ChatGPT的探索與實踐

人工智慧洞察站發表於2023-09-21
ChatGPT


來源：京東技術

導讀

本文主要介紹在實際的開發過程當中，如何使用GPT幫助開發，最佳化流程；恰逢今年京東20週年慶，文末也介紹瞭如何與618大促實際的業務相結合，來提升應用價值。本文所有程式碼和指令碼均是利用GPT生成。




01 
場景一：寫程式碼


在今年的敏捷團隊建設中，我透過Suite執行器實現了一鍵自動化單元測試。Juint除了Suite執行器還有哪些執行器呢？由此我的Runner探索之旅開始了！
使用GPT進行程式碼開發是許多人做的最多的一件事，只要用自然語言把自己的需求描述清楚，就可以讓GTP寫出一段可執行的程式碼段，甚至是完整的應用。而且只要描述得足夠明確清晰，產生的程式碼就不會有bug，非常高效。


舉個實際應用的例子，在先前的版本工程有一個需求，要求對落地頁的提示黃條UI進行改版，具體的需求描述為：
ChatGPT的探索與實踐圖1.具體需求描述
UI設計稿：

ChatGPT的探索與實踐圖2.UI設計稿

這是一個相當簡單的需求，準備利用Flutter進行開發，現在假設有一個對dart語言不是很瞭解的開發者，甚至是從沒有Flutter開發基礎的人，透過GPT也可以進行這種簡單的開發工作。在對GPT進行描述的時候，要儘量用通順的語言將自己的需求描述清楚，並且將關鍵的資訊點名：

ChatGPT的探索與實踐圖3.需求描述語言示意

這樣GPT就可以幫助生成所需要的檢視程式碼：
ChatGPT的探索與實踐圖4.生成程式碼示意
這對於沒有接觸過dart開發語言的開發者非常友好，由於可以任意指定程式語言，所以理論上，所有人都可以勝任全平臺開發的工作。

總結了在使用GPT進行程式碼開發時的重點：

  1. 主要資訊一定要表達明確，如語言型別，目標型別、寬、高、顏色、字號、間距等數值。

  2. 想象自己是產品經理或者是設計師，不用拘泥於專業術語，例如UIview、Segment、標籤等等，儘量使用自然語言表達。

  3. 不要存在自相矛盾的描述，100%會產生bug。

  4. 有些同學在描述需求的時候容易緊張，造成語句不通。在描述的時候完全可以不要著急，慢慢措辭。

  5. 不要涉密！不要涉密！不要涉密！GPT說到底是一個外部工具軟體，不是一個什麼問題都可以問的“樹洞”，涉及到商業機密的問題都不可以拿來詢問。



02 
  

場景二：寫指令碼

  


理解，首先 MCube 會依據模板快取狀態判斷是否需要網路獲取最新模板，當獲取到模板後進行模板載入，載入階段會將產物轉換為檢視樹的結構，轉換完成後將透過表示式引擎解析表示式並取得正確的值，透過事件解析引擎解析使用者自定義事件並完成事件的繫結，完成解析賦值以及事件繫結後進行檢視的渲染，最終將目標頁面展示到螢幕。

這是經常拿來使用的應用場景，對於一些重複性較高的勞動，編寫指令碼顯然是最好的選擇，甚至有同學認為，未來的發展方向就是指令碼編寫程式碼。指令碼的開發完全也可以交由GPT來進行。比如有一個需求，由於接入主站基礎庫，有一些工具類的類名產生了衝突，這種情況下需要進行全工程的類名替換，這種場景就很適合使用指令碼。

ChatGPT的探索與實踐圖5.寫指令碼應用場景示意

一般情況下寫這樣一個指令碼至少需要1～2個小時左右，熟練的大佬也需要半個小時左右，但是使用GPT，幾秒鐘就可以生成符合要求的指令碼。總結一下的幾種非常適合使用指令碼來處理的應用場景：

  1. 全工程級別的名稱替換

  2. APP圖片名稱替換

  3. 單元測試

  4. 轉換自然語言

這裡說一下轉換自然語言的作用，作為開發者，更習慣的是輸入關鍵數值來得到結果，但是GPT需要的是自然語言的描述，畢竟叫“chat”嘛，所以可以耍個小心機：用一個簡單的指令碼，輸入數值，輸出自然語言描述，然後將描述轉達給GPT。













width = int(input("請輸入寬度："))height = int(input("請輸入高度："))color = input("請輸入顏色：")
view = '#' * width + '\n'view += ('#' + ' ' * (width - 2) + '#\n') * (height - 2)view += '#' * width
description = f"生成一個寬度為{width}，高度為{height}的檢視，使用{color}顏色填充。"
print(view)print(description)
類似於這種轉換指令碼，可以更高效地使用GPT。


03 
  

場景三：與實際業務結合

  


