冷靜下來，不吹不黑。
01
最近半年，網際網路一款現象級的應用誕生：「ChatGPT」；
其火爆的程度，不輸前面的羊了個羊；
最初瞭解到ChatGPT還是春節的時候，但那時網上的測評還沒引起足夠的好奇心；
對於純文字式的聊天，試了幾次之後就無感了；
雖然很神奇，但是太客觀，太套路了；
但是從「ChatGPT4」開始，AI加工具的深度整合，這就有點繃不住了；
這裡強調一下；
把「ChatGPT」當工具，不是單指聊天，或者搜尋引擎；
果斷折騰個賬號，蹲上面體驗了一段時間；
至於如何申請賬號，隨手查一查，前前後後半個小時差不多搞定；
主要涉及兩款：ChatGPT、Bing搜尋；
先來聊聊體驗下來的直觀感覺，提問可能會受限於職業習慣，有一定的行業偏差；
對於AI智慧來說；
客觀問題的處理能力很強大；
只要提問時描述的足夠清晰和準確，通常都能得到符合預期的答案；
主觀問題的回答如果看多了；
會發現所有回答中都過於客觀和套路，反而顯得平平無奇，至少當下是這樣；
錯誤的機率也有，驢頭不對馬嘴的現象也有；
越是近期的資料，似乎越容易犯錯；
從整體的體驗來說；
AI智慧毫無疑問是極其強大的，當AI+網際網路+行業時，極具想象空間；
潛力很大，但是當下個人覺得還差點意思；
02
先簡單的聊幾句ChatGPT使用經驗；
在使用時；
必須要清楚自己需要的資訊是客觀的描述，還是其它真實的實踐經驗；
【1】儘量在聊天中設定角色；
比如初級Java工程師，架構師，產品經理等，這種身份可以是雙向設定的；
【2】明確問題的主觀性和客觀性；
客觀的資訊處理上很有邏輯，但是帶主觀色彩的問題，要麼是相同的套路，要麼是拒絕回答；
【3】表達清楚需求；
需求描述的越清楚，得到的答案越清晰，並且在需求上下文語義中，可以新增要求或者排除因素；
【4】自定義邏輯訓練；
對於一些ChatGPT盲區的資訊，你可以反向的告訴它，但是資訊的時效性不會太久；
【5】所有的回答不是都正確；
這種錯誤尤其容易出現在近期的最新內容上，或者比較久遠的年代資訊，以及一些挖坑場景計算；
總結一下；
ChatGPT確實可以理解對話的上下文語義，在回答的內容上也具備完整的邏輯；
至於得到的結果如何？
還是要基於各自的專業角度，去提問和做結果判斷，沒有統一的標準衡量；
所以；
如果真的想要把ChatGPT用的花裡胡哨的話，前提是要具備專業的提問和評估結果的能力；
要是單純的做一些應付型的事務，個人感覺是夠用的；
比如：週報，季度總結，等等；
相對於傳統搜尋引擎來說，ChatGPT是直接給出結果的，相當於替使用者使用搜尋引擎；
圍繞ChatGPT的測試，已經足夠多了；
下面主要從「Bing搜尋」的產品中，體驗一下「ChatGPT」的能力，直觀的感受一下產品+智慧的結合；
部分問題會展示「ChatGPT」的答案；
在測試中發現一個非常明顯的問題；
如果「Bing」採納的資訊源有誤，雖然輸出的結果不正確，看起來卻不像有問題的樣子；
03
作為一個搬磚數年的碼農，自然要先從程式碼方面開始測試；
- 使用Java語言寫一個簡單的加減乘除計算器；
☞：這個小注解寫的，彷彿自己又回到某磚廠實習的時候，不寫註解要嘎績效一樣，可惜那時候沒這茬工具，不然程式碼寫好直接拿過來補一註解；
- 分析這段程式碼的問題，並進行最佳化「程式碼塊如圖」；
☞：只給程式碼補註解，可真是小看「ChatGPT」了，可以連著邏輯一塊最佳化掉，當然儘量不要給它最佳化程式碼的機會，不然對自己的信心是個考驗；
- 做一份SpringBoot框架的簡單分析；
☞：這個看看就好，像是從官網翻譯和整理過來的；
- 做一份SpringCloud框架的簡單分析；
☞：這個也一樣，像是從官網翻譯和整理過來的；
- 如何使用這兩個框架，設計一套分散式架構系統？
☞：雖然沒有指明用哪兩個框架，但它還是理解了上下文語義，還可以要求提供部分原始碼，由於內容太長，此處不貼上了；
