用 chatGPT 提高效率的套路总结
最近这段时间 chatGPT 掀起了一阵 AI 热潮，目前来看网上大部分内容都是在调戏 AI，很少有人写如何用 chatGPT 做正事儿。
我作为一个大部分知识都是从搜索引擎和 GitHub 学来的程序员，第一次和 chatGPT 促膝长谈后，基本认定了一个事实：chatGPT 一定能大幅增加程序员学习新技术的效率。
目前我已经深度使用 chatGPT 一个月了，越来越能感受到这个工具的颠覆性。所以这篇文章不探讨 chatGPT 的沙雕玩法，单从工作和学习的视角，分享下 chatGPT 的牛逼之处以及我使用 chatGPT 的一些经验技巧。
我作为一个大部分知识都是从搜索引擎和 GitHub 学来的程序员，第一次和 chatGPT 促膝长谈后，基本认定了一个事实：chatGPT 一定能大幅增加程序员学习新技术的效率。
目前我已经深度使用 chatGPT 一个月了，越来越能感受到这个工具的颠覆性。所以这篇文章不探讨 chatGPT 的沙雕玩法，单从工作和学习的视角，分享下 chatGPT 的牛逼之处以及我使用 chatGPT 的一些经验技巧。
如何借助 chatGPT 学习新技术
经过这些年对于各类知识的学习，我先阐述一个个人的总结：学习一个新知识/新技术，其实就是在脑海中构建这个技术的「知识模型」。所谓小白和专家的区别，其实就是脑海中这个知识模型精细程度的区别。
举个简单的例子，就比如计算机网络吧，如果电脑上不了网了，怎么办？
普通用户能做的，可能就是重启下电脑和路由器，确认一下是否是宽带欠费了；那作为程序员，多少了解一些基本的网络知识，就可以使用一些常用命令查看一下网关、DNS 之类的，或者抓个包看看到底是哪里出了问题；对于专业的网络工程师，那肯定有更多定位和解决问题的办法，这里我也不懂，编不来。
同是计算机网络，以上几个角色的根本区别在于对网络这个东西的理解深度不同，或者说他们脑子里对于「计算机网络」这个知识模型的精度不同。
普通用户脑子中对网络的认知，恐怕就是一个 WiFi 图标，普通程序员脑子中对网络的认知模型，可以细化到几层协议栈和一个个数据包，网络工程师脑子中对网络的认知模型，也许可以进一步细化到每个数据包中的每一个比特位。
那么现在我想对一个新技术建立知识模型，我应该怎么做呢？
就比如 k8s 这一套技术吧，我作为初学者最开始接触 k8s 的时候会被里面的很多名词绕晕，比如 CRD, CR, controller, operator 这些都是什么鬼？它们之间是如何作用的？既然 k8s 里面的资源都是 API Object，那 k8s 更像是个数据库，和容器编排和调度又是怎么扯上关系的？
我猜 k8s 的初学者可能也有类似的问题，但去搜索引擎上一般是搜不到让人满意的答案的。
因为搜索引擎的特点是：你必须明确地知道自己要什么，这样才能给出准确的搜索关键词，搜索引擎才能帮你找到你需要的信息。
类比前文说的「知识模型」的概念，搜索引擎擅长的，是给出这个模型的一个切面的所有信息。比如你遇到了一个 bug，把报错信息贴上去搜一下，大概率可以找到这个 bug 的成因以及解决方法。
但现在的问题是我作为初学者，对 k8s 里面的很多概念理解都不准确，按照我已知的信息进行推理，k8s 应该是一个数据库才对，但事实与我的推理并不相符，那么我哪里理解错了？正确的理解方式是什么？
对于我的这些问题，搜索引擎无法回答，毕竟搜索引擎能做的只是索引已有的数据，即便以前有人也问过类似的问题，但往往没有官网文档和技术社区的权重高，很可能被淹没在互联网的海洋中，难以被找到。
这就是传统搜索引擎的一大痛点：无法直接回答类似「对不对」「哪里出错了」这类问题。
所以在过去，我学习新技术的过程其实就是借助搜索引擎收集知识碎片，然后在脑海里整理这些碎片形成一个完整的知识模型，并不断在实践中完善和修正这个模型。
