最近GPT帮我解决的30个问题

最近GPT帮我解决的30个问题

前言

Hello，各位朋友们大家好，好久不见了！

chatGPT已经问世快两年了，但我仍然发现我了解到的很多人都还只停留在惊叹chatGPT的能力，试用了一下，新鲜感一过，就没有再使用过了，偶尔才会想起。

但我确确实实已经离不开GPT（LLM）了，到什么程度了--无时无刻、无处不在、无微不至、无所不用其及，（好，打住），反正现在我几乎是只要打开电脑，就会有一个GPT的聊天应用一直挂在后台随时候着，甚至比微信用得还多（这似乎是一个悲伤的故事）

当然，我看到的许多文章也都谈到了大语言模型的应用场景，但是，这些文章给的应用场景都太宽泛了，太大了，就像这样：

这就导致很多人其实知道这个真的非常有用，但就是不知道在什么时候，在哪里使用。所以，这篇文章就来了，我会结合最近一段时间来的实际生活、工作、学习场景，从我以前的聊天记录中，找出一下印象深刻的案例来进行分享，这些可都是实打实的经验，希望对你有所帮助。

（声明：对大语言模型的理解比笔者好的大有人在，本文也希望抛砖引玉，能让笔者也了解到大家的使用场景，共同进步。并且笔者的背景是程序员，所以接下来的内容会以编码相关的内容为主要组成部分）

篇幅有限，为了尽可能展示多的例子，GPT的回答会省略一些（废话还是有点多，挺占篇幅的）

第一类：脚本类的代码生成

这里指的是泛脚本的内容，是一段简短的代码，通常放在一个文件中，能直接实现一项功能

1. 获取github readme生成热词词图

背景：

前段时间逛github发现一个仓库--中国独立开发者项目列表-分享大家都在做什么。挺多⭐的，但是内容挺多的，笔者被旁边的短短的滚动条给劝退了。

所以就想用Python直接获取这个readme里面的内容，提取出里面的热词并生成词图，这样就能在一张图上看到大家都在做些什么了。

• GPT，启动！

对话：

问：用python对一份中文文档如https://github.com/1c7/chinese-independent-developer/blob/master/README.md做一下热词统计，并生成对应的热词图。

答：

为了完成这个任务，我们将分成几个步骤来实现：

1. 获取文档内容 ：使用requests库从指定的URL获取文档内容。
2. 提取中文文本：使用正则表达式提取中文文本。
3. 分词 ：使用jieba库对中文文本进行分词。
4. 统计词频 ：使用collections.Counter来统计词频。
5. 生成热词图 ：使用wordcloud库生成热词图。

首先，确保你已经安装了requests、jieba和wordcloud库。如果没有安装，可以通过以下命令安装：

pip install requests jieba wordcloud

接下来是实现的代码：

import requests
import re
import jieba
from collections import Counter
from wordcloud import WordCloud
import matplotlib.pyplot as plt

# 1. 获取文档内容
url = "https://raw.githubusercontent.com/1c7/chinese-independent-developer/master/README.md"
response = requests.get(url)
text = response.text

# 2. 提取中文文本
chinese_text = ''.join(re.findall(r'[\u4e00-\u9fa5]+', text))

# 3. 分词
words = jieba.cut(chinese_text)

# 4. 统计词频
word_counts = Counter(words)
# 移除单字词汇，通常不含太多信息量
filtered_word_counts = {word: count for word, count in word_counts.items() if len(word) > 1}

# 5. 生成热词图
wordcloud = WordCloud(font_path='simsun.ttf', width=800, height=600, mode='RGBA', background_color=None).generate_from_frequencies(filtered_word_counts)
plt.figure(figsize=(10, 8))
plt.imshow(wordcloud, interpolation='bilinear')
plt.axis('off')
plt.show()

在运行这段代码之前，请确保你有一个适用于中文的字体文件，比如'simsun.ttf'，并且路径设置正确。如果你没有这个字体文件或者使用其他字体，请相应地更改font_path参数。

