面向 ChatGPT 编程的 11 种方法-轻识

0、搭建框架

首先，ChatGPT 可以帮我们开启想要编写的任何新内容的骨架结构，从而提升日常编码效率。GitHub Copilot 在这方面也做得很好。这里我们以远程下载图片为例进行演示。

在 VSCode 中，可以基于 ChatGPT 插件面向 ChatGPT 编程实现这段演示代码，代码生成后点击 Insert 自动插入代码到右侧编辑区：

当然，你也可以从第三方云存储下载图片丰富代码实现细节：

你可以拿出想要理解的任何代码，比如上面这段 ChatGPT 自动生成的图片下载代码，让 ChatGPT 对其进行解释：

可以看到这些解释非常详细，这比自己摸索试图理解复杂的代码要快得多，尤其是一些比较抽象的、封装度比较高的底层代码。

通过描述你想要实现的目标，让 ChatGPT 对现有的代码进行改进。比如这里假设图片资源不存在，则退出不执行后面的文件保存操作：

它会为你提供如何实现目标的说明，包括修改后的代码，非常酷。

当重构由非本地 Go 开发人员编写的使用不同命名约定的代码时，这非常有用：

注意到 ChatGPT 不仅为你提供更新后的代码，还解释了更改的原因。

当审查（Review）和重构（Rewrite）由非本地 Go 开发人员编写的代码时，这非常有帮助。ChatGPT 熟知 Go 语言代码风格，并将为你提供改进代码的建议，使其更易于阅读：

我们还可以让 ChatGPT 简化复杂的代码，结果将是原始代码的更紧凑版本，比如我们让 ChatGPT 来简化这段插入算法的示例代码：

你可以对比运行下两段代码的运行结果，完全一致，但是 ChatGPT 提供的简化版本显然代码更加简洁。

这已经成为我最喜欢的 ChatGPT 功能之一：询问它是否可以帮助你测试一个函数，它将为你编写测试用例。还是以上面这个插入排序函数为例：

Go 测试用例中一般是不包含 main 函数的，你可以让 ChatGPT 中去掉 main 函数：

有的时候，我们可能面对的是一段并不是性能最好的代码实现，比如基准测试后得出一段代码性能并不是很理想，需要寻求另一种更好的实现方式。这个时候，可以让 ChatGPT 给我们提供思路，当你想要探索不同的解决方案时，这非常有用。

下面以一段斐波那契数列的递归实现优化为例进行演示：

这里 ChatGPT 给出了两种替代方案，都很靠谱。

每当你想要将某些代码从一种语言转换到另一种语言时，可以请求 ChatGPT 帮助翻译，这对它来说是小菜一碟：

非常棒！

这是我最喜欢的另一个技巧之一。询问 ChatGPT 编写代码的文档，它通常可以很好地完成。它甚至会将使用示例包括在文档中：

如果你在代码中遇到困难并且找不到错误，可以向 ChatGPT 寻求帮助。它可能只需要几秒钟就能够找到错误原因所在。我不知道你的情况如何，但对我来说有时候会比 ChatGPT 要花费更长的时间。

我们以前面的下载图片为例进行演示：

不仅能找到问题，还能给出修复后的代码，调试代码的时间是不是大幅提升了呢？

在面向 ChatGPT 编程的过程中，需要记住以下两点，这也是使用 ChatGPT 编程的两个大前提：

使用 ChatGPT 不是说让它替我完成所有工作，使用 ChatGPT 是为了让我的产出和效率提升 10 倍。

ChatGPT 只是一个工具，而不是主导者，工具是给人使用的，能否最大化工具价值也在于使用它的人。主导者永远在人，在我。

何况，ChatGPT 也是有缺陷的。我发现它在处理代码时会出错，它不是总是对的，但这就是为什么我会在这里：监督它。我们一起形成了一个更完美的联盟。另外，那些诋毁这个工具的开发者正在忽略它的价值。

更多关于 ChatGPT 的内容，请点击阅读原文。