ChatGPT4 相比 ChatGPT3.5 在逻辑推理能力上有了很大的进步，他的代码生成能力更是让我非常震撼，因此我尝试在工作中某些不涉密的基础工作应用 ChatGPT4 来提升研发效率，简单尝试之后发现确实有不少场景是有效的。本文将向大家展示如何充分利用 ChatGPT-4 这一强大的 AI 工具，并结合结对编程方法，从而在研发过程中实现显著的效率提升。
重要提示：大家在作相应尝试的时候，一定要注意信息安全。
场景一：正则表达式编写
我们团队负责 PCG 可观测平台-伽利略的研发，PromQL 是可观测领域常用的查询语言，Protobuf 这种协议有自带基于正则表达式的参数检查器，因此我们需要写一个正则表达式，来检测 PromQL 的合法性，以便于尽早的发现不合法的 PromQL，抛出错误，降低底层引擎的压力。
这个需求，按经验至少得花超过一小时编码及单元测试，得翻阅不少 PromQL 手册，正则表达式的手册。我们试着把这个任务交给 ChatGPT4。
ChatGPT4 写了一个很复杂的表达式，并且告诉我们这个需求是不合理的，完美的语法检测得要实现一个语法分析器，而不是正则表达式。
这里我完善我的需求，我们在接入层的正则应该在乎精确率，忽略召回率，旨在尽早发现一部份错误，而不是全部错误。
这一次，看上去还不错，但是我懒，不想仔细看，我又不放心他写。所以我要求他自己写个单测，进行充分的自测。
ChatGPT4 写的单测非常的 Readability，他还知道表驱动的方式写测试数据。
咱们把代码 run 起来：
有一个测试用例没过，把这种情况告诉 ChatGPT4，让他自己解决吧。
ChatGPT4 说要解决这个问题，必须引入更复杂的表达式。这不是我们想要的结果，因此我们还是选择了更简单的正则表达式交付需求，做一些简单的检查，更复杂的检查就交给 promql 语法解析器去做。
所以我花 5 分钟，发现了需求的不合理，选择了最符合业务需求的方案，并且还写完了我们想要的正则表达式。并且代码非常 Readability，同时有单测。
场景二：重构代码
我们写代码的过程中，往往会因为疏忽，而产出各种 bug 和坏味道。我们来试试 ChatGPT4 能帮我们做什么。
下面随机找了一段我们代码仓库里面的不涉密基础代码，发给 ChatGPT4。
package strings import ( "fmt" "regexp" "strconv" ) var reOfByte = regexp.MustCompile(`(\d+)([GgMmKkBb]?)`) // ParseByteNumber 解析带有容量的字符串 func ParseByteNumber(s string) int64 { arr := reOfByte.FindAllStringSubmatch(s, -1) if len(arr) < 1 || len(arr[0]) < 3 { return -1 } n, err := strconv.Atoi(arr[0][1]) if err != nil { return -2 } if n <= 0 { return -3 } switch arr[0][2] { case "G", "g": return int64(n) * (1024 * 1024 * 1024) case "M", "m": return int64(n) * (1024 * 1024) case "K", "k": return int64(n) * (1024) case "B", "b", "": return int64(n) default: return -4 } }
先让 ChatGPT 看一眼代码。
ChatGPT4 表示他看懂了，接下来给 ChatGPT4 提一下重构的需求，看看 ChatGPT4 的表现。
不得不说，ChatGPT4 这些优化，使得代码 Readability 了很多，特别是错误码返回这里，原来的代码真是天坑。但同时我们也发现这个函数实现是不太符合需求的，他只匹配了 substring。例如 XXXX100KBXXX 这类参数也会被错误匹配。我们把这些情况告诉 GPT4，看看他的表现。（毕竟是结对编程，我也得动点脑子做点贡献！！！）
这里我们看到，GPT4 不仅仅完成了需求，他还做到了兼容浮点数输入，使得返回的精度更高了。例如 1.5MB 实际是 1536B，按我们最初的实现确实会丢失精度，变成 1024B。这还帮我们发现了个 BUG，捂脸。
最后照例，让他补充一下单测。
通过 15 分钟的简单交流，我和 ChatGPT 一起完成了这次代码重构！！！
场景三：实现业务逻辑
虽然要求 chatGPT4 一次性给我们交付整个完整需求有点过分，但我们依然可以把需求拆分成小的逻辑单元给 chatGPT 实现，并要求他编写单测。
这次，我们找了我们项目里面最新的需求来做个实验，让 ChatGPT 帮我们完成需求。
需求是要做一个事件的聚合能力，伽利略会收集各个平台的事件数据，聚合之后以更加可视化的方式给用户展示。来吧，GPT4！
在我不断的追加我的需求细节之后，chatGPT4 交付了一个还算可以的东西，当然这里我们也发现这段代码有个 BUG，当然，我是不会自己动手修复的，让 GPT4 自己来吧。
整体代码虽然不算特别清晰，但做一些修改还是可以用的，当然我觉得这跟我本身没把需求描述的太清楚也有关系。