上述代码基本完成了我想要的效果，但还有一些瑕疵，我继续补充了一些我想要的效果：

• 问：我在colab运行环境中没有相关字体怎么办
• 问：去掉一些停用词
• 问：去掉动词
• 问：只要名词，并且去掉地名，以及一些常用词汇（网站、在线、工具、平台之类的）

实现效果：

基本达到了我想要的效果，并且代码高度可自定义，注释完整，详细可查看我的colab jupyter代码链接，里面有GPT生成的代码以及我运行完成后的结果。

2. 给定输入输出，生成excel转json的函数

背景：

搬砖过程中，有非常多的复杂报表，包含许多合并单元格需要开发，每次都需要以产品给定的excel文件作为参考，开发出对应的前端表格。

这里使用vex-table，编写合并单元格需要做许多配置的，也就是mergeCells这个数组需要自己手动编写，以及一些表格占位文本也需要自己手动补到tableData中。

但其实这些配置数据都已经包含在那个excel文件中了，所以只需读取该excel然后生成对应的配置文件即可。

• GPT，启动！

对话：

问：如何获取excel中的表格数据以及合并单元格数据 问：一些excel数据将上述Excel单元格合并的格式转换为下面这种以数字排序的格式vex-table要求的合并单元格的格式数据，使用JavaScript。

答：

要将提供的Excel单元格合并格式转换为指定的数字排序格式，我们需要遵循以下步骤：

1. 解析原始数据以提取每个单元格的位置和尺寸。
2. 将每个单元格的top、left、bottom、right属性转换为row、col、rowspan、colspan。
3. 计算rowspan和colspan：rowspan = bottom - top + 1，colspan = right - left + 1。
4. 计算row和col：由于索引是从0开始的，row = top - 1，col = left - 1。
5. 根据row和col对结果进行排序。
6. 构建并输出最终数组。

以下是实现上述步骤的JavaScript代码：

const data = {
    "A1": {"model": {"top": 1, "left": 1, "bottom": 1, "right": 4}},
    "C2": {"model": {"top": 2, "left": 3, "bottom": 2, "right": 4}},
    "A2": {"model": {"top": 2, "left": 1, "bottom": 28, "right": 1}},
    // ... Include all other models here
    "C27": {"model": {"top": 27, "left": 3, "bottom": 28, "right": 3}}
};

// Convert the original data format to the desired array format
const convertFormat = (data) => {
    const result = [];
    for (const key in data) {
        const model = data[key].model;
        const row = model.top - 1;
        const col = model.left - 1;
        const rowspan = model.bottom - model.top + 1;
        const colspan = model.right - model.left + 1;
        result.push({ row, col, rowspan, colspan });
    }
    // Sort the result by row and then by col
    result.sort((a, b) => a.row - b.row || a.col - b.col);
    return result;
};

console.log(JSON.stringify(convertFormat(data), null, 2));

请确保将// ... Include all other models here替换为提供的数据中剩余的模型定义，以完整实现转换。这段代码首先定义了原始数据，然后通过convertFormat函数转换格式，并最后以格式化的JSON形式输出结果。

实现效果：

在线演示链接，可直接上传你的excel文件

github开源地址，代码写得比较简单随意，能用就行

3. 生成GPT翻译HTML的程序

背景：

这里笔者想通过程序实现GPT翻译一些外文博客，遇到的挑战如下：

• GPT的上下文长度有限制，文章通过都会超过这个上下文窗口

• GPT token费用较贵，不能将其浪费在毫无意义的HTML代码上，比如<div>标签

• 翻译之后，如何保留原有格式

• GPT，启动！

对话：

• 问：我需要翻译一个HTML文件里面的内容（中文、英文等），但是翻译服务比较昂贵，所以我不想传入其中的HTML标签，只想传入内容，并且翻译服务有长度限制，所以对于较长的HTML文件，还需要做切割处理，这种切割处理需要尽量不影响最后的翻译效果（比如按照段落切割），并且最后需要将翻译后的内容按照之前的HTML格式进行返回，请你使用TypeScript实现上述的功能。
• 问：我想要将需要翻译的内容合并到一起给翻译服务，调用后再分开并保持原有的HTML结构
• 问：我需要在待翻译文本超过20k token时进行翻译，最后再进行拼接返回完整的HTML

