GPT4结对编程实战,鹅厂一线研发真实使用感受

图片

图片

👉腾小云导读

ChatGPT4相比ChatGPT3.5在逻辑推理能力上有很大的进步,其代码生成能力颇为优越。因此作者尝试在工作中某些不涉密的基础工作上,应用ChatGPT4来提升研发效率,简单尝试之后发现其在不少场景是有效的。本文将向大家展示如何充分利用 ChatGPT-4 结合结对编程方法,在研发过程中实现显著的效率提升。

重要提示:大家在做相应尝试的时候,一定要注意信息安全。

👉看目录,点收藏

1 场景一:正则表达式编写

2 场景二:重构代码

3 场景三:实现业务逻辑

4 场景四:改bug与写单测

5 场景五:取名字

6 总结

01、场景一:场景正则表达式编写

我所在的团队负责某可观测平台的研发。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。

对于这个需求,按个人经验来说我认为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:

图片

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。

这里我完善了我的需求: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:

图片

这一次的输出看上去还不错。但是我懒、不想仔细看,我又不放心它写。所以我要求它自己写个单测,进行充分的自测:

图片

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

图片

有一个测试用例没过,我们可以把这种情况告诉 ChatGPT4,让它自己解决:

图片

ChatGPT4 说:要解决这个问题,必须引入更复杂的表达式。然而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。

02、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:

图片

ChatGPT4 表示它看懂了。接下来我们给 ChatGPT4 提一下重构的需求,看看ChatGPT4 的表现:

图片

ChatGPT4 这些优化,使得代码 readability 了很多。特别是错误码返回的模块,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——它只匹配了 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,看看它的表现:

图片

这里我们看到:

GPT4 不仅仅完成了需求,它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。此外,还帮我们发现了个 BUG。

照例,让它补充一下单测:

图片

通过15分钟的简单交流,我和 ChatGPT 一起完成了这次代码重构。

03、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,并要求它编写单测。

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——做一个事件的聚合能力。我们的可观测平台(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:

图片

图片

图片

图片

在我不断的追加需求细节之后,chatGPT4交付了一个还算可以的成果。但是这里我们发现这段代码有个BUG。当然,我是不会自己动手修复的,让GPT4自己来吧:

图片

其交付的整体代码虽然不算特别清晰,但做一些修改还是可以用的。当然我觉得这跟我个人没把需求描述的太清楚也有关系。

04、场景四:改BUG

我们的可观测平台(伽利略)支持自定义指标,底层识别的变量类型是$1,$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$11,但是前端转码的实现,是 for 循环遍历处理的,所有处理两位数字有 BUG,转回来识别成了$1和0:

图片

我们把这个问题给ChatGPT,看它怎么解决:

图片

图片

此外,各位开发者通过上面的例子应该能感受到 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!此处我们不进行展开赘述了。

05、场景五: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。

图片

06、总结

说一说我个人关于GPT3和GPT4的使用体验。

当被输入需求,GPT3 仿佛是从网上搜了一些代码组合给我,而 GPT4更能理解我的需求,而且它能根据我的反馈不断的优化它给我的代码。整体来说,GPT4 相比历代,在逻辑推理能力上有了很大的进步,它的代码生成能力更是让我非常震撼。

此外,它在视觉表达、跨领域能力、编程能力等等也有飞跃的进步,此处不展开赘述。如果各位感兴趣,可以在公众号(点👉这里👈进入开发者社区,右边扫码即可进入公众号)后台回复 「GPT-4」,查看完整的测评报告。了解其能力的边界,将有助于各位更好应用。

虽然 GPT 等工具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。欢迎各位开发者体验。以上是本次分享全部内容,欢迎大家在评论区分享交流。

-End-

原创作者|胡宸源

技术责编|胡宸源

图片

你有什么使用ChatGPT的小技巧和心得,欢迎在公众号(点👉这里👈进入开发者社区,右边扫码即可进入公众号)评论区分享讨论。我们将选取1则最有创意的分享,送出腾讯云开发者-文化衫1个(见下图)。5月18日中午12点开奖。

图片

图片

图片

图片

图片

想了解GPT-4完整能力测评(视觉表达、跨领域能力、编程能力等)?在腾讯云开发者公众号(点👉这里👈进入开发者社区,右边扫码即可进入公众号)后台回复「GPT-4」,查看完整测评报告。

展开阅读全文
加载中
点击引领话题📣 发布并加入讨论🔥
0 评论
0 收藏
0
分享
返回顶部
顶部