理解，首先 MCube 會依據模板快取狀態判斷是否需要網路獲取最新模板，當獲取到模板後進行模板載入，載入階段會將產物轉換為檢視樹的結構，轉換完成後將透過表示式引擎解析表示式並取得正確的值，透過事件解析引擎解析使用者自定義事件並完成事件的繫結，完成解析賦值以及事件繫結後進行檢視的渲染，最終將目標頁面展示到螢幕

幾種將GPT與實際業務結合的設想：

導購

把ChatGPT的服務整合到搜尋功能中，在使用者進行搜尋的時候，利用他強大的功能給出使用者購買的意見，對於還沒有想好買不買，買那個，甚至沒有想好買什麼的使用者，給出導向性的意見，促進轉化率。

軟文創作

專案中有軟性廣告文章展示的適用場景，相比起人工創作寫作，ChatGPT不僅更為高效，還能結合大資料趨勢，給出使用者更感興趣的文章型別。創作優惠活動推薦，商品評價，新品新聞等等文章，使用ChatGPT大有可為。

反向活動推薦

不能決定使用者詢問ChatGPT時他會給出什麼樣的答案，但是可以根據他的答案做反向推演，他推薦什麼，我們就順勢做什麼活動，這樣既能利用ChatGPT帶來的紅利，又可以省去預測使用者興趣點帶來的開銷和風險。

售後

ChatGPT本質上是一個對話型的人工智慧，使用他接入售後系統實際上最為合適，有了他的幫助，可以預見：使用者抱怨機器人客服答非所問，無法解決問題，以及人工客服成本高昂的問題，將成為歷史。
這幾種設想每一個都是可以投入實際應用並落地的，也都有相當的使用價值，甚至於每一個都可以單獨拿來參加“駭客馬拉松”。接下來主要介紹如何利用GPT進行618大促導購。
首先，使用者對某種商品進行搜尋，主要是透過搜尋欄，在要將GPT接入搜尋進行引導，就要自己搭建一套基礎環境，將使用者輸入的關鍵詞傳遞給GPT，再把GPT輸出的結果展示給使用者，基礎環境的作用除了作為呼叫GPT的“伺服器”，最後可以對使用者的輸入，以及GPT的輸出進行“加工”，包裝上“京東20週年慶”、“618大促”的相關資訊，最終實現“大促導購”的目的。

第一部分：對使用者的輸入進行包裝，比如對使用者的關鍵詞包上一層“用京東搜尋”的外衣：


















def search_keyword(keyword):    url="{keyword}"    response = requests.get(url)    soup = BeautifulSoup(response.text, "html.parser")
    #提取相關介紹    introduction = soup.select_one(".p-parameter").get_text(strip=True)    return introduction
#使用者輸入關鍵詞user_input = input("請輸入關鍵詞："）
#呼叫函式進行搜尋和提取介紹result = search_keyword(user_input)
prompt="開啟京東網站，618大促活動商品裡搜尋 {user_input}，並給出其相關介紹"#這裡的prompt既為向GTP提問的問題，由於GPT接受的是自然語言，所以這裡我們可以任意的新增我們想要的導向性描述，例如“618大促活動商品”、“618精選活動”、“京東20週年慶優惠”等等

第二部分：將包裝好的文案作為入參，呼叫GPT的API進行請求：














api_endpoint = "access_token = "你的access_token"
params = {    "messages": [{"role": "user", "content": prompt}],    "temperature": 0.7,    "model": "gpt-3.5-turbo"}headers = {    "Authorization": "Bearer {access_token}",    "Content-Type": "application/json"}response = requests.post(api_endpoint, headers=headers, json=params)

第三部分：對GPT返回的結果進行解析，並按照需求進行展示：








if response.status_code == 200:    response_text = json.loads(response.text)["choices"][0]["message"]["content"]    ＃ 輸出結果    print("為您在京東推薦瞭如下結果: {response_text}")    print("您商品的相關介紹：{result}”）else:    print(f"error: {response.status_code} - {response.text}")
發散思維：GTP接受的是自然語言詢問，所以在向他提問的問題中，可以任意地新增想要的限定資訊，甚至可以結合配置系統，將“618大促活動商品”、“618精選活動”、“京東20週年慶優惠”等活動作為配置資訊組合進prompt引數欄位，實現動態配置活動導購。


04 
  總結  


理解，首先 MCube 會依據模板快取狀態判斷是否需要網路獲取最新模板，當獲取到模板後進行模板載入，載入階段會將產物轉換為檢視樹的結構，轉換完成後將透過表示式引擎解析表示式並取得正確的值，透過事件解析引擎解析使用者自定義事件並完成事件的繫結，完成解析賦值以及事件繫結後進行檢視的渲染，最終將目
本篇ChatGPT的探索與實踐的應用篇就為大家介紹到這裡，算是拋磚引玉，希望可以為大家帶來一些啟發，在後續的工作中提供便利，特別是逢618和雙十一大促時，能夠充分利用其特性，創造更多的可能性！
‍
‍

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/70027828/viewspace-2984932/，如需轉載，請註明出處，否則將追究法律責任。

相關文章