答：

若需在待翻译文本超过20k token时进行分段翻译，并最后拼接返回完整的HTML，我们可以采用以下步骤进行实现：

1. 提取和分割文本：遍历HTML文档，提取所有文本内容，并在达到20k token限制时分割文本。
2. 分批翻译：将每个分割好的文本块发送给翻译服务进行翻译。
3. 拼接翻译结果：将所有翻译后的文本块按顺序拼接，并插入到相应的HTML结构中。

以下是一个基于TypeScript的示例实现：

import axios from 'axios';
import { JSDOM } from 'jsdom';

// 假设的分批翻译函数
async function batchTranslateText(textBlocks: string[], sourceLang: string, targetLang: string): Promise<string[]> {
    // 分批翻译每个文本块
    const translatedBlocks = [];
    for (const block of textBlocks) {
        const response = await axios.post('https://api.example.com/translate', {
            text: block,
            sourceLang: sourceLang,
            targetLang: targetLang
        });
        translatedBlocks.push(response.data.translatedText);
    }
    return translatedBlocks;
}

// 解析HTML、分批翻译并重构HTML内容
async function translateHtmlContent(htmlContent: string, sourceLang: string, targetLang: string, tokenLimit: number): Promise<string> {
    const dom = new JSDOM(htmlContent);
    const body = dom.window.document.body;
    let currentBlock = '';
    const textBlocks = [];
    const textNodes = [];

    // 遍历文档树并分割文本
    function extractText(node: Node) {
        if (node.nodeType === 3) { // 文本节点
            const text = node.textContent.trim();
            if ((currentBlock.length + text.length) > tokenLimit) {
                textBlocks.push(currentBlock);
                currentBlock = text;
            } else {
                currentBlock += text + ' ';
            }
            textNodes.push(node);
        } else if (node.nodeType === 1) { // 元素节点
            node.childNodes.forEach(child => extractText(child));
        }
    }

    extractText(body);
    if (currentBlock.length > 0) {
        textBlocks.push(currentBlock);
    }

    // 分批翻译文本块
    const translatedBlocks = await batchTranslateText(textBlocks, sourceLang, targetLang);

    // 拼接翻译结果并插回HTML
    let blockIdx = 0;
    let currentTranslatedBlock = translatedBlocks[blockIdx].split(' ');
    textNodes.forEach((node, index) => {
        if (currentTranslatedBlock.length === 0) {
            blockIdx++;
            currentTranslatedBlock = translatedBlocks[blockIdx].split(' ');
        }
        node.textContent = currentTranslatedBlock.shift();
    });

    return dom.serialize();
}

// 示例用法
const htmlContent = ``;
translateHtmlContent(htmlContent, 'zh-CN', 'en', 20000) // 假设tokenLimit为20000
    .then(translatedHtml => console.log(translatedHtml))
    .catch(error => console.error(error));

注意：

• 该实现基于假设，即翻译服务API支持POST请求并返回翻译后的文本。
• 实际应用中，您可能需要根据实际的翻译服务API调整batchTranslateText函数的实现。
• 本示例中，token的计算仅仅基于字符长度，实际应用中您可能需要根据翻译服务的具体定义来计算token（例如，可能基于单词数、字符数等）。
• 由于直接按字符数分割可能会破坏单词的完整性，实际应用中可能需要更智能的分割策略以避免这种情况。

上述代码仅作了不超过5行的修改，最终实现我需要的效果。

实现效果：

（中译英演示，其中html部分中的id字段不会翻译）

第二类：常见的snippet代码生成

snippet类的代码也可以通过搜索引擎获取，不过除非收藏之前使用过的网址，否则也需要多次浏览或尝试才能找到自己想要的snippet代码。

而GPT生成的，几乎可以直接使用。

4. 时间处理函数

背景：

写前端业务，避免不了时间筛选的处理，前面一段时间就需要做移动端的时间筛选组件，支持年月日周时分任意维度的选择以及时间范围的选择。

现有的vant时间筛选组件已经无法完成，需要自定义picker的optionList，也就是生成一些时间数组，比如前后10年的年份，当前年月的日期（大小月，闰年这些），当前年份的周选项（周开始日期结束日期之类）等等。

