ChatGPT 作为一个自然语言处理东西，已经火了一段时刻。对待 ChatGPT 不同人有着不同的观点，新事物的出现必定如此。利益相关者形成 抵制 和 疯狂 两极；哗众取宠者蹭蹭热度，问些花活，博人眼球；猎奇者尝尝鲜，起哄者挑挑火；有用派在考虑新事物的价值和劳动力：
关于那些拿 ChatGPT 当百科全书来用的，或询问哲学问题的朋友，我只想说：
关于一个问题，用过错的东西去向理得出过错的成果，是一件很正常的事。
1. ChatGPT 的特色和下风
ChatGPT 最大的特色是基础的语义剖析，让计算机对自然语言进行处理并输出。在一段会话中，上下文是有用的，所以能够相似于沟通。
问这个问题，它会怎样答复？
这种猎奇的心理，会让一部分人期望测验；有稀奇古怪或愚笨的答复，也能够满意人类对人工智障的优越感；共享问答，也让 ChatGPT 具有一丝的交际特点。蹭热度、猎奇、起哄三者能够用它填充一块心里的空虚，也仅止步于此。
ChatGPT 目前的下风也很明显，因为数据是几年前的，所以时效性不强；对许多问题答复的精准度并不高，关于盲目信任的人，或判别力较差的朋友并不友好；最终一点，非常重要：关于东西而言，假如对其依赖性太高，脱离东西时，会让人的主观能动性降低。
2. 代码的生成与规矩诱导
如下所示，让它生成一个 Dart 的 User 类：
生成一个 dart 类 User， 字段为 : 可空 int 型 age 、final 非空 String 型 username 默许值为 “unknown”
虽然代码给出了，但是能够看出，这是空安全之前的代码。或许许多人到这儿，觉得数据陈旧没什么用途，就拜拜了您嘞。
但它是一个有会话上下文的自然语言处理东西，你能够让它了解一些概念。就像一个新职工，上班榜首天出了一点小过错，你是马上开除他，仍是告诉他该怎样正确处理。如下所示，给了它一个概念：
Dart 新版本中可空类型界说时，这以后需求加 ?
如下所示，你就能够在当时的会话环境中让它生成更多字段的类型：
用 Dart 新版本生成一个 dart 类 User，字段为: final 非空 int 型 age ， final 非空 String 型 username 默许值为 “unknown” ， final 非空 int 型 height，可空 String型info,final 非空 int 型 roleId
假如存在问题，能够继续进行纠正。比方 ：
用 Dart 新版本，有默许值的字段不需求运用 required 关键字，其他非空字段需求
所以关于 ChatGPT 而言，咱们能够把它当作一个有一些基础常识的，可为咱们免费服务的职工，简称：奴隶。当它做错事时，你骂它，责怪它，抛弃它是毫无意义的，因为它是机器。咱们需求去 诱导 它了解，在当时工作环境中正确的事。
这样在当时会话中，它就能够了解你倾诉的规矩，当用它创立其他类时，他就不会再犯错。并且不扫除它会根据你的规矩，去完善本身的 常识储藏 ，当众多的人用正确的规矩去 诱导 它，这便是一个好心的正反馈。
3. 处理方案的概念
这儿从生成的代码 不支撑空安全 到 支撑空安全，其实只用了几句话。榜首句是反馈测验，看看它的 默许常识储藏
生成一个 dart 类 User， 字段为 : 可空 int 型 age 、final 非空 String 型 username 默许值为 “unknown”
当它的输出不满意咱们的需求时，再进行 诱导 ：
Dart 新版本中可空类型界说时，这以后需求加 ?
用 Dart 新版本，有默许值的字段不需求运用 required 关键字，其他非空字段需求
在诱导完结之后，它就能够给出满意需求的输出。这种诱导后供给的会话环境，输出是相对安稳的，完结特定的使命。这便是为不确定的输出，增加规矩，使其输出趋近 幂等性 。一旦一项能够处理使命的东西有这种性质，就能够面向任何人运用。能够称这种诱导过程为处理某一问题的一种 处理方案。
比方上面的三句话便是：依据类信息生成 Dart 数据类型，并支撑空安全。在当时环境下，就能够根据这种方案去向理同类的使命：
用 Dart 新版本生成一个 dart 类 TaskResult，字段为: final 非空 int 型 cost ， final 非空 String 型 taskName 默许值为 “unknown” ， final 非空 int 型 count，可空 String型taskInfo,final 非空 String型 taskCode
你拷贝代码后，便是可用的：
4. Dart 数据类生成器完善
上面生成 Dart 数据类比较简单，下面继续拓宽，比方关于数据类型而言 copyWith 、toJson 、fromJson 的办法自己写起来比较费事。假如现在告诉它：
为上面的类供给 copyWith、toJson 、 fromJson 办法
它会进行供给，阐明它具有这个 默许常识储藏 ，但能够看到 copyWith 办法中的字段不符合空安全：
此时能够练习它的 类型可空 的意识，让它主动处理相似的问题，也能够直白的告诉它
将上面的 copyWith 办法入参类型后加 ? 号
这样生成的 TaskResult 类就能够运用了：
class TaskResult {
final int cost;
final String taskName;
final int count;
final String? taskInfo;
final String taskCode;
TaskResult({
required this.cost,
this.taskName = 'unknown',
required this.count,
this.taskInfo,
required this.taskCode,
});
TaskResult copyWith({
int? cost,
String? taskName,
int? count,
String? taskInfo,
String? taskCode,
}) {
return TaskResult(
cost: cost ?? this.cost,
taskName: taskName ?? this.taskName,
count: count ?? this.count,
taskInfo: taskInfo ?? this.taskInfo,
taskCode: taskCode ?? this.taskCode,
);
}
Map<String, dynamic> toJson() {
return {
'cost': cost,
'taskName': taskName,
'count': count,
'taskInfo': taskInfo,
'taskCode': taskCode,
};
}
static TaskResult fromJson(Map<String, dynamic> json) {
return TaskResult(
cost: json['cost'] as int,
taskName: json['taskName'] as String,
count: json['count'] as int,
taskInfo: json['taskInfo'] as String,
taskCode: json['taskCode'] as String,
);
}
}
5. 代码生成字符串 与 ChatGPT 生成字符串
关于一些相对固定的代码，能够运用代码逻辑，拼接字符串来生成。如下所示，通过对类结构的抽象化，运用目标进行配置，输出字符串。咱们来考虑一下，这和 ChatGPT 生成代码的差异。
首先，运用代码生成代码是一种完全的 幂等行为 。也便是说任何人、在任何时刻、任何空间下，运用相同的输入，都能够获取到相同的输出，是绝对精准的。其发生代码的行为逻辑是完全可控的，人的心里是等待确定性的。
而 ChatGPT 对自然语言的了解，你能够用语言去引导它输出一些你的需求，比方 ：
以json 格局生成 10 句连续的中文对话，key 为 content包括。别的 time 字段为时刻戳 ，type 字段1,2 随机
其实没有什么孰强孰弱，只是运用场景的不同而已。刀在不同人的手里有不同的用法，人是生发生活的主体，东西只有服务的特点。驾御东西，让它发生有用的价值，才是东西存在的意义。好了，本文到这儿就扯完了，感谢观看 ~
