海淀做网站的网络公司,网站建设开票分类编码,郑州高端设计公司,桂林旅游攻略ChatGPT 等大语言模型给人带来惊喜也给人带来了焦虑。惊喜在于它给各种工作带来的提效是肉眼可见的#xff0c;焦虑在于很多人都担心会被 AI 替代#xff0c;可能工程师们对此最深有感触。很多工程师已经开始用 GPT 来处理一些手头的开发工作#xff0c;可能是写脚本#x…ChatGPT 等大语言模型给人带来惊喜也给人带来了焦虑。惊喜在于它给各种工作带来的提效是肉眼可见的焦虑在于很多人都担心会被 AI 替代可能工程师们对此最深有感触。很多工程师已经开始用 GPT 来处理一些手头的开发工作可能是写脚本也可能是 code review不过 GPT 给编程带来的效能提升到底有多大使用 GPT 来辅助编程的“正确姿势”是什么你真的知道么
7月26 日 DevData Talks 邀请到了思码逸创始人兼 CEO 任晶磊老师。为了获得将GPT应用于编程的真实手感他与团队身体力行用 GPT“写了一万行代码”并开发一款基于 GPT 的开源编程工具 DevChat并上线了 VS Code 插件。在这次直播活动中他以《当我用 GPT 写了一万行代码研发数据的现状和智能编程的未来》为主题分享了通过自家产品的演进看数据智能的发展趋势揭示 GPT 在软件开发领域的实际操作场景和优化技巧并在直播后半段为线上观众们答疑解惑做了深度交流。
本文为演讲精华整理。由于演讲包含大量技术细节篇幅有限我们仅摘选了部分亮点建议大家在文末扫码获取 PPT、观看视频回顾。
今天分享主要分为五部分 GPT 编程能带来多大效能提升 我可以问 GPT 什么问题 我应该如何向 GPT 提问 人在 GPT 编程中扮演什么角色 GPT 在软件工程中扮演什么角色 我们如何成长为“新程序员” GPT编程能带来多大效能提升
50%代码当量注释和测试覆盖度大幅提升。
我们先从一个直白的数字谈起到底用 GPT 之后有多大提升我觉得要给一个数字的话代码的产出量应该能比现在高50%首先看下图图为思码逸本身的统计拿我们自己做 Devchat 项目为例它是以 Python 为主要编程语言的项目。
我们从开源社区里找了一些 TOP500 的开源项目来做对比他们也是平均周提交数在两三个人的项目。其实很多成熟的开源项目周均提交可能就两三个人那如果对比下来周均 1000 当量当量是通过代码分析所获得的一个代码复杂度的评估不能通过数行数看大家写多少那就当量来看的话在 1000 当量每周三个人平均计算之后大概是 1500 到 2000 这样一个范围所以基本上能加50%。 图为思码逸 Devchat 统计 我可以问GPT什么问题
下面我们来看跟 GPT 的各种具体交互那这部分得有一个方法把它组织起来所以我们以一个完整的实例看从头到尾中间能用GPT去做哪些事情例子比较有代表性用 Golang 写一个 API 服务跑 Kubernetes 里那我们就从实例开始看 GPT 它能够帮助我们做哪些事情能做到什么样的程度
1.询问较为稳定的知识辅助综合技术选型
需求不完全明确可寻求一般性建议 如果需求明确可快速提炼信息。 图为Devchat提问解答过程 2.搭建脚手架或可运行的初始代码让万事开头“易”
GPT能够完整的帮你把操作步骤都写出来大家可以偷个懒直接按照它的步骤敲代码就好。 图为Devchat提问解答过程 3.向 GPT 反映错误信息让它帮助 debug
把错误信息给到GPT像这样的错误信息以前都读过然后就能够给你相应的修正。 图为Devchat提问解答过程 4.提供上下文生成各类代码
把上下文给到GPT将关系实质说清楚不需要很复杂然后它就能够把所做的修改都给出来。 图为Devchat提问解答过程 5.IDE 无法支持又不涉及复杂架构设计的代码重构 图为Devchat提问解答过程 6.提供目标源代码和现有测试用例生成新的测试用例 图为Devchat提问解答过程 7.写提交信息commit message或者发布说明release note 图为Devchat提问解答过程 8.理解指定范围内的已有代码给出具有一定深度的解释和证据 图为Devchat提问解答过程 我应该如何向 GPT 提问
前面分享通过一些实例一方面展示 GPT 本身的能力另一方面也分享 GPT 的使用技巧下面再总结一下如何向 GPT 提问。
1.提示词工程prompt engineering
底层信息组合未必对用户可见具体问题相关必须由用户输入。 2.底层信息组合未必对用户可见 3.具体问题相关必须由用户输入 人在 GPT 编程中扮演什么角色
用 GPT你永远省不了超出你认知范围外的工作。 有了GPT之后人和GPT到底是什么样的关系我觉得上图基本上就概括了我们截至目前所体验下来的一个认知人其实还是扮演了一个很重要的控制者的角色基本上拆分起来就是这三个角色。
任务的组织者你需要把这个任务本身进行比较合理的拆分定义好这个问题然后提供合理的上下文这是人最重要的工作这件事情目前我们试来试去你让 GPT在去做这个层面的问题往往其实做的不是很好因为人有很多综合的判断。
过程指导者你需要不断的给予反馈调整提示词。往往有些时候你不一定在一轮都能达到好的结果然后会多轮的去问。
结果验证者就是人最终还是那个主要负责人你还是要为代码负责并做出判断。 GPT在软件工程中扮演什么角色
汇集众多数据源的研发数据平台是智能化的基础。 这里用思码逸4.0产品来举例GQM是做研发效能数据分析的一个基本方法我们有支持这个方法的一些看板可以帮助你灵活的去下钻和定位问题。然后也有专家系统基于组织的极限得出一些靠谱的、可行动的一些结论。 图为思码逸产品矩阵图
那今天有了 AI 之后它带来的变化使得我们对这种非结构化分析的能力增强其实是把不可能变成了可能。有了 AI 能力加持结构化数据和非结构化数据都能够盘活所以在我们自己的这个产品体系当中包括结构化数据、非结构化数据和代码其中代码既是结构化数据也是非结构化数据它们都在数据湖中。我们面向研发的数据湖叫做 DevLake这个也是我们捐给 Apache 的一个项目。现在其实全球有这个几十万的下载美国一些非常著名的公司都是在用。
面向技术管理者的是DevTable这个产品。DevInsight能为管理者呈现不同的数据看板并提供智能的洞察。图中的DevChat就是刚刚提到的开源工具可以在 VS Code上面免费用。而刚刚在讲 GPT 的示例时的截图其实都是在IDE中的DevChat 会提供更方便的工作流帮助我们去更好的去使用 AI 。 我们如何成长为“新程序员”
我认为在当前的技术趋势下作为开发者我们应当像练习写作和编码一样练习写提示词作为管理者我们应该积极倡导和运营关注研发数据基础设施统计 GLOC 和代码当量。
直播回顾看这里