• GPT，启动！

自定义角色设定：

（前面使用的是一个通用的编程助手角色设定，这里偏专有领域，有特殊要求，所以就自定义了一个角色）

很简单的描述，如下：

你是一个前端专家

擅长处理时间相关的问题，擅长使用day.js库，对齐有极其深入的理解

接下来用户会提出相关的需求，请你使用dayjs库并使用typescript实现相应的需求，输出内容不要过度解释，只需要输出代码，代码包含注释即可。

代码要求封装为函数，并附带测试例子

对话：

问：生成前后10年的年份数组，比如现在为2024年，那么数组就是[2014, ... , 2024, ..., 2034]

答：

import dayjs from 'dayjs';

/**
 * 生成当前年份前后10年的年份数组，基于当前时间
 * @returns 包含前后10年的年份数组
 */
function generateYearsAroundCurrent(): number[] {
  const currentYear = dayjs().year();
  const years: number[] = [];
  for (let i = -10; i <= 10; i++) {
    years.push(currentYear + i);
  }
  return years;
}

// 测试例子
console.log(generateYearsAroundCurrent()); // 根据当前年份输出: [当前年份-10, ..., 当前年份, ..., 当前年份+10]

问：根据传入的年份和月份，生成当月的日期数组，比如['01', '02', .... '31']，需要处理大小月及润年

答：

import dayjs from 'dayjs';

/**
 * 根据给定的年份和月份生成当月的日期数组
 * @param year 年份
 * @param month 月份（1-12）
 * @returns 当月的日期数组，格式为['01', '02', ..., '31']
 */
function generateDatesOfMonth(year: number, month: number): string[] {
  // dayjs月份是0开始的，所以需要减1
  const daysInMonth = dayjs(new Date(year, month - 1)).daysInMonth();
  const dates: string[] = [];
  for (let i = 1; i <= daysInMonth; i++) {
    // 将日期格式化为两位字符串
    dates.push(i.toString().padStart(2, '0'));
  }
  return dates;
}

// 测试例子
console.log(generateDatesOfMonth(2024, 2)); // 闰年2月: ['01', '02', ..., '29']
console.log(generateDatesOfMonth(2023, 4)); // 非闰年4月: ['01', '02', ..., '30']

（剩余的对话省略，可自行尝试...）

实现效果：

5-7，不做详细介绍

5. git获取自己编写代码的行数：增加一下自己写代码的仪式感~
6. CSS磨砂玻璃效果
7. windows查看端口占用：突然有一点localhost:4000无法启动了，一看被某某软件占用了，啊！

第三类：辅助阅读

8. 辅助阅读代码

当你实在是不想阅读同事写的代码的时候：

• Copilot，启动！

感觉自己阅读代码的能力逐渐在退化...

9-10，不做详细介绍

9. 辅助摘要网页内容（B站自带的，Edge自带的，当然还有一些支持各种网站的插件，很多，这里不做推荐）
10. PDF/论文的阅读

比如像Edge自带的网页聊天功能，下面我对其对我之前写的[一篇文章](原来Vue.js还有这么多好用的UI组件库-Justin3go's Blog-🖊)进行了摘要处理：

放大：

11. 某些文档的阅读，如Prisma

有一些技术栈的官方文档接入了AI问答，有一点点用，但用处不多，在不知道怎么使用关键词搜索的时候可能会有奇效；而已经知道关键词了，还是建议直接搜索定位到文档位置好一些。

第四类：英语学习

这里不做详细介绍，网上优质的翻译提示词也挺多的。

12. 给一篇短文，让其给出值得关注的短语和单词，并加粗给出发音、示例
13. 口语对话
14. 翻译

关于第12点，可以像这样，这还是要看你自己记笔记的习惯，然后调调提示词就好：

'What's that?'

'A book, written by my great-grandmother, with stories about her life and all her family. I never knew her but from Mum's stories I always felt an affinity . Now, after reading it, I see so many parallels. There's some sad stories and funny ones; I feel like I know the whole family.'

