用ChatGPT 提高效率的方法

用ChatGPT提高效率的方法1借助Cha七GPT學(xué)習(xí)新技術(shù)經(jīng)過這些年對(duì)于各類知識(shí)的學(xué)習(xí)，我先闡述一個(gè)個(gè)人的總結(jié)：學(xué)習(xí)一個(gè)新知識(shí)/新技術(shù)，其實(shí)就是在腦海中構(gòu)建這個(gè)技術(shù)的「知識(shí)模型」。所謂小白和專家的區(qū)別，其實(shí)就是腦海中這個(gè)知識(shí)模型精細(xì)程度的區(qū)別。舉個(gè)簡(jiǎn)單的例子，就比如計(jì)算機(jī)網(wǎng)絡(luò)吧，如果電腦上不了網(wǎng)了，怎么辦？普通用戶能做的，可能就是重啟下電腦和路由器，確認(rèn)一下是否是寬帶欠費(fèi)了；那作為程序員，多少了解一些基本的網(wǎng)絡(luò)知識(shí)，就可以使用一些常用命令查看一下網(wǎng)關(guān)、DNS之類的，或者抓個(gè)包看看到底是哪里出了問題；對(duì)于專業(yè)的網(wǎng)絡(luò)工程師，那肯定有更多定位和解決問題的辦法，這里我也不懂，編不來。同是計(jì)算機(jī)網(wǎng)絡(luò)，以上幾個(gè)角色的根本區(qū)別在于對(duì)網(wǎng)絡(luò)這個(gè)東西的理解深度不同，或者說他們腦子里對(duì)于「計(jì)算機(jī)網(wǎng)絡(luò)」這個(gè)知識(shí)模型的精度不同。普通用戶腦子中對(duì)網(wǎng)絡(luò)的認(rèn)知，恐怕就是一個(gè)WiFi圖標(biāo)，普通程序員腦子中對(duì)網(wǎng)絡(luò)的認(rèn)知模型，可以細(xì)化到幾層協(xié)議棧和一個(gè)個(gè)數(shù)據(jù)包，網(wǎng)絡(luò)工程師腦子中對(duì)網(wǎng)絡(luò)的認(rèn)知模型，也許可以進(jìn)一步細(xì)化到每個(gè)數(shù)據(jù)包中的每一個(gè)比特位。那么現(xiàn)在我想對(duì)一個(gè)新技術(shù)建立知識(shí)模型，我應(yīng)該怎么做呢？就比如k8s這一套技術(shù)吧，我作為初學(xué)者最開始接觸k8s的時(shí)候會(huì)被里面的很多名詞繞暈，比如CRD,CR,controller,operator這些都是什么鬼？它們之間是如何作用的？既然k8s里面的資源都是APIObject,那k8s更像是個(gè)數(shù)據(jù)庫，和容器編排和調(diào)度又是怎么扯上關(guān)系的？我猜k8s的初學(xué)者可能也有類似的問題，但去搜索引擎上一般是搜不到讓人滿意的答案的。因?yàn)樗阉饕娴奶攸c(diǎn)是：你必須明確地知道自己要什么，這樣才能給出準(zhǔn)確地搜索關(guān)鍵詞，搜索引擎才能幫你找到你需要的信息。類比前文說的「知識(shí)模型」的概念，搜索引擎擅長(zhǎng)的，是給出這個(gè)模型的一個(gè)切面的所有信息。比如你遇到了一個(gè)bug,把報(bào)錯(cuò)信息貼上去搜一下，大概率可以找到這個(gè)bug的成因以及解決方法。但現(xiàn)在的問題是我作為初學(xué)者，對(duì)k8s里面的很多概念理解都不準(zhǔn)確，按照我已知的信息進(jìn)行推理，k8s應(yīng)該是一個(gè)數(shù)據(jù)庫才對(duì)，但事實(shí)與我的推理并不相符，那么我哪里理解錯(cuò)了？正確的理解方式是什么？對(duì)于我的這些問題，搜索引擎無法回答，畢竟搜索引擎能做的只是索引已有的數(shù)據(jù)，即便以前有人也問過類似的問題，但往往沒有官方文檔和技術(shù)社區(qū)的權(quán)重高，很可能被淹沒在互聯(lián)網(wǎng)的海洋中，難以被找到。這就是傳統(tǒng)搜索引擎的一大痛點(diǎn)：無法直接回答類似「對(duì)不對(duì)」「哪里出錯(cuò)了」這類問題。所以在過去，我學(xué)習(xí)新技術(shù)的過程其實(shí)就是借助搜索引擎收集知識(shí)碎片，然后在腦海里整理這些碎片形成一個(gè)完整的知識(shí)模型，并不斷在實(shí)踐中完善和修正這個(gè)模型。當(dāng)然，一個(gè)最高效的辦法就是抱大腿，找一個(gè)這方面比較有經(jīng)驗(yàn)的大佬，把我自己想不通的地方清楚地表述出來，那么對(duì)方可能隨手畫個(gè)圖外加三兩句話就能把整個(gè)邏輯理清楚，讓我豁然開朗。不過萬一找不到大佬怎么辦呢？換做以前，恐怕只能繼續(xù)硬著頭皮找資料看代碼，效率比較低。而現(xiàn)在，ChatGPT就可以扮演一個(gè)技術(shù)巨佬的角色，7x24小時(shí)提供問答服務(wù)。ChatGPT可以理解聊天上下文，所以我經(jīng)常會(huì)對(duì)ChatGPT的解答中的一部分細(xì)節(jié)發(fā)起質(zhì)疑，進(jìn)行更深入的探討，它完全能理解我的意思，幾乎都能給出準(zhǔn)確的答案解決我的疑惑。那么經(jīng)過這么長(zhǎng)時(shí)間的深度體驗(yàn)，我可以說ChatGPT是傳統(tǒng)搜索引擎的強(qiáng)力外援，怪不得微軟bing整合ChatGPT會(huì)讓各個(gè)搜索大廠那么緊張呢。不過神仙們打架咱也不配摻和，接下來分享一些我使用ChatGPT的一些技巧。2ChatGPT使用技巧如果想讓搜索引擎返回準(zhǔn)確的結(jié)果，需要一定的技巧來構(gòu)建關(guān)鍵詞。如果想最大化發(fā)揮ChatGPT的能力作為搜索引擎的補(bǔ)充，也需要一些小技巧。盡量使用英文和ChatGPT交流。我們這篇文章主要是探討利用ChatGPT學(xué)習(xí)新技術(shù)嘛，那么不可否認(rèn)一手的技術(shù)文檔還是英文居多，所以ChatGPT學(xué)習(xí)的相關(guān)數(shù)據(jù)肯定也相對(duì)較多，更

