[2024] 我的AI学习与实践

背景

2023年ChatGPT的横空出世,颠覆了我对AI的认知,第一次觉得AI真的来了.

2024年AIGC的风潮很猛,对于我而言,现象级的应用那当然是Github Copilot.

AI自动聚合搜索,可以一次查询几十个相关的网页内容,自动梳理网页内容并进行有条理的输出,比百度、必应高效多了,据说stackoverflow的访问量也下降了很多.

对于我而言,掘金都很少访问了.很多问题,在简单的梳理以及给出示例之后,交给AI基本都能得到一个解决思路和示例.

再根据示例,再一步一步的调试和鼓捣,基本都可以解决业务问题.如何利用好AI帮助自己高效的编码,变得非常重要.

AI

如何使用AI

  • 国外:ChatGPT、Claude 等
  • 国内:Kimi、文心、通义千问等

国外的AI应用需要梯子才能访问,国内的AI应用直接搜索地址,手机号注册即可.

如何用好AI

  1. 提示词prompt很重要
  2. 让AI分步思考
  3. 进阶使用dify构建的自己的AIGC应用

日常使用

在我日常使用中,用到最多的基本就是第一和第二步.在一次完整的项目管理中,通常会分为这五个阶段:需求准入、代码编写、集成测试、版本发布、总结复盘.在这五个阶段,AI都可以穿插其中.

  • 需求准入阶段:需求拆分、需求边界说明
  • 代码编写阶段:代码优化、代码注释、函数拆分、i18n词条、变量命名、commit生成、单元测试、code review
  • 集成测试阶段:测试用例、自动化测试
  • 版本发布阶段:版本的发布说明
  • 总结复盘阶段:会议总结、待办项

在上述的五个阶段中,举例的一些事项,AI都可以介入帮忙提效.

为了让AI可以更稳定、更精确地回答我们提出的问题,减少AI的幻觉,我们还得根据不同的场景,设计不同的提示词.

举个例子:在项目中,我们要在之前的模块上新增功能,并新增加了一堆i18n词条,i18n词条需要和之前写法保持一致.

在没有AI之前,我们去做这件事,基本就一种处理方式:人工识别之前i18n词条的书写格式,再一个一个把新的i18n词条补充完毕,并且词条的名称需要人工进行声明,还是有点累人.

在有AI之后,我们可以换一个新的方式处理这个事情:首先,让AI识别旧i18n词条的书写格式;其次,我们再给AI我们要进行翻译的新i18n词条;最后,让AI输出翻译好的i18n词条,我们直接复制粘贴即可.

AI擅长处理这种重复的事情,最后达到的效果就是帮助我们进行了提效,新词条的续写不再需要太多时间,交给AI即可.

i18n词条续写提示词

shell 复制代码
你是一个国际化翻译工作者,擅长翻译软件工程的中英文词条的翻译.根据上下文的词条示例,续写词条.

## 一、下面是三个示例,帮助你理解要做的事情

### 示例一
## 词条示例

zzz.permission_risk.phone: 手机
zzz.permission_risk.search_dept: 搜索部门
zzz.permission_risk.infer_process.authorized_user_count.form_label: 授权用户数:{num}

## 前缀获取

zzz.permission_risk

## 用户输入

你好
上海


## 正确输出案例

zzz.permission_risk.hello_world: 你好
zzz.permission_risk.shanghai: 上海


### 示例二

## 词条示例

okr.user_identify.confirm_modify_config: 确认要修改配置吗?
okr.user_identify.add_user: 新增用户
okr.user_identify.atrust_identity.config.success: 已完成身份源配置,请等待平台孵化用户身份


## 前缀获取

okr.user_identify


## 用户输入

标签
地址

## 正确输出案例

okr.user_identify.tag: 标签
okr.user_identify.address: 地址

### 示例三

## 词条示例

system.application: 应用
system.application.success_save: 保存成功
system.ok: 确定

## 前缀获取

system

## 用户输入

类型
用户域

## 正确输出案例

system.type: 类型
system.user_domain: 用户域


## 二、要求
1. **格式要求**:找到词条的书写格式,根据要翻译的词条的含义,仅修改最后一个词汇,并以词条格式化进行结果输出.请根据上下文{{i18n_example}} 决定词条的前缀,确保输出的每个词条符合上下文的命名规范.

2. **唯一性**:词条的key不能与上下文示例中的key一致,key要语义化,确保每个key具有独特的语义,避免重复.

3. **占位符使用**:词条采用i18n-next的写法,数字需要提取出来作为占位符.例如:对于"最多选择30个应用进行导出数据",正确的词条格式为:`zzz.permission_risk.maximum_app_export_limit: 最多选择{num}个应用进行导出数据`.

4. **内容准确性**:确保翻译内容准确反映原文的意思,避免歧义.请注意上下文的语境,以确保翻译的自然流畅.

5. **边界条件**:在处理用户输入时,请确保输入内容的完整性和有效性.如果用户输入的内容不符合预期,请提供适当的反馈或提示.
6. **输出内容**:输出正确的词条案例、使用code标签包裹,方便进行复制和粘贴

进阶

使用dify搭建自己的专门应用

dify是一个搭建AI应用的平台,提供了健全的应用模板和编排框架.

  • 可以自定义编排应用,非常简单就能上手.
  • 可以关联知识库,补充了AI的知识不足.
  • 流程编码,存在巨大的发挥空间.

学习资料

相关推荐
阿坡RPA11 小时前
手搓MCP客户端&服务端:从零到实战极速了解MCP是什么?
人工智能·aigc
几米哥14 小时前
从思考到行动:AutoGLM沉思如何让AI真正"动"起来
llm·aigc·chatglm (智谱)
你觉得20515 小时前
哈尔滨工业大学DeepSeek公开课:探索大模型原理、技术与应用从GPT到DeepSeek|附视频与讲义下载方法
大数据·人工智能·python·gpt·学习·机器学习·aigc
头顶秃成一缕光17 小时前
若依——基于AI+若依框架的实战项目(实战篇(下))
java·前端·vue.js·elementui·aigc
weixin_4352081618 小时前
通过 Markdown 改进 RAG 文档处理
人工智能·python·算法·自然语言处理·面试·nlp·aigc
你觉得20518 小时前
浙江大学朱霖潮研究员:《人工智能重塑科学与工程研究》以蛋白质结构预测为例|附PPT下载方法
大数据·人工智能·机器学习·ai·云计算·aigc·powerpoint
360安全应急响应中心19 小时前
基于 RAG 提升大模型安全运营效率
安全·aigc
Zhikes19 小时前
抄了AI语音克隆的家!本地部署、6G显存搞定、一键启动包免费放送
aigc
墨风如雪19 小时前
深度解析 OpenAI Academy:官方下场,AI 学习迎来新基准?
aigc
KarudoLee1 天前
AIGC7——AIGC驱动的视听内容定制化革命:从Sora到商业化落地
人工智能·aigc