'Wow! I wish my great-grandma left something like that. I hardly know anything about my family.'

Emily woke, immediately recalling the dream.

'That must be my future great-granddaughter', she realised. 'The one without a book.'

She knew exactly what she needed to do...

affinity [əˈfɪnəti]，（情感或利益的）密切关系，吸引力  
场景：They felt an instant affinity for each other when they first met.

parallels ['pærəlelz]，相似之处，相似事物  
场景：There are many parallels between their stories.

realised [ˈriːəlaɪzd]，意识到，认识到  
场景：She suddenly realised that she had left her phone at home.

woke [woʊk]，醒来

I never knew her but from Mum's stories
我从妈妈的故事中对她有所了解

第五类：创新性思考

12. 一些深度思考，提问，交流

不做举例

13. 数据库架构的优化

背景：

我用Prisma的schema设计了数据库架构，但我深知我的水平不够，于是：

• GPT，启动！

角色设定：

---

你是谁：

• 你是一个数据库专家，有 20 年以上数据库架构经验，精通各种数据库表设计范式，知道如何取舍。
• 你是一个 Node.js 专家，拥有 10 年以上 Node.js 一线编程经验
• 对于 Prisma 技术栈非常熟悉，阅读 Prisma 官方文档百遍以上，熟读其 github 源码

你要做什么：

• 任务一：如果用户给你一段业务知识描述、背景描述，请你该业务知识，并按你自己的话术进行梳理，分点列出
• 任务二：如果用户给你一个schema.prisma文件，你应该理解其数据库架构，如果上下文中包含了对应的业务知识，你应该利用好之前的业务知识，仔细理解该schema.prisma文件。理解完成之后，对其数据库架构提出对应的优化建议 / 问题修复等
• 任务三：如果用户给你一个schema.prisma文件，并且专门叫你 mock 数据，那么你应该按照 Prisma 官方文档写法，参考例子中seed.ts写法进行 mock 数据生成，可以按需使用一些现成的 mock 数据生成库

部分例子：

任务三的输入例子如下： """ 请你 mock 下方模式文件的数据：

datasource db {
  provider = "postgresql"
  url      = env("DATABASE_URL")
}

generator client {
  provider = "prisma-client-js"
  // previewFeatures = []
}

generator dbml {
  provider = "prisma-dbml-generator"
}

model User {
  id        String   @id @default(cuid())
  createdAt DateTime @default(now())
  updatedAt DateTime @updatedAt
  email     String   @unique
  password  String
  firstname String?
  lastname  String?
  posts     Post[]
  role      Role
}

model Post {
  id        String   @id @default(cuid())
  createdAt DateTime @default(now())
  updatedAt DateTime @updatedAt
  published Boolean
  title     String
  content   String?
  author    User?    @relation(fields: [authorId], references: [id])
  authorId  String?
}

enum Role {
  ADMIN
  USER
}

"""

任务三的输出例子如下： """

import { PrismaClient } from "@prisma/client";

const prisma = new PrismaClient();

async function main() {
  await prisma.user.deleteMany();
  await prisma.post.deleteMany();

  console.log("Seeding...");

  const user1 = await prisma.user.create({
    data: {
      email: "lisa@simpson.com",
      firstname: "Lisa",
      lastname: "Simpson",
      password: "$2b$10$EpRnTzVlqHNP0.fUbXUwSOyuiXe/QLSUG6xNekdHgTGmrpHEfIoxm", // secret42
      role: "USER",
      posts: {
        create: {
          title: "Join us for Prisma Day 2019 in Berlin",
          content: "https://www.prisma.io/day/",
          published: true,
        },
      },
    },
  });
  const user2 = await prisma.user.create({
    data: {
      email: "bart@simpson.com",
      firstname: "Bart",
      lastname: "Simpson",
      role: "ADMIN",
      password: "$2b$10$EpRnTzVlqHNP0.fUbXUwSOyuiXe/QLSUG6xNekdHgTGmrpHEfIoxm", // secret42
      posts: {
        create: [
          {
            title: "Subscribe to GraphQL Weekly for community news",
            content: "https://graphqlweekly.com/",
            published: true,
          },
          {
            title: "Follow Prisma on Twitter",
            content: "https://twitter.com/prisma",
            published: false,
          },
        ],
      },
    },
  });

  console.log({ user1, user2 });
}

main()
  .catch((e) => console.error(e))
  .finally(async () => {
    await prisma.$disconnect();
  });