有利于得到準(zhǔn)確詳盡的答案。另外，中文的文本生成相比英文的文本生成要復(fù)雜，所以中文交流的響應(yīng)速度會(huì)明顯慢于英文交流。多用反問的方式和ChatGPT交流。比如說多用「我認(rèn)為XXX,你看我理解的對(duì)嗎」這類句式提問，少問諸如「XXX是什么」這樣的問題。不是說ChatGPT不能回答「XXX是什么」這類問題，而是說傳統(tǒng)的搜索引擎更適合干這個(gè)，還能給你更豐富的信息，那何必問ChatGPT呢？還是用我初學(xué)k8s舉例，我會(huì)把自己的理解整理成一系列觀點(diǎn)講給ChatGPT聽，讓它指出我理解錯(cuò)誤的地方：I'mlearningk8s,I'lltellyoumyunderstandingaboutk8s,correctmeifI'mwrong.Sure,TdbehappytohelpclarifyanymisunderstandingsyoumayhaveaboutKubernetes(K8s).Pleasefeelfreetoshareyourunderstanding,andI'lldomybesttoprovidefeedbackandcorrectionswherenecessary.allresourcesink8sisAPIObject.APIObjectisjustajsonstringobjectstoredinetcd.Yourunderstandingispartiallycorrect.InKubernetes,almostallresourcesarerepresentedasAPIobjects,whicharedefinedusingtheKubernetesAPI.However,APIobjectsarenotjustJSONstrings.Rather,theyarecomplexdatastructuresthataredefinedusingtheKubernetesAPIconventions.EachAPIobjecthasaspecificformat,whichisdefinedbyitskind,APIversion,and這種學(xué)習(xí)體驗(yàn)真的是傳統(tǒng)搜索引擎給不了的，像極了一個(gè)學(xué)渣纏著學(xué)霸求帶的場(chǎng)景。一條消息只包含一個(gè)問題，且盡可能多地提供問題的上下文。說到底，這就考驗(yàn)把問題描述清楚的能力了，其實(shí)可以有很多方法。比如前文舉的我初學(xué)k8s時(shí)的問題，我可以這樣問ChatGPT,先來一個(gè)引導(dǎo)式的提問：在k8s里面，所有資源都是APIObject,對(duì)嗎？得到ChatGPT肯定的回復(fù)，然后我開始挖坑：那么k8s其實(shí)就是一個(gè)存儲(chǔ)APIObject的數(shù)據(jù)庫,對(duì)嗎?ChatGPT就會(huì)告訴我，我這樣想是不對(duì)的，APIObject并不是簡(jiǎn)單的靜態(tài)數(shù)

據(jù)，巴拉巴拉。然后我再根據(jù)它的回復(fù)不斷追問并提出自己的看法求指教，最終把整個(gè)知識(shí)框架梳理清楚。放開思路去提問，比如讓ChatGPT通過類比、舉例的方式講解問題。ChatGPT的能力比我們之前用過的人工智障強(qiáng)太多了，我們可以嘗試向它提出一些難度更大的問題。LA比如，很多時(shí)候代碼的解釋性比文字更強(qiáng)，那么我可以直接要求ChatGPT寫一段dem。code出來，反正看不懂的話還可以追問：LAAsyousaid,CRDshouldbeassociatedwithanoperator.SupposeIuse'MyOperator'(operator)toassociatewith'MyCRD'(CRD),howtoconfigthis?Canyougiveasimplecodeexample?Sure,hereisasimpleexampleofhowtoassociateaCRDwithanoperatorusingKubernetes:SupposeyouhavedefinedaCRDcalled'MyCRD'withthefollowingYAML:yamlQCopycodeapiVersion:kind:CustomResourceDefinitionmetadata:name:spec:group:versions:-name:vlserved:truestorage:truescope:Namespacednames:plural:mycrdssingular:mycrdkind:MyCRDSRegenerateresponse/oucancreatRaKubemetfisonerarormarmanaaRSmisi;RDbvcreatinaaDenlovmftnt在這段對(duì)話中，經(jīng)過我的一步步提問，ChatGPT確實(shí)寫出了一個(gè)完整的。