当然，一个最高效的办法就是抱大腿，找一个这方面比较有经验的大佬，把我自己想不通的地方清楚地表述出来，那么对方可能随手画个图外加三两句话就能把整个逻辑理清楚，让我豁然开朗。
不过万一找不到大佬怎么办呢？换做以前，恐怕只能继续硬着头皮找资料看代码，效率比较低。而现在，chatGPT 就可以扮演一个技术巨佬的角色，7x24 小时提供问答服务。
chatGPT 可以理解聊天上下文，所以我经常会对 chatGPT 的解答中的一部分细节发起质疑，进行更深入的探讨，它完全能理解我的意思，几乎都能给出准确的答案解决我的疑惑。
那么经过这么长时间的深度体验，我可以说 chatGPT 是传统搜索引擎的强力外援，怪不得微软 bing 整合 chatGPT 会让各个搜索大厂那么紧张呢。不过神仙们打架咱也不配掺和，接下来分享一些我使用 chatGPT 的一些技巧。
经过这些年对于各类知识的学习，我先阐述一个个人的总结：学习一个新知识/新技术，其实就是在脑海中构建这个技术的「知识模型」。所谓小白和专家的区别，其实就是脑海中这个知识模型精细程度的区别。
举个简单的例子，就比如计算机网络吧，如果电脑上不了网了，怎么办？
普通用户能做的，可能就是重启下电脑和路由器，确认一下是否是宽带欠费了；那作为程序员，多少了解一些基本的网络知识，就可以使用一些常用命令查看一下网关、DNS 之类的，或者抓个包看看到底是哪里出了问题；对于专业的网络工程师，那肯定有更多定位和解决问题的办法，这里我也不懂，编不来。
同是计算机网络，以上几个角色的根本区别在于对网络这个东西的理解深度不同，或者说他们脑子里对于「计算机网络」这个知识模型的精度不同。
普通用户脑子中对网络的认知，恐怕就是一个 WiFi 图标，普通程序员脑子中对网络的认知模型，可以细化到几层协议栈和一个个数据包，网络工程师脑子中对网络的认知模型，也许可以进一步细化到每个数据包中的每一个比特位。
那么现在我想对一个新技术建立知识模型，我应该怎么做呢？
就比如 k8s 这一套技术吧，我作为初学者最开始接触 k8s 的时候会被里面的很多名词绕晕，比如 CRD, CR, controller, operator 这些都是什么鬼？它们之间是如何作用的？既然 k8s 里面的资源都是 API Object，那 k8s 更像是个数据库，和容器编排和调度又是怎么扯上关系的？
我猜 k8s 的初学者可能也有类似的问题，但去搜索引擎上一般是搜不到让人满意的答案的。
因为搜索引擎的特点是：你必须明确地知道自己要什么，这样才能给出准确的搜索关键词，搜索引擎才能帮你找到你需要的信息。
类比前文说的「知识模型」的概念，搜索引擎擅长的，是给出这个模型的一个切面的所有信息。比如你遇到了一个 bug，把报错信息贴上去搜一下，大概率可以找到这个 bug 的成因以及解决方法。
但现在的问题是我作为初学者，对 k8s 里面的很多概念理解都不准确，按照我已知的信息进行推理，k8s 应该是一个数据库才对，但事实与我的推理并不相符，那么我哪里理解错了？正确的理解方式是什么？
对于我的这些问题，搜索引擎无法回答，毕竟搜索引擎能做的只是索引已有的数据，即便以前有人也问过类似的问题，但往往没有官网文档和技术社区的权重高，很可能被淹没在互联网的海洋中，难以被找到。
这就是传统搜索引擎的一大痛点：无法直接回答类似「对不对」「哪里出错了」这类问题。
所以在过去，我学习新技术的过程其实就是借助搜索引擎收集知识碎片，然后在脑海里整理这些碎片形成一个完整的知识模型，并不断在实践中完善和修正这个模型。
当然，一个最高效的办法就是抱大腿，找一个这方面比较有经验的大佬，把我自己想不通的地方清楚地表述出来，那么对方可能随手画个图外加三两句话就能把整个逻辑理清楚，让我豁然开朗。
不过万一找不到大佬怎么办呢？换做以前，恐怕只能继续硬着头皮找资料看代码，效率比较低。而现在，chatGPT 就可以扮演一个技术巨佬的角色，7x24 小时提供问答服务。
chatGPT 可以理解聊天上下文，所以我经常会对 chatGPT 的解答中的一部分细节发起质疑，进行更深入的探讨，它完全能理解我的意思，几乎都能给出准确的答案解决我的疑惑。