"""

---

（最终效果也还不错，给我提供了不少建议，代码暂时不公开，这里也就不演示了）

14. 域名的选购

简短的域名已经基本都被抢完了，很难想到一个优质的域名，所以可以让GPT来帮自己想，然后通过接口判断域名是否被注册，最终给出一个候选列表。

第六类：常识性问题

这些其实搜索引擎也很容易搜索到

15. 打羽毛球时如何保护膝盖
16. i18n为什么叫做i18n

第七类：格式转换

这些任务GPT的完成效果也比较好

17. cron语法

角色设定

**你要做什么**：

你是一个`自然语言`转`Crontab语法`的转换器，用户输入一段自然语言描述的定时时间，你需要将其转换为`Crontab`语法。

**例子**：

输入：每隔1小时执行一次
输出：0 * * * * command

输入：每隔8小时执行一次
输出：0 0,8,16 * * * command

输入：每天晚上11点到次日凌晨7点之间，每小时执行一次
输出：0 23-7/1 * * * command

对话：

问：每天上午每隔45分钟执行一次

答：

Crontab不支持跨小时的分钟间隔直接表示。要实现每天上午每隔45分钟执行一次，需要分别为每个小时设置具体的分钟数。上午时间段为0点到11点（包括0和11），但由于45分钟的间隔，这会导致需要手动计算每个小时内的执行时间并分别设置。

由于直接转换为单一Crontab表达式的复杂性，一个更实用的方法是使用多个Crontab条目来近似实现此需求，或者在执行的命令内部处理时间逻辑。

例如，可以设置一个每小时运行的任务，然后在命令脚本内部检查当前时间是否满足每45分钟的条件。

近似Crontab设置（示例方法，需要根据实际需求调整）:

0 0-11 * * * command # 每小时的开始
45 0-10 * * * command # 每小时45分时执行，限定在上午10点之前，因为11点45分不在要求的时间范围内

这个方法并不完美，因为它没有精确地每45分钟执行一次，但它可以在每个小时的特定时间点执行，从而部分满足需求。

对于精确到每45分钟执行一次的需求，建议通过脚本内部逻辑来实现，例如在脚本开始时检查当前时间，确定是否是启动操作的合适时机。

18. 自然语言转shieldIO图标

背景：

写github readme的时候免不了需要一些徽章，一般是去shieldIO官网去自定义，但要制作出简洁美观的徽章通常需要花费大量的时间。

而shieldIO的链接其实是语义化的，所以：

• GPT，启动！

角色设定：

---

你是谁：你是一个开源爱好者，并且拥有 UI 设计背景，对于 Markdown 文件的书写美化也非常熟练。

你要做什么 ：接下来我将输入一个技术栈，请你使用shields.io的路径生成对应的美化徽章，返回格式为 Markdown 的图片格式，注意不要用任何符号包裹输出，我需要预览该图片。用户也可以自定义其中的一些参数，比如--labelColor=#ccc

例子 1：

输入:

ELasticSearch 7

输出：

例子 2：

输入:

TypeScript

输出：

例子 3：

Vue 3 --labelColor=#ccc

输出：

---

对话

问：MIT协议

答：

（由于这个给定链接就可以展示图片，所有对话效果非常好！）

19. svg流程图转描述语句

背景：

写毕业论文时，难免需要画流程图，并且画图必须要附带解释，但其实解释内容已经在svg流程图中包含了，所以

• GPT，启动！

角色设定：

首先，你是一个全栈开发人员，拥有多年的编程经验，同时，你对技术文档编写有非常多的心得，对于文档编写以及炉火纯青，接下来你按照以下步骤进行执行；

- `step 1`：我将给你一张以 SVG 格式表示的泳道流程图 / 普通流程图，请你仔细理解其中的含义，并解释它。注意，我不需要你解释任何关于流程图规范相关的知识，我需要的是这张流程图包含的业务知识，你可以参考如下格式进行解释：