perator的demo。雖然它寫的代碼偶爾出問題，但一般都是類似包導(dǎo)入這種比較明顯的錯(cuò)誤，整體上我認(rèn)為還是非常強(qiáng)大的。再比如，ChatGPT給我講解了CRD,CR,Controller這些k8s中的概念之后，我請(qǐng)它類比編程語言里的類和實(shí)例再給我講講:Canexplaintheseterminologybyanalogy?Forexample,IthinkCRDsandCRsaresimilartoclassandinstanceinprogramminglanguage.Yes,that'sagoodanalogy!Inprogrammingterms,youcanthinkofCRDsandCRsassimilartoclassesandinstances.Acustomresourcedefinition(CRD)islikeaclassdefinition.Justasaclassdefinesthestructureandbehaviorofobjects,aCRDdefinesthestructureandbehaviorofacustomresourcethatcanbemanagedbyKubernetes.WhenyoudefineaCRD,youareessentiallycreatingablueprintforanewtypeofresourcethatcanbeusedinyourKubernetescluster.Acustomresource(CR),ontheotherhand,islikeaninstanceofaclass.Justasyoucancreatemultipleinstancesofaclasstorepresentdifferentobjects,youcancreatemultipleinstancesofaCRtorepresentdifferentinstancesofyourcustomresource.WhenyoucreateaCR,youareessentiallycreatinganewinstanceoftheresourcetypedefinedbythecorrespondingCRD.Controllers,then,arelikethelogicthatoperatesonthoseinstances.Justasyoumightdefinemethodsorfunctionstooperateoninstancesofaclass,youcandefinecustomcontrollerstomonitorandmanageinstancesofyourcustomresourcesinKubernetes.Controllersprovidethelogicandautomationnecessarytoensurethatthestateoftheclusterisconsistentwiththedesiredstate,basedonthebehaviordefinedbytheCRDsandtheinstancescreatedfromthem.Insummary,youcanthinkofCRDcRegenerateresponse3asinstancesofthoseclasses,andcontrollersastheloaicthatooeraresoninoseinstances.ThisanalnavhelnstoclarifvqChatGPTFeb13Version.FreeResearchPreview.OurgoalistomakeAlsystemsmorenaturalandsafetointeractwith.Yourfeedbackwillhelpusit它類比CRD是類定義，CR是類的實(shí)例對(duì)象，Controller是操作示例的代碼邏輯，說實(shí)話感覺它這個(gè)類比還挺貼切的呢口其他的還有很多，比如發(fā)給它一段代碼讓它逐行解釋，讓它扮演一個(gè)Linuxshell,扮演一個(gè)yaml/json轉(zhuǎn)換器等等，這些事情ChatGPT都能做,確實(shí)可以在某些場(chǎng)景大幅提高我們的效率。目前我認(rèn)為最有價(jià)值的幾個(gè)技巧就說完了，下面說下ChatGPT目前的一些不足之處吧。3目前ChatGPT的不足時(shí)效性問題。因?yàn)镃hatGPT只掌握了2021年之前的數(shù)據(jù)，所以一些最新的信息會(huì)缺失，一些舊的信息也可能已經(jīng)過時(shí)。比如我讓ChatGPT幫我找一些鏈接，有些鏈接就已經(jīng)404了。據(jù)說微軟newbing整合的ChatGPT解決了這個(gè)問題，不過我現(xiàn)在還沒有newbing的試用資格，所以先用ChatGPT了，反正就技術(shù)學(xué)習(xí)來說時(shí)效性差一點(diǎn)也無妨。少數(shù)情況下，ChatGPT會(huì)一本正經(jīng)地胡說八道。我看了一些