ChatGPT對于一些簡單的問題，可以完美的完成任務(wù)。但是我讓它寫一篇完整的文章，看看它能否代替我進行寫作地的時候，我確定它不能完全取代人類。

但是我們可以使用更多的指導(dǎo)來讓AI在日常工作流程為我們工作，所以本文將討論如何有效利用ChatGPT。這個想法是從簡單的日常用例開始，然后進入更復(fù)雜的階段。最后讓我們看看ChatGPT能否替代搜索引擎，給我們提供日常需要的信息。

Google是用來顯示其他人類似的問題，而ChatGPT是來回答你確切的問題的。

像大多數(shù)人一樣，當(dāng)我不知道的時候，我會谷歌。標(biāo)準(zhǔn)的工作流程是去谷歌，點擊最上面的結(jié)果，然后閱讀，直到感覺你已經(jīng)得到了正確的答案。如果幸運的話，有人已經(jīng)問過你同樣的問題了，那我們能夠直接得到答案。但更多的時候，我們需要看很多結(jié)果，并將答案拼接在一起。

讓我們問一個非常簡單的問題:

這些Google搜索結(jié)果主要回答了這個問題:“如何從DynamoDB表中刪除項?！苯酉聛恚覀冃枰獙⑺阉髦貙憺椤叭绾蜗駾ynamoDB表中添加項”。然后我們需要自己拼湊答案，得到最終結(jié)果。

那么讓ChatGPT呢

ChatGPT提供了Python和AWS CLI的描述和確切的代碼。這就是我們上面說的：Google盡其所能返回與我的問題相似的內(nèi)容，而ChatGPT則盡其所能生成答案。

ChatGPT自動化了頂級結(jié)果并過濾出答案（當(dāng)然是它認(rèn)為的答案）。

對于這種簡單的問題

• 可以通過谷歌得到同樣的答案嗎? 是的。

• 可以通過ChatGPT更快地得到答案嗎? 沒問題。

• 人工智能能取代我的工作嗎? 無法取代

• 人工智能能提高我的速度嗎? 絕對可以

那么再復(fù)雜一點的問題呢

我們要完整以下的任務(wù)

使用Databricks調(diào)查S3中的數(shù)據(jù)。Databricks非常依賴sql，這意味著要執(zhí)行多個表連接、條件和復(fù)雜的分組。

ChatGPT是肯定可以回答一些簡單的問題，比如“如何在SQL中連接兩個表”。但是你可以用ChatGPT做更多的事情，就需要把上下文的信息給他

回應(yīng)如下：

ChatGPT可以根據(jù)提供的輸入形成響應(yīng)。

可以看到，ChatGPT根據(jù)所提供的上下文定制其響應(yīng)，這遠(yuǎn)遠(yuǎn)超過了Google所能做的。沒有任何搜索的結(jié)果會給出上面的代碼。所以就算我們有答案，也需要將多個不同的文章內(nèi)容拼接在一起。

ChatGPT在制定響應(yīng)時考慮整個對話的上下文，所以對于一個問題，越深入我們得到的答案越確切:

ChatGPT會記住前面的對話，就像結(jié)對編程一樣。提供新的輸入，可以回滾到以前的步驟，或者嘗試一個實驗性的路徑。但是ChatGPT也會犯錯誤，就像人類一樣，所以還是需要我們?nèi)斯磉M行最終的判斷和對ChatGPT進行提示。

如果需要使用ChatGPT構(gòu)建一個復(fù)雜的解決方案。需要從簡單的開始，逐步增加復(fù)雜性。

我現(xiàn)在我們可以使用ChatGPT回答簡單的問題或構(gòu)建小的代碼片段。還能更進一步嗎？

這里一個很好的例子是使用ChatGPT為項目提供額外的思路。

比如說：如何能夠?qū)⒊绦蛟S可文件自動傳輸?shù)竭h(yuǎn)程開發(fā)環(huán)境中

ChatGPT給了一個可靠的答案，說明了上傳和下載文件的過程，以及管理AWS Secrets管理器所需的AWS IAM策略等等。每個部分都包括示例代碼和解釋。

然后我問了ChatGPT一個更普遍的問題:

它還提出了另外八件需要考慮的事情:權(quán)限、成本、加密、密鑰輪換、區(qū)域、資源策略、密鑰版本控制和初始帳戶設(shè)置。每一篇文章都有一段對主題的總結(jié)。

這些問題有一些是我們可能沒想到的，所以我們可以使用ChatGPT作為頭腦風(fēng)暴的伙伴嗎?

上面這幾個問題返回的答案非常有用，這是一個很好的例子，因為這些無法在谷歌上搜索到。

使用ChatGPT對的工作進行頭腦風(fēng)暴是可行的，因為他的預(yù)料集我們可能一輩子都看不完

當(dāng)涉及到編寫自定義代碼庫（私有）代碼時，ChatGPT絕對是錯誤的工具(所以我這里會用GitHub Copilot替代)。但是當(dāng)涉及到編寫針對公共api的集成時，ChatGPT的表現(xiàn)非常出色。

如果仔細(xì)想想，這是有道理的。因為ChatGPT無法訪問你的自定義代碼庫，而Copilot會掃描本地的代碼。

我們問ChatGPT一個公共API的問題：

這里是它生成的代碼如下：

import requests
import os
GITHUB_TOKEN = 'YOUR_GITHUB_TOKEN'
ASANA_TOKEN = 'YOUR_ASANA_TOKEN'
ASANA_PROJECT_ID = 'YOUR_ASANA_PROJECT_ID'
GITHUB_REPOS = ['user/repo1', 'user/repo2', ...] # List your repos here
HEADERS_GITHUB = {
'Authorization': f'token {GITHUB_TOKEN}',
'Accept': 'application/vnd.github.v3+json',
}
HEADERS_ASANA = {
'Authorization': f'Bearer {ASANA_TOKEN}',
'Accept': 'application/json',
'Content-Type': 'application/json',
}
def fetch_github_issues(repo):
url = f'https://api.github.com/repos/{repo}/issues'
response = requests.get(url, headers=HEADERS_GITHUB)
return response.json()
def find_or_create_asana_section(project_id, name):
# Check if section exists
sections_url = f'https://app./api/1.0/projects/{project_id}/sections'
response = requests.get(sections_url, headers=HEADERS_ASANA)
for section in response.json().get('data', []):
if section['name'] == name:
return section['gid']

# Create new section
data = {
'data': {
'name': name,
}
}
response = requests.post(sections_url, headers=HEADERS_ASANA, json=data)
return response.json()['data']['gid']
def create_asana_task(project_id, section_gid, issue):
url = f'https://app./api/1.0/tasks'
data = {
'data': {
'projects': [project_id],
'memberships': [
{
'project': project_id,
'section': section_gid,
}
],
'name': issue['title'],
'notes': issue['body'],
}
}
requests.post(url, headers=HEADERS_ASANA, json=data)
def main():
for repo in GITHUB_REPOS:
issues = fetch_github_issues(repo)
section_name = repo.split('/')[-1] # Assuming you want the repo name as the section name
section_gid = find_or_create_asana_section(ASANA_PROJECT_ID, section_name)
for issue in issues:
create_asana_task(ASANA_PROJECT_ID, section_gid, issue)
if __name__ == '__main__':
main()