我從 2007 年大學畢業參加工作至今，已經在軟體開發這個崗位上工作 16 年了。這十六年來我也算經歷過一些新的技術浪潮的洗禮吧。我工作的 SAP 是歐洲最大也是最成功的軟體公司之一，主要的深耕領域是企業管理軟體。我也經歷了從本地部署軟體(On-Premises)到雲原生應用這種開發思維和理念的轉變，也親身體會到了 Docker 和 Kubernetes 等虛擬化技術給開發人員帶來的切切實實的便捷和工作效率的提升。但這些，都遠遠沒有今年年初以 ChatGPT 為代表的一系列 AI 技術讓我感到震撼。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/b409a1e51d4d49618cdb4b413b193dae.png#pic_center)

SAP 其實也早已釋出了面向企業級使用者的與某一細分領域和業務緊耦合的 AI 服務，這些 AI 服務部署在 SAP 自己的 BTP 雲平臺上，因為目標使用者不是 2C 的個人群體，所以不像 ChatGPT 這樣為普通大眾所知。

儘管有業界不少大佬也發出了諸如 `三年之後 AI 將終結程式設計` 這種言論，但我這個人生性比較樂觀，就算有一天 AI 真的會終結絕大多數程式設計師，只剩下極少數的演演算法工程師，那我也要儘可能在 AI 終結我之前，充分利用 AI 讓自己變得更強大。

我之所以會有這種相對樂觀的想法，是因為使用 ChatGPT 等一系列 AI 產品這幾個月，我發現自己的工作和學習效率都比以前有進一步的提升。

對於程式設計師來說，大家想必都習慣了透過 ChatGPT 來生成程式碼，然後自己手動稍加調整，這樣能在極短的時間內得到可以執行的程式碼。除了這種最常規的操作之外，本文想分享一些筆者在日常工作中是如何使用 ChatGPT 等 AI 工具提高自己工作效率的例子。

# 為程式碼生成對應的單元測試程式碼

使用的 ChatGPT prompt：`為下面這個實現的程式碼，編寫對應的單元測試程式碼`，然後將要生成單元測試的程式碼餵給 ChatGPT：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/83fd76f0302b475db59b42c9cde8b380.png#pic_center)

ChatGPT 會自動生成單元測試程式碼，我們可以在這些基礎上，進行人工審查然後修改。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/dc3847d56d684a42a9aff4c42ccc444c.png#pic_center)

# 利用 ChatGPT 幫助自己研讀經典框架的原始碼

比如我是一個 Angular 開發人員，幾乎每天都要和其標準庫裡的 HttpClient 工具庫打交道。

假設我對其 request 方法感興趣，想閱讀其原始碼，但是對於裡面個別語句不甚理解：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/c1accf586ef545e5ae591db69b7ecff1.png#pic_center)

那麼我首先讓 ChatGPT 給我介紹整個 request 方法大致完成一件什麼事情，使用 prompt：`逐行介紹一下下面這個方法的用途。這個方法來自 Angular common 開發包的 HttpClient 實現 http.mjs.`

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/190c101b1038480a981621ecd8040962.png#pic_center)

ChatGPT 給出的答覆，我一目十行，很快就瞭解了這個方法的大致目的。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/dd765446383c498887e217095b5afc0a.png#pic_center)

然後再給 ChatGPT 發出指令，提醒它要逐行介紹：`我讓你逐行介紹，你的介紹太簡略了。`

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/2b6ac2b1686a46b89b14b61d52c3200e.png#pic_center)

於是得到了我期望中的答案。

# 程式碼重構和效能最佳化

我首先故意寫了一段存在效能問題的 ABAP 程式碼。這段程式碼首先從資料庫表 tadir 裡讀取 200 條 Class 定義，然後迴圈這 200 條記錄，在迴圈體內再次根據定義裡的 Class 名稱欄位，到另一張資料庫表 seoclasstx 裡讀取 Class 的描述資訊。

```sql
REPORT z.

DATA: lt_dev  TYPE TABLE OF tadir,
      ls_dev  TYPE tadir,
      lv_text TYPE seoclasstx-descript.

SELECT * INTO TABLE lt_dev FROM tadir UP TO 200 ROWS WHERE object = 'CLAS' AND author
  = sy-uname.

LOOP AT lt_dev INTO ls_dev.
  SELECT SINGLE descript FROM seoclasstx INTO lv_text WHERE clsname = ls_dev-obj_name
     AND langu = sy-langu.

WRITE:/ 'class name: ', ls_dev-obj_name, ' text:', lv_text.
ENDLOOP.
```

