[心得] 跟 ChatGPT 一起寫程式

[qrtt1 (有些事，有時候。。。)]

        網頁好讀版 (內容一樣，選自己喜歡的平台就可以)
        https://medium.com/@qrtt1/pair-with-chatgpt-ba606160608c
        https://hackmd.io/@iD40lBm-QAqgh62DVHbjPA/HyuNVgjCs

        僅截錄最後的一段 (心得部分)

        ========================================================

        開發者省力的時代

        這回實作 Side Project 除了稍為學習到一點 Modern C++，
        還有大量複習了《遊戲微服務計劃》推薦的 Practice Stack
        與 Tech Stack 之外。

        最意外的收獲是與 ChatGPT 一起 Pair Programming 的體驗。


        儘管目前還有許多人會恐懼自己是否會被 AI 所取代，
        但你不能把自己的大腦外包出去。
        至少在學習知識這部分，我已經找到了省下力量的方法。

        我們運用 AI 的目的不是基於恐懼失去立足之地，
        而是為了避免自己落於競爭劣勢。

        我們可以利用它來處理自己不擅長的知識維度，
        特別是面對事實知識的情況。記憶只是其中一種手段。

        撇開考試的情況，現代人應該利用工具收集事實知識。
        在 ChatGPT 出現之前，我們透過搜尋引擎來收集資訊。
        現在，我們多了一個選擇。

        利用工具讓我們省下製作速查表 (a.k.a. 小抄 cheat sheet) 的時間，
        動態地透過工具來補充多數人都不擅長透過記憶處理事實知識的問題。

        我希望提醒大家，不要落入過去教育環境沒有好好啟發你學習技巧的窘境，
        為了速成總是要求你「背起來」，因為背起來就沒事了。



        在這裡，你必須知道一個壞消息和一個好消息。

        壞消息是，事實知識無法建構出新的知識，它們是僵固的，不易使用。
        換言之，你無法透過「槓桿」來催動更大的成果。
        就像死命地存錢，但不理財的人，你的資產成長速度還跑不過通膨。
        事實上，它甚至會更糟糕，因為記憶比想像中的不可靠。
        那麼，我們要怎麼槓桿它呢？顯然得利用概念知識與後設認知。

        好消息是，在四個知識維度中，只有事實知識是厚重的，
        隨著人類歷史與文化堆疊而來。
        但基礎的理論、原理和原則並不像想像中那麼龐大。
        相對來說，其他三者要輕便得多。

        想通了這些，只要正常地練習概念詮釋和反覆優化，
        你就能運用知識承擔更大的任務。

        ==

        相關文章

        [作品] 搭 Drogon Framework 寫個 Web 小遊戲
        https://www.ptt.cc/bbs/C_and_CPP/M.1677560032.A.759.html

        Side Project 專案位置
        https://github.com/qtysdk/gaas_cpp

        實作歷程
        https://github.com/qtysdk/gaas_cpp/blob/main/notes/README.md

        更新記錄
        https://github.com/qtysdk/gaas_cpp/blob/main/notes/999-task-list.md


--
連假真的好充實啊(倒)

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 36.227.23.51 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1677576499.A.A41.html
→ kobekobe007: 一直很好奇實用性，像是如果很多api 散落在各個.h或.
→ kobekobe007: cpp內 那我該如何告訴chatgpt，如果沒辦法很簡單做到
→ kobekobe007: ，那用處大嗎？ 用chatgpt 會有程式碼洩漏的問題？
推 alan23273850: 他似乎很難當下根據新的大量資訊去作判斷，只能根
→ alan23273850: 據 train 好的 model 去作反應。
推 BignoZe: 推推
推 jay123peter: 推
推 KOD: 推推
推 Belieeve: 推推推
→ superpandal: 就更高級的google 找資料很不錯 但要應用只會自己來
→ superpandal: 自己來
→ superpandal: 還可以叫它推薦產品 完全就是搜尋引擎用途
推 CoNsTaR: 我發現你可以叫他把你想要的內容加到他對某個問題的快取
→ CoNsTaR: 答案中，也可以叫他清楚某個問題的快取
推 CoNsTaR: 你也可以叫他只用他的 training data（他常常用 the patt
→ CoNsTaR: erns I've learned 或 training data 來稱呼），或只用 t
→ CoNsTaR: ext data 和 external data 來回答某個問題，通常答案都
→ CoNsTaR: 會不太一樣
→ CoNsTaR: *清除某個問題的快取
推 CoNsTaR: 一個技巧是叫他 cite the sources，就可以知道資料來源是
→ superpandal: 意義並不大...
→ CoNsTaR:  text/external 或是 training data，也比較不容易被他
→ CoNsTaR: 唬爛到
推 CoNsTaR: @superpandal 他所謂的 cache 就是他的 train 出來的結果
→ CoNsTaR: ，所以如果你想要他應用某個資訊就叫他把那個資訊加進一
→ CoNsTaR: 個你認為最相關的問題的 cache
推 CoNsTaR: 你可以先引導他推導出那個資訊，然後問他能不能把它加進
→ CoNsTaR: 某個問題的快取
→ CoNsTaR: 這樣就可以實現原 Po 說的槓桿
→ superpandal: 不需要 用詞精準加上上下文就可以問解答
→ superpandal: 也沒有要拿來產code 因為都會自己產
→ superpandal: 我只要能夠問的出並推導出解答就可以
→ superpandal: 業務邏輯可以這樣產出但就是危險
→ superpandal: 難解決的玄妙問題它又解決不了
→ superpandal: 多這工具就少了在大量資訊統整的時間 但我本身就還
→ superpandal: 身就還算會google的
→ superpandal: 推薦產品是真需求 算不錯
推 Sixigma: ChatGPT的問題可以比Google更抽象，你可以使用人類的技
→ Sixigma: 巧去問問題，譬如譬喻、類比，對於快速歸納既有知識的相
→ Sixigma: 鄰領域非常有效，這Google做不到
→ superpandal: 具體更好 在google就是不停修正關鍵字
→ superpandal: chatgpt中不停修正問法
→ superpandal: 軟工查資料比較的應該是技術和功能
→ superpandal: 都比較具體的
推 art1: 擴展不熟悉的知識透過 ChatGPT 真的很方便，但還是有些內容
→ art1: 一看就知道在唬爛 XDDD
→ eva19452002: 有人看得懂好消息和壞消息那兩段在講什麼嗎？
推 art1: 壞消息是 ChatGPT 沒那麼好用，好消息是用對方法就能利用吧
推 zxcchiou: 我覺得是比google更高級的搜尋工具 相對程式來說
→ zxcchiou: 基本上有問必答 屌一點還可以請他教程式