04
看完寫程式碼的能力，自然還要聊幾個與研發相關的事項；
- 作為Java工程師，先說說如何分析業務場景，再總結幾個常用的方法；
☞：怎麼說呢，感覺差點意思把，我是沒預期到它會總結到技術方法上去；
- 作為Java工程師，如何與產品溝通需求，從而精確理解需求的本質；
☞：回答很客觀，也中規中矩，個人感覺並不算深入；
- 作為研發人員，如何理解運營的工作，從而精確的實現各種資料指標的採集；
☞：這個回答採用了「ChatGPT」的答案，相對更符合個人在工作場景中的習慣，而「Bing」給的回答相對空洞一些；
- 作為系統架構師，該如何統籌管理技術和業務兩個方向，提供一些方法論參考；
☞：這話裡話外的意思，好像都是說：卷就完了；
這些與研發關係密切的事情，最重要的不在於知道，知行合一才是最難的；
05
然後再來聊點職場比較熱門的話題；
- 如何看待Java語言已經老了這種說法，請從正反兩個方面進行對比分析；
☞：Java是不是老矣，我是判斷不了，但是作為就會這一門程式設計的玩家，希望它好好發展吧；
- 請深入的分析一下Java工程師的職場進階之路；
☞：其實吧，所謂的職場進階之路，最初都明白，也都想過，只是走著走著就偏了；
- 請深入的分析一下Java工程師在職場不同階段的天花板問題；
☞：用自己比較喜歡的一句話來共勉吧：積累、總結、用心記錄；
- 35歲的程式設計師，為何會有職場瓶頸？給5點分析；如何尋找突破方向？給5條建議；
☞：其實和這些建議相比，感覺35歲存款購買一輛電瓶車更現實點，前提是之前得努力的捲一捲；
06
最後再來隨便聊幾個其它話題；
- 用表格的方式輸出世界人口前十的國家排名，表頭是序號，國家，人口數，百分比；
☞：資料沒有驗證過，但是這做表格的速度是真的愛了，以後整合各種工具之後，效率不起飛？
- 從機率角度看，50%+50%是100%？還是50%？
☞：這個回答贊一手「Bing」的答案，雖然我不太懂，但是感覺說的多點更靠譜；
- 你是如何獲取客觀資訊的？是如何表達主觀邏輯的?
☞：做個大膽的假設：「ChatGPT」足夠普及之後，即人人都用，如果它自己陷入知識誤區的時候，怎麼說？
- 以內卷的口吻，潤色一下這段週報：1、解決自動化流程中斷問題；2、解決Web頁面顯示問題；3、最佳化慢SQL查詢；
☞：這是開通賬號之後，第一個想到的場景，週報過於簡單，被批過好多次，以後應該不會了；
- 請問你知道中國的熊貓萌蘭嗎？請以萌蘭為原型，畫一組中國風的功夫熊貓卡通畫；
☞：怎麼說呢，反正我是看不出來這是萌蘭的原型，有待提升吧；
非專業所在，就不討論關於作畫的能力了；
在最後還問了一句：萌蘭有可能把北動幹上市嗎？給了一段超長的分析判定這個說法難度很大，可真是機靈啊；
07
以客觀的心態來總結幾句；
近幾年的網際網路大熱點，每次都容易引發兩種極端的觀念；
極致的誇，極致的踩；
比如加密貨幣，低程式碼應用，元宇宙；
又或當下的「AI」；
人工智慧所帶來的最熱討論：會不會顛覆職場，導致更多的失業問題；
參考一個基礎理論；
假設人工智慧提升了效率，即生產力增加，如果需求沒有增長，那就意味著會解放生產力，即存在失業情況；
當下的「AI」還不足以顛覆，但是與行業深度整合後，也許有這個能力；
需要焦慮嗎？
反正我是焦慮了幾秒吧？
但是，拒絕過度的精神內耗；
以樂觀的心態應對，隨著AI模型的開放，多去培訓和積累AI的應用能力；
【不建議】過度參考焦慮文；
好像註冊一個ChatGPT之後，就可以原地失業，轉頭就可以創業，喜提老闆的身份；
是不是有點刺激，是不是還有點驚喜？
說實話嗷；
把「ChatGPT」當做工具，假設當你的專業能力足夠深入時；
它能不能提供有價值的資訊，是個問題；
你是不是能相信它所提供的資訊，目前來看，也是個問題；
最後說一句；
工具麼，耍一耍還是有必要的；