這樣應用伺服器總共會對資料庫伺服器造成 1 + 200 = 201 次讀取操作。

我詢問 ChatGPT 以上程式碼是否存在可以最佳化的地方，ChatGPT 的回覆一語中的，排在第一點的建議就非常切中要害：將第二個 SELECT 語句放在迴圈體之外：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/23d227918de248b19ce66da2a43d3f11.png#pic_center)

我再對 ChatGPT 發出了指令：`請給我一份效能最佳化，重構後的程式碼。`

ChatGPT 也完美的完成了任務：

將第二個 SELECT 語句提至迴圈體外，現在資料庫伺服器總共的讀取次數從 201 次降低到了 2 次。
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/bbb30080990e412bb6a67dd756ff447c.png#pic_center)

# 閱讀正規表示式覺得頭疼？讓 ChatGPT 來替我們閱讀

下列這兩段正規表示式是我負責的 SAP 電商雲前臺登入頁面裡，使用者名稱和 password 兩個欄位驗證值合法性的正規表示式：

```typescript
export const EMAIL_PATTERN =
  /^(([^<>()\[\]\\.,;:\s@"]+(\.[^<>()\[\]\\.,;:\s@"]+)*)|(".+"))@((\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}])|(([a-zA-Z\-0-9]+\.)+[a-zA-Z]{2,}))$/; // eslint-disable-line

export const PASSWORD_PATTERN =
  /^(?=.*?[A-Z])(?=.*?[0-9])(?=.*?[!@#$%^*()_\-+{};:.,]).{6,}$/;
```

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/ff6b52894db04f4a8a1ffa1b2019a6f2.png#pic_center)
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/a59296f171f24f3d8c271361d0abda37.png#pic_center)

說實話這些晦澀的正規表示式語法，我從來就記不住，每一次都是要用的時候，才臨時去翻語法檔案。

有了 ChatGPT 之後，我可以直接讓它告訴我這些正規表示式的設計思路：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/8a8875dbce464b0fb198cca83d155218.png#pic_center)

# 利用 ChatGPT 幫助自己入門一個相對比較陌生的技術領域

我使用 Angular 開發已經有一段時間了，現在我想學習 React，因此向 ChatGPT 諮詢，讓它給我建議一些 React 的學習要點：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/9db77407a64742ee91c7e8a87f0db413.png#pic_center)

作為一個已經有 Angular 基礎的前端開發人員，我最感興趣的是 Angular 和 React 二者最大的區別是什麼？從 ChatGPT 那裡我得到了一些解答。

雖然我明白 ChatGPT 的回答只能作為參考，但至少它能夠給我很多啟發和靈感，作為我進一步到 React 官網開始精讀和深入學習的指引。

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/546e65626f9246ea9757c0834c2b8d62.png#pic_center)

以上就是我日常工作中一些使用 ChatGPT 提高開發效率的小心得。儘管 Google 搜尋也能某種程度上滿足我的需求，但是 Google 搜尋需要我精心選擇關鍵字，然後從搜尋結果列表裡手動篩選出需要繼續閱讀的網頁。並且上面幾個例子里正規表示式的解讀，單元測試程式碼的自動生成，程式碼重構和效能最佳化的建議，現階段 Google 還無法像 ChatGPT 這樣能夠以互動式的方式完成我發出的指令。

即便 AI 將來某一天終究會幹掉程式設計師，但是在這一天到來之前，我仍然會始終保持積極的心態，利用 AI 不斷提高自己的開發效率。

面對“失業焦慮”我們可以做些什麼？讓 AI 幫助自己變得更強大！

相關文章