find the number of jobs offered on the website jobs_num = driver.find_element(By.CSS_SELECTOR,"h1>span").get_attribute("innerText") # Check if the number of jobs contains a ',' and if so, convert it to number * 1000 if len(jobs_num.split(',')) > 1: jobs_num = int(jobs_num.split(',')[0])*1000 else: jobs_num = int(jobs_num) # Convert jobs_num to an integer jobs_num = int(jobs_num) # Set the number of jobs to scrape to 1000 jobs_num = 1000; # Initialize a counter variable to scroll through the jobs i = 2 # Start a while loop to scroll through the jobs while i <= int(jobs_num/2)+1: # Scroll to the bottom of the page driver.execute_script("window.scrollTo(0, document.body.scrollHeight);") # Increment the counter variable i = i + 1 # Print the current number of jobs scrolled through and the percentage of completion print("Current at: ", i, "Percentage at: ", ((i+1)/(int(jobs_num/2)+1))*100, "%",end="r") try: # Try to locate the "Load more results" button and click on it infinite_scroller_button = driver.find_element(By.XPATH, ".//button[@aria-label='Load more results']") infinite_scroller_button.click() # Sleep for 0.1 seconds time.sleep(0.1) except: # If the button is not present, sleep for 0.1 seconds and continue scrolling time.sleep(0.1) pass
令人印象深刻吧?基本可以添加注释的代码均添加了。
05.使用某种风格重写我们的代码
ChatGPT 不仅是理解陌生代码的宝贵工具,而且还可以帮助我们确保自己的代码遵循行业标准和惯例,通过要求它更正我们的代码以符合 Pep-8 约定,或者甚至为我们的编码风格创建自定义约定,我们可以避免在合并来自不同存储库或团队的代码时进行昂贵且耗时的重构。
这有助于简化协作流程并提高效率,总的来说,ChatGPT 是一个多功能工具,可以提高我们代码库的质量和可维护性。
如果我们让ChatGPT用Pep-8标准写之前的代码,它会直接给我们重构后的代码。
你能用 Pep8 标准重写下面的代码吗 ?
屏幕截图 ChatGPT 聊天,ChatGPT 按照 Pep8 标准提供我们的代码
总结
我希望读完本文后,您会意识到 ChatGPT 可以帮助我们提高工作效率并创造更高质量的输出。我知道很容易陷入认为人工智能最终会接管我们工作的陷阱,但正确的人工智能可以成为一种强大的资产,想办法让它可以为我们所用。
然而,重要的是要记住,批判性思维在与 AI 合作时仍然是关键,就像在与我们的人类同事合作时一样。
因此,在您急于实施 AI 生成的响应之前,请确保先花时间审查和评估它们。相信我,这最终是值得的!
如果 ChatGPT 的其他一些优秀功能让您感到惊讶,请您在留言区告诉我,让我们一起努力让人工智能为我们服务。
Atas ialah kandungan terperinci Lima ciri utama ChatGPT boleh membantu anda meningkatkan kualiti kod. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

Video Face Swap
Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

DALL-E 3 telah diperkenalkan secara rasmi pada September 2023 sebagai model yang jauh lebih baik daripada pendahulunya. Ia dianggap sebagai salah satu penjana imej AI terbaik setakat ini, mampu mencipta imej dengan perincian yang rumit. Walau bagaimanapun, semasa pelancaran, ia adalah tidak termasuk

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Menurut berita dari laman web ini pada 5 Julai, GlobalFoundries mengeluarkan kenyataan akhbar pada 1 Julai tahun ini, mengumumkan pemerolehan teknologi power gallium nitride (GaN) Tagore Technology dan portfolio harta intelek, dengan harapan dapat mengembangkan bahagian pasarannya dalam kereta dan Internet of Things dan kawasan aplikasi pusat data kecerdasan buatan untuk meneroka kecekapan yang lebih tinggi dan prestasi yang lebih baik. Memandangkan teknologi seperti AI generatif terus berkembang dalam dunia digital, galium nitrida (GaN) telah menjadi penyelesaian utama untuk pengurusan kuasa yang mampan dan cekap, terutamanya dalam pusat data. Laman web ini memetik pengumuman rasmi bahawa semasa pengambilalihan ini, pasukan kejuruteraan Tagore Technology akan menyertai GLOBALFOUNDRIES untuk membangunkan lagi teknologi gallium nitride. G

Dalam dunia pembangunan bahagian hadapan, VSCode telah menjadi alat pilihan untuk banyak pembangun dengan fungsi yang berkuasa dan ekosistem pemalam yang kaya. Dalam beberapa tahun kebelakangan ini, dengan perkembangan pesat teknologi kecerdasan buatan, pembantu kod AI pada VSCode telah muncul, meningkatkan kecekapan pengekodan pembangun. Pembantu kod AI pada VSCode telah muncul seperti cendawan selepas hujan, meningkatkan kecekapan pengekodan pembangun. Ia menggunakan teknologi kecerdasan buatan untuk menganalisis kod secara bijak dan menyediakan penyiapan kod yang tepat, pembetulan ralat automatik, semakan tatabahasa dan fungsi lain, yang mengurangkan kesilapan pembangun dan kerja manual yang membosankan semasa proses pengekodan. Hari ini, saya akan mengesyorkan 12 pembantu kod AI pembangunan bahagian hadapan VSCode untuk membantu anda dalam perjalanan pengaturcaraan anda.