那么经过这么长时间的深度体验，我可以说 chatGPT 是传统搜索引擎的强力外援，怪不得微软 bing 整合 chatGPT 会让各个搜索大厂那么紧张呢。不过神仙们打架咱也不配掺和，接下来分享一些我使用 chatGPT 的一些技巧。
chatGPT 使用技巧
如果想让搜索引擎返回准确的结果，需要一定的技巧来构建关键词。如果想最大化发挥 chatGPT 的能力作为搜索引擎的补充，也需要一些小技巧。
1️⃣ 尽量使用英文和 chatGPT 交流。
我们这篇文章主要是探讨利用 chatGPT 学习新技术嘛，那么不可否认一手的技术文档还是英文居多，所以 chatGPT 学习的相关数据肯定也相对较多，更有利于得到准确详尽的答案。
另外，中文的文本生成相比英文的文本生成要复杂，所以中文交流的响应速度会明显慢于英文交流。
2️⃣ 多用反问的方式和 chatGPT 交流。
比如说多用「我认为 xxx，你看我理解的对吗」这类句式提问，少问诸如「xxx 是什么」这样的问题。
不是说 chatGPT 不能回答「xxx 是什么」这类问题，而是说传统的搜索引擎更适合干这个，还能给你更丰富的信息，那何必问 chatGPT 呢？
还是用我初学 k8s 举例，我会把自己的理解整理成一系列观点讲给 chatGPT 听，让它指出我理解错误的地方：
这种学习体验真的是传统搜索引擎给不了的，像极了一个学渣缠着学霸求带带的场景，哈哈😂
3️⃣ 一条消息只包含一个问题，且尽可能多地提供问题的上下文。
说到底，这就考验把问题描述清楚的能力了，其实可以有很多方法。
比如前文举的我初学 k8s 时的问题，我可以这样问 chatGPT，先来一个引导式的提问：在 k8s 里面，所有资源都是 API Object，对吗？
得到 chatGPT 肯定的回复，然后我开始挖坑：那么 k8s 其实就是一个存储 API Object 的数据库，对吗？
chatGPT 就会告诉我，我这样想是不对滴，API Object 并不是简单的静态数据，巴拉巴拉。然后我再根据它的回复不断追问并提出自己的看法求指教，最终把整个知识框架梳理清楚。
4️⃣ 放开思路去提问，比如让 chatGPT 通过类比、举例的方式讲解问题。
chatGPT 的能力比我们之前用过的人工智障强太多了，我们可以尝试向它提出一些难度更大的问题。
比如，很多时候代码的解释性比文字更强，那么我可以直接要求 chatGPT 写一段 demo code 出来，反正看不懂的话还可以追问：
在这段对话中，经过我的一步步提问，chatGPT 确实写出了一个完整的 operator 的 demo。虽然它写的代码偶尔出问题，但一般都是类似包导入这种比较明显的错误，整体上我认为还是非常强大的。
再比如，chatGPT 给我讲解了 CRD, CR, Controller 这些 k8s 中的概念之后，我请它类比编程语言里的类和实例再给我讲讲：
它类比 CRD 是类定义，CR 是类的实例对象，Controller 是操作示例的代码逻辑，说实话感觉它这个类比还挺贴切的呢 👍
其他的还有很多，比如发给它一段代码让它逐行解释，让它扮演一个 Linux shell，扮演一个 yaml/json 转换器等等，这些事情 chatGPT 都能做，确实可以在某些场景大幅提高我们的效率。
目前我认为最有价值的几个技巧就说完了，下面说下 chatGPT 目前的一些不足之处吧。
如果想让搜索引擎返回准确的结果，需要一定的技巧来构建关键词。如果想最大化发挥 chatGPT 的能力作为搜索引擎的补充，也需要一些小技巧。
1️⃣ 尽量使用英文和 chatGPT 交流。
我们这篇文章主要是探讨利用 chatGPT 学习新技术嘛，那么不可否认一手的技术文档还是英文居多，所以 chatGPT 学习的相关数据肯定也相对较多，更有利于得到准确详尽的答案。
另外，中文的文本生成相比英文的文本生成要复杂，所以中文交流的响应速度会明显慢于英文交流。
