从好玩到好用:程序员用AI提效的那些事儿 | 京东云技术团队

本片内容是【AI思维空间】ChatGPT纵横编程世界,点亮智慧火花的续作,主要记录组内开发小伙伴儿们在开发过程中的实际应用案例,记录典型案例,尽量不要和其他人重复,以解决开发过程中的实际问题为主,设计、方案、编码、测试、集成、部署等等;

目的:贡献最佳实践,分享心得,共同成长!

Prompt提问万能公式

案例1 基于ChatGPT进行资源排期

1、首先进行拆分,分为周一到周五和周六周日

2、引导chatGPT进行排班

案例2 让chatGpt帮忙看下正则表达式的含义

在看代码的过程中,发现有个地方使用了正则表达式进行规则匹配,但是没有注释标明规则含义,所以使用chatGpt帮忙看下规则含义。

chatGpt不仅返回的了匹配的规则含义,还详细介绍了每个字符具体含义,very nice。

案例3 基于chatGpt写分段写入csv文件的程序

给chatgpt提要求,要求10000行数据放在一个csv文件中,并将文件名称进行编号处理。

变更条件,事先不知道总行数有多少条,让chatGpt重新写一段程序实现。

案例4:基于ChatGPT辅助开发

告诉ChatGPT,我想开发一个JavaBean转JSON的IDEA插件,让ChatGPT给出详细的步骤和代码。

案例5: 提问者需要具备鉴别能力

狼牙山五壮士的姓名

chatgpt可以一本正经的胡说八道,提问者不能全信。

案例6: spring ioc框架学习

太复杂了,尽然无法支持,就来一个简单的

再完善下,并帮忙写一个测试案例测试下看

亲自验证测试是否正确,能否跑起来

虽然能够跑起来,但是测试结果和其预期不一致,分析错误产生的原因是注解inject使用错误,正确使用时需要对注解添加元注解@Retention,其作用可以简单理解为设置注解的生命周期。

@Retention 注解传入的是 RetentionPolicy 枚举,该枚举有三个常量,分别是 SOURCE、CLASS 和 RUNTIME

三者区别如下:

SOURCE 代表着注解仅保留在源级别中,编译器将Java文件编译成class文件时将之遗弃。

CLASS 代表着注解被保留在class文件中,JVM加载class文件时将之遗弃。

RUNTIME 代表着标记的注解会由JVM保留,因此运行时环境可以使用它。

总结:chat-gpt对于技术细节可能无法把控,但是总体的程序框架及逻辑验证还是没有问题的。

案例7:字符处理、文本格式化

JOSN 串的格式化与压缩:

案例8:JSON串转JAVA Bean 集成lombok

提示词迭代过程如下:

以下Json串给生成 JAVA实体类,要求使用lombok 简化代码 ,并添加明确的代码注释,以Markdown语法出 {

"migrateTime": 1689609010640, //迁移时间

"sourceProductId": 1000000000, //迁移源productId

"targetProductIdAndSkuIdsMap": {//迁移目标productId与skuId的关系

"2000000": [//目标product1, skuIds

1,

2,

3

],

"3000000": [//目标product2, skuIds

4,

5

]

}

"venderId":100, //商家ID

"categoryId":123 //三级类目ID

}

结果输出如下(对尾行注释并不满意,继续优化试试):

去除尾行注释输出结果:

案例9:JAVA8 流语法扁平化处理流

以下提示词目的是收集map的所有value里面对应的 long 类型的值集合。

提示词: 在JAVA8 中如何通过流,将Map<Long, Set> targetProductIdAndSkuIdsMap 中的 value 收集到一个 set 集合里面,JAVA代码请以Markdown输出

结果输出如下: 在Java 8中,不能直接使用flatmap将集合的元素合并到一个集合中,因为flatMap操作是将多个流合并成一个流,而不是将元素合并到一个集合中。实际上,我们需要使用flatMap将每个集合的元素映射到单独的流,然后再使用collect操作将这些流合并到一个集合中。

以下是修正后的Java代码示例:

java 复制代码
import java.util.Map;
import java.util.Set;
import java.util.stream.Collectors;

public class Main {
    public static void main(String[] args) {
        Map<Long, Set<Long>> targetProductIdAndSkuIdsMap = ...; // 初始化 targetProductIdAndSkuIdsMap

        Set<Long> skuIds = targetProductIdAndSkuIdsMap.values()
                .stream()
                .flatMap(Set::stream)
                .collect(Collectors.toSet());

        System.out.println(skuIds);
    }
}

这个代码可还行?^_^

案例10: 行云流水线错误日志分析

已落地平台,针对流水线运行错误日志,选中错误内容右键进行智能分析,输出分析结果,辅助解决错误问题,节省平台运营成本。

作者:京东零售 王英杰

来源:京东云开发者社区 转载请注明来源

相关推荐
莫叫石榴姐13 分钟前
数据科学与SQL:组距分组分析 | 区间分布问题
大数据·人工智能·sql·深度学习·算法·机器学习·数据挖掘
如若12335 分钟前
利用 `OpenCV` 和 `Matplotlib` 库进行图像读取、颜色空间转换、掩膜创建、颜色替换
人工智能·opencv·matplotlib
YRr YRr1 小时前
深度学习:神经网络中的损失函数的使用
人工智能·深度学习·神经网络
ChaseDreamRunner1 小时前
迁移学习理论与应用
人工智能·机器学习·迁移学习
Guofu_Liao1 小时前
大语言模型---梯度的简单介绍;梯度的定义;梯度计算的方法
人工智能·语言模型·矩阵·llama
我爱学Python!1 小时前
大语言模型与图结构的融合: 推荐系统中的新兴范式
人工智能·语言模型·自然语言处理·langchain·llm·大语言模型·推荐系统
果冻人工智能1 小时前
OpenAI 是怎么“压力测试”大型语言模型的?
人工智能·语言模型·压力测试
日出等日落1 小时前
Windows电脑本地部署llamafile并接入Qwen大语言模型远程AI对话实战
人工智能·语言模型·自然语言处理
麦麦大数据1 小时前
Python棉花病虫害图谱系统CNN识别+AI问答知识neo4j vue+flask深度学习神经网络可视化
人工智能·python·深度学习
段传涛1 小时前
PAL(Program-Aided Language Model)
人工智能·语言模型·自然语言处理