ChatGPT vs. Программист

Технологии меняют мир. В эпоху стремительного развития ИИ нужно шагать в ногу со временем. Иначе рискуешь остаться за бортом. Сегодня я расскажу о том, как повысить эффективность труда программиста за счет использования ChatGPT. Баек о том, как ИИ нас всех заменит, здесь не будет.

Я приведу набор рекомендаций по использованию, которые применяю сам в повседневной работе.

Вместо кропотливого гугления вашей ошибки, вставьте ее в ChatGPT и она выдаст вам весьма вразумительный ответ с описанием причин ее возникновения, примерами и способами решения. Не забывайте, что каждый отдельный чат в ChatGPT поддерживает контекст предыдущих сообщений. Если вы попросили проанализировать функцию, а затем просите рассказать про ошибку в том же чате, то примеры и описание получите в рамках ранее представленного кода.

Вставьте фрагмент кода и попросите ChatGPT найти ошибки в нем. Только не забывайте об NDA в вашей компании! Ваш код может стать достоянием всего человечества. Рассмотрим простой пример несовершенного метода на языке Go:

func (r *Repository) getDict(tableName string) (map[int]string, error) { values := make([]IDName, 0, 100) err := r.db.Table(tableName). Select("id, name"). Find(&values).Error if err != nil { return nil, fmt.Errorf("failed to get dict %s: %w", tableName, err) } idToName := make(map[int]string, len(values)) for _, value := range values { idToName[value.ID] = value.Name } return idToName, nil }

Явных ошибок не было найдено. Но приведенные рекомендации полезны.

Вставьте нужный метод и попросите написать к нему нужный тест. Даже если вам придется переписать часть кода, примеры будут информативны. Приведу ответ на мой запрос написать тест к приведенному выше методу

import ( "fmt" "testing" ) type MockDB struct{} func (m *MockDB) Table(name string) *MockDB { return m } func (m *MockDB) Select(columns string) *MockDB { return m } func (m *MockDB) Find(values interface{}) *MockDB { return m } func (m *MockDB) Error() error { return nil } type IDName struct { ID int Name string } func TestGetDict(t *testing.T) { // Создаем экземпляр Repository с MockDB repo := &Repository{ db: &MockDB{}, } // Вызываем метод getDict с тестовым значением tableName tableName := "test_table" dict, err := repo.getDict(tableName) // Проверяем, что ошибка равна nil if err != nil { t.Errorf("Expected error to be nil, got: %v", err) } // Проверяем, что полученный словарь содержит ожидаемые значения expectedDict := make(map[int]string) // Добавьте ожидаемые значения в expectedDict, соответствующие вашим тестовым данным // Например: // expectedDict[1] = "Value1" // expectedDict[2] = "Value2" // Сравниваем полученный словарь с ожидаемым if !mapsAreEqual(dict, expectedDict) { t.Errorf("Expected dictionary: %v, got: %v", expectedDict, dict) } } func mapsAreEqual(map1, map2 map[int]string) bool { if len(map1) != len(map2) { return false } for key, value := range map1 { if map2Value, ok := map2[key]; !ok || map2Value != value { return false } } return true }

Если вы в чем-то неуверенны – задайте свой вопрос ChatGPT. Ответ будет более информативным, нежели результат гугления.

Нейросети можно доверить рефакторинг кода (напоминаю, что код под NDA вставлять не нужно!) Например, когда у вас есть метод на сотни строк, выполняющий много разноплановой работы – ChatGPT неплохо справится с декомпозицией. Приводить пример больших кусков кода здесь не стану. Попробуйте проверить это самостоятельно.

К примеру, вы хотите написать микросервис, представляющий из себя веб-сервер с одним эндпоинтом для POST-запроса, принимающем на вход JSON с серией и номером паспорта. Сервис выполняет запрос в БД Postgres, где по серии и номеру паспорта извлекает нужный набор данных. И отдает их в ответе. Сформулируйте свой запрос, тщательно обдумав детали, и отправьте его в чат. Тренируясь писать промпты (запросы к нейросети), вы лучше научитесь формулировать задание как в голове, так и в виде текста. Плюсом, под вашу задачу наверняка уже существует нужный набор промптов в Интернете. Наилучшим образом работают промпты на английском языке.

Безусловно советую осваивать и использовать ChatGPT в своей работе. Приведенный выше список рекомендаций не претендует на полноту. Его предназначение в том, чтобы зажечь в вас искру любознательности и сподвигнуть к дальнейшему изучению ChatGPT как ассистента для рутинного труда. Если есть чем поделиться – добро пожаловать в комментарии! А если было интересно – подписывайтесь на мой телеграм-канал. И до скорых встреч, друзья!

ChatGPT vs. Программист

Поиск по тексту ошибок

Поиск потенциальных ошибок в коде

Написание unit-тестов и бенчмарков для ваших методов

Вопросы о специфических конструкциях в вашем языке

Рефакторинг кода

Написание каркаса приложения

Заключение