2️⃣ 多用反问的方式和 chatGPT 交流。
比如说多用「我认为 xxx，你看我理解的对吗」这类句式提问，少问诸如「xxx 是什么」这样的问题。
不是说 chatGPT 不能回答「xxx 是什么」这类问题，而是说传统的搜索引擎更适合干这个，还能给你更丰富的信息，那何必问 chatGPT 呢？
还是用我初学 k8s 举例，我会把自己的理解整理成一系列观点讲给 chatGPT 听，让它指出我理解错误的地方：
这种学习体验真的是传统搜索引擎给不了的，像极了一个学渣缠着学霸求带带的场景，哈哈😂
3️⃣ 一条消息只包含一个问题，且尽可能多地提供问题的上下文。
说到底，这就考验把问题描述清楚的能力了，其实可以有很多方法。
比如前文举的我初学 k8s 时的问题，我可以这样问 chatGPT，先来一个引导式的提问：在 k8s 里面，所有资源都是 API Object，对吗？
得到 chatGPT 肯定的回复，然后我开始挖坑：那么 k8s 其实就是一个存储 API Object 的数据库，对吗？
chatGPT 就会告诉我，我这样想是不对滴，API Object 并不是简单的静态数据，巴拉巴拉。然后我再根据它的回复不断追问并提出自己的看法求指教，最终把整个知识框架梳理清楚。
4️⃣ 放开思路去提问，比如让 chatGPT 通过类比、举例的方式讲解问题。
chatGPT 的能力比我们之前用过的人工智障强太多了，我们可以尝试向它提出一些难度更大的问题。
比如，很多时候代码的解释性比文字更强，那么我可以直接要求 chatGPT 写一段 demo code 出来，反正看不懂的话还可以追问：
在这段对话中，经过我的一步步提问，chatGPT 确实写出了一个完整的 operator 的 demo。虽然它写的代码偶尔出问题，但一般都是类似包导入这种比较明显的错误，整体上我认为还是非常强大的。
再比如，chatGPT 给我讲解了 CRD, CR, Controller 这些 k8s 中的概念之后，我请它类比编程语言里的类和实例再给我讲讲：
它类比 CRD 是类定义，CR 是类的实例对象，Controller 是操作示例的代码逻辑，说实话感觉它这个类比还挺贴切的呢 👍
其他的还有很多，比如发给它一段代码让它逐行解释，让它扮演一个 Linux shell，扮演一个 yaml/json 转换器等等，这些事情 chatGPT 都能做，确实可以在某些场景大幅提高我们的效率。
目前我认为最有价值的几个技巧就说完了，下面说下 chatGPT 目前的一些不足之处吧。
目前 chatGPT 的不足
1️⃣ 时效性问题。
因为 chatGPT 只掌握了 2021 年之前的数据，所以一些最新的信息会缺失，一些旧的信息也可能已经过时。比如我让 chatGPT 帮我找一些链接，有些链接就已经 404 了。
据说微软 new bing 整合的 chatGPT 解决了这个问题，不过我现在还没有 new bing 的试用资格，所以先用 chatGPT 了，反正就技术学习来说时效性差一点也无妨。
2️⃣ 少数情况下，chatGPT 会一本正经的胡说八道。
我看了一些其他人的使用体验，这个问题确实是存在的。chatGPT 从来都是有求必应，哪怕它不知道，也会一本正经地给你生成一个看起来有模有样的答案。
根据我遇到的情况猜测一波，chatGPT 会对没有可靠答案的问题进行推理，根据类似的问题答案推理出来一个可能的答案。
比如说我让 chatGPT 写一个用 websocket 连接 Apache Pulsar 的 code example，它二话不说就给我写了个错的。后来我发现，它是把 Kafka 的 websocket 用法有模有样地套用到了 Pulsar 上。
实际上目前网上都没有太多用 websocket 连接 Pulsar 的案例，所以 chatGPT 没有足够的数据进行训练，写不出正确的 code example 也情有可原。