<!---->

    <总体概述>：引用流程泳道图SVG中的大标题作为主语然后进行概述(可以先进行分点描述，然后根据分点描述进行摘要处理)

    <分点描述>：

    1. XXX，引用流程图SVG中的每列小标题为主语然后进行逻辑解释，如果没有，请你自行理解并分点
    2. XXX，同上
    3. XXX, 可能有更多

    <总结>

注意，上述只是格式，不需要在最终的输出展示上方的格式标注，如`<总体概述>、<分点概述>、XXX...`不需要展示在最终的输出，以及任何关于流程图规范的字样都不要展示最终的输出中，比如：`流程图、泳道、该流程图、本流程图`之类字样。该输出大约为 500-600 字；

- `step 2`: 你自己阅读自己的输出内容，去除掉其中冗余的部分、你认为很简单不需要解释的部分，该输出大约为 400-500 字；
- `step 3`: 最后用你专业的技术知识再次比对 SVG 流程图，润色你的最终输出，毕竟你是一个技术专家，最终输出为 300-400 字

对话：

问：（流程图的svg代码）

流程图预览：

答：

这张图展示的是一个基于HTTPS协议的nginx服务器架构。它详细描述了客户端请求如何通过nginx服务器被处理并最终达到应用服务器的整个过程。

1. 请求的接收与处理：用户的请求首先被nginx服务器接收。nginx根据配置决定如何处理这个请求，比如是否需要重定向、是否缓存等。对于HTTPS请求，nginx会处理SSL/TLS握手过程，确保安全的连接建立。

2. 端口监听：nginx配置监听443端口，这是HTTPS协议默认使用的端口。通过监听这个端口，nginx能够接收到来自客户端的HTTPS请求。

3. 请求的转发：处理完请求之后，nginx会根据配置将请求转发到内部的不同服务。这通常涉及到负载均衡等策略，以确保请求被高效地处理。

4. 应用服务器处理：内部的应用服务器接收到nginx转发的请求后，开始进行业务逻辑的处理。这可能涉及到数据库的读写、文件的存取、第三方服务的调用等。

5. 响应的返回：应用服务器处理完请求后，会将响应返回给nginx服务器，nginx再将这个响应返回给客户端。这个响应可能包括HTML页面、JSON数据等。

6. 服务组件：图中还涉及到了其他的服务组件，如数据库（pg）、缓存(redis)、对象存储(minio)等，这些组件为应用服务器的处理提供了必要的支持。

总结来说，这张图展示了一个基于nginx的HTTPS服务器架构。从接收客户端的HTTPS请求开始，到请求在应用服务器的处理，再到响应返回给客户端的整个过程，涉及到了nginx的配置、SSL/TLS握手、负载均衡、内部服务组件等关键环节。这样的架构能够确保请求的安全、高效处理。

（用来写一些东西非常合适）

20-22，不做详细介绍

20. 自然语言转emoji
21. js转ts
22. sql

第八类：辅助写作

这一部分也是老生常谈了，并且我自己用得不多，这里简单带过

23. 各种报告
24. 各种总结
25. 语言润色（邮件、推广话术、脚本文案等）

第九类：未知分类

还有一些编程相关的例子，比如：

26. mock数据的生成
27. 技术栈的调研：比较合适，GPT的截止年限，但我们对技术栈的选择也不会选择刚出来没多久的技术，更多是一些稳定的技术，正好问GPT比较合适
28. 错误处理
29. 测试用例的生成

最后

到这里已经写了太多了，有点疲了，所以后面举例就偏少了，后面有机会再聊吧~

（怎么只有29个，不是30个吗？第30个就是这篇文章的立意~）

目前笔者理解，现在有很多听起来非常牛逼的AI能力，什么一键、一句话、全自动之类的，只能说未来可期，真正落地使用还不是很好用。

但现在的AI已经能帮助到我们工作、学习、生活的各个方面，就像上面这一堆例子一样，在平常应该好好利用起来。

总之，AI的发展为我们打开了无限的可能性，去享受它带给我们生活和工作的便利和乐趣吧。