还有一次，我问 chatGPT 如何把 MySQL 的id字段转化成varchar字符串类型。它告诉我用Cast(id as VARCHAR(255))，结果报错，它也解释不清为啥报错。
后来我一搜，原来要用Cast(id as CHAR(255))的方式。看来 chatGPT 目前还有一些不准确的地方，有待提升。
1️⃣ 时效性问题。
因为 chatGPT 只掌握了 2021 年之前的数据，所以一些最新的信息会缺失，一些旧的信息也可能已经过时。比如我让 chatGPT 帮我找一些链接，有些链接就已经 404 了。
据说微软 new bing 整合的 chatGPT 解决了这个问题，不过我现在还没有 new bing 的试用资格，所以先用 chatGPT 了，反正就技术学习来说时效性差一点也无妨。
2️⃣ 少数情况下，chatGPT 会一本正经的胡说八道。
我看了一些其他人的使用体验，这个问题确实是存在的。chatGPT 从来都是有求必应，哪怕它不知道，也会一本正经地给你生成一个看起来有模有样的答案。
根据我遇到的情况猜测一波，chatGPT 会对没有可靠答案的问题进行推理，根据类似的问题答案推理出来一个可能的答案。
比如说我让 chatGPT 写一个用 websocket 连接 Apache Pulsar 的 code example，它二话不说就给我写了个错的。后来我发现，它是把 Kafka 的 websocket 用法有模有样地套用到了 Pulsar 上。
实际上目前网上都没有太多用 websocket 连接 Pulsar 的案例，所以 chatGPT 没有足够的数据进行训练，写不出正确的 code example 也情有可原。
还有一次，我问 chatGPT 如何把 MySQL 的id字段转化成varchar字符串类型。它告诉我用Cast(id as VARCHAR(255))，结果报错，它也解释不清为啥报错。
后来我一搜，原来要用Cast(id as CHAR(255))的方式。看来 chatGPT 目前还有一些不准确的地方，有待提升。
最后总结
总结一下，我感觉 chatGPT 是一个新型搜索引擎，在某些场景下能够提供比传统搜索引擎更强大更高效的搜索效率。
完全依靠 chatGPT 去做一些稍微复杂的任务，目前来看还是不现实的。
比如让 chatGPT 写代码，目前它的水平只能写一写简单的 demo，而且经常需要手工修复一些细节错误。
但是让它作为搜索引擎的补充帮助我们学习新技术，还是比较靠谱的。问答式的体验在很多场景下都要优于传统搜索引擎。
另外，GitHub 上也涌现出很多关于 chatGPT 的项目，有些还是蛮有意思的，大家可以自行探索。
本文就到这里吧，我个人相信，像 chatGPT 这样的 AI 技术会和搜索引擎扮演同等重要的角色，那么如何更好地理解并运用 AI，是未来需要不断学习探索的课题。
- EOF -
推荐阅读 点击标题可跳转
关注「程序员的那些事」加星标，不错过圈内事
点赞和在看就是最大的支持❤️
总结一下，我感觉 chatGPT 是一个新型搜索引擎，在某些场景下能够提供比传统搜索引擎更强大更高效的搜索效率。
完全依靠 chatGPT 去做一些稍微复杂的任务，目前来看还是不现实的。
比如让 chatGPT 写代码，目前它的水平只能写一写简单的 demo，而且经常需要手工修复一些细节错误。
但是让它作为搜索引擎的补充帮助我们学习新技术，还是比较靠谱的。问答式的体验在很多场景下都要优于传统搜索引擎。
另外，GitHub 上也涌现出很多关于 chatGPT 的项目，有些还是蛮有意思的，大家可以自行探索。
本文就到这里吧，我个人相信，像 chatGPT 这样的 AI 技术会和搜索引擎扮演同等重要的角色，那么如何更好地理解并运用 AI，是未来需要不断学习探索的课题。
- EOF -
关注「程序员的那些事」加星标，不错过圈内事
点赞和在看就是最大的支持❤️
微信扫码关注该文公众号作者