新时代来了
chatgpt出来有很长一段时间了，内部推广使用了下，确实是很香。作为开发者的我，在工作中开始有了一些新的习惯，拥抱新时代，chatgpt确实是个不错的工具。
一、面向chatGpt编程
以前碰到新的技术工具，一般都是百度或者google一下，即所谓的面向搜索引擎编程。但是搜索引擎的结果是参差不齐的，需要阅读不少的文章，才能找到答案，费时费力。如今，我会直接问chatgpt，目前大多数的情景，都可以得到一个不错的答案，chatgpt会给出它的解释和具体的解决方案，并且这个方案是可以直接使用的，迁移成本很低。我简单举几个例子：
(1)elasticSearch 完全匹配
需求背景：有个日志数据在elasticSearch搜索引擎里面，其中有个字段tid是一个上下文的唯一id，需要从索引库里面查询精确匹配该字段的数据。
提问：
elastic must match in java
chatgpt的回答:
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.index.query.BoolQueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.TermQueryBuilder;
import org.elasticsearch.index.query.MatchQueryBuilder;
import org.elasticsearch.search.SearchHit;
import org.elasticsearch.search.SearchHits;
import org.elasticsearch.search.builder.SearchSourceBuilder;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.common.unit.Fuzziness;
import java.io.IOException;
public class ElasticMustMatch {
private final RestHighLevelClient client; // 你的 Elasticsearch 高级客户端
public ElasticMustMatch(RestHighLevelClient client) {
this.client = client;
}
public SearchHits search(String index, String fieldName, String value) throws IOException {
TermQueryBuilder termQuery = QueryBuilders.termQuery(fieldName, value);
MatchQueryBuilder matchQuery = QueryBuilders.matchQuery(fieldName, value).fuzziness(Fuzziness.AUTO);
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery()
.must(termQuery)
.should(matchQuery);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.query(boolQuery);
sourceBuilder.size(10); // 返回的结果数
SearchRequest searchRequest = new SearchRequest(index);
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = client.search(searchRequest);
return searchResponse.getHits();
}
}
迁移使用：
我把chatgpt提供的这个代码片段拷贝到代码，迁移改动很小
public SearchHits query(EsLogReq req) {
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
sourceBuilder.query(QueryBuilders.matchQuery(TRACE_ID, PREFIX + req.getTraceId()).operator(Operator.AND));
SearchRequest searchRequest = new SearchRequest(req.getIndex());
searchRequest.source(sourceBuilder);
SearchResponse searchResponse = client.search(searchRequest);
return searchResponse.getHits();
}
(2)学习和使用新的语言
需求背景：想用golang写一个文本处理工具，读取一个csv文件，每一行数据有一个userId，处理每一行后每一行转成一个链接，生成另外一个csv文件。下面是过程中的2次提问：
// 提问一，怎么读取csv文件：
golang read csv
// 回答一(这里忽略了解释部分)：
package main
import (
"encoding/csv"
"fmt"
"os"
)
func main() {
file, err := os.Open("data.csv")
if err != nil {
fmt.Println("Error:", err)
return
}
defer file.Close()
reader := csv.NewReader(file)
records, err := reader.ReadAll()
if err != nil {
fmt.Println("Error:", err)
return
}
for _, record := range records {
fmt.Println(record)
}
}
在有上下文的情况下，chatgpt会自然的关联起来，问题2不再提及golang:
// 提问二，怎么写文件：
write file
// 回答二(这里忽略了解释部分)：
package main
import (
"fmt"
"io/ioutil"
)
func main() {
data := []byte("Hello, World!")
err := ioutil.WriteFile("output.txt", data, 0644)
if err != nil {
fmt.Println(err)
return
}
fmt.Println("Data written to file")
}
可以看到，chatgpt给出的demo是比较精准的，简单改下就可以迁移到脚本工具里面。
(3)json生成类
对接一些第三方接口时候，会有根据报文生成类的场景，让chatGpt来写：
假设你是一个高级java开发，结合Lombok给下面这个json生成java bean:
{
"transactionId": "20230524172209",
"requestTime": "20230524172249",
"hcDetail": {
"hcType": "2",
"hcid": "7270735",
"qId": "13577"
}
}
chatgpt的回答：
比较好玩的是，如果不提示Lombok，生成的结果是有getter和setter的。chatgpt的理解能力、创造力，让我感到震撼。
二、单元测试
日常开发中会写一些测试，但是覆盖的样例和代码不多，能否用chatgpt生成单元测试，提高代码覆盖率。试了下是可以的，效果还不错。比如我有一个java接口：
public interface ExpressionHandler {
/**
* 模板渲染
*
* @param template
* @param param
* @return
*/
String execScript(String template, Map<String, Object> param);
}
给chatgpt指令：
帮我生成单元测试 public interface ExpressionHandler {
/**
* 模板渲染
*
* @param template
* @param param
* @return
*/
String execScript(String template, Map<String, Object> param);
}
结果它生成了一个还不错的类，并给出了每个case的解释。：
import org.junit.Test;
import static org.junit.Assert.assertEquals;
public class ExpressionHandlerTest {
private final ExpressionHandler handler = new YourExpressionHandler(); // 替换成你的实现类
@Test
public void testExecScriptWithEmptyTemplate() {
String template = "";
Map<String, Object> params = new HashMap<>();
String result = handler.execScript(template, params);
assertEquals("", result);
}
@Test
public void testExecScriptWithNullParameters() {
String template = "Hello, ${name}!";
Map<String, Object> params = null;
String result = handler.execScript(template, params);
assertEquals("Hello, ${name}!", result);
}
@Test
public void testExecScriptWithValidInput() {
String template = "Hello, ${name}! Today is ${day}.";
Map<String, Object> params = new HashMap<>();
params.put("name", "Alice");
params.put("day", "Monday");
String result = handler.execScript(template, params);
assertEquals("Hello, Alice! Today is Monday.", result);
}
}
这里假设你有一个名为 `YourExpressionHandler` 的实现类来处理模板渲染功能。在测试中，我们覆盖了三种情况：
空字符串模板：验证输出是否为空字符串。
空参数映射：验证是否能够正确地使用占位符，而没有使用任何参数。
有效输入：验证是否可以正确地渲染带有变量的模板，并使用给定的参数映射替换变量。
上面的样例，基本可以直接拿来使用，或者微调下再使用，在帮助改进代码质量方面，效果不错。
三、处理线上问题
以下是一次日常报错的处理过程，
1.线上应用报错
我们有个知识中心，是保险知识库+搜索引擎，给业务销售查询专业问题的。出问题的是搜索接口：
2.找到错误日志
顺着接口找到服务异常日志：
elasticsearch.exceptions.RequestError: RequestError(400, 'search_phase_execution_exception',
'The length of [content] field of [auto_hebao_onsell_4] doc of [knowledge] index has exceeded
[1000000] - maximum allowed to be analyzed for highlighting. This maximum can be set by
changing the [index.highlight.max_analyzed_offset] index level setting. For large texts,
indexing with offsets or term vectors is recommended!')
3.寻找解决方案
从日志能看出来是和highlight有关系的，但是，不管三七二十一，直接丢给chatGpt：
PUT /knowledge/_settings
{
"index.highlight.max_analyzed_offset": 2000000
}
可以看到,gpt给出了解释，并给出了解决方案。让运维小伙伴按照这个设置操作，业务那边就正常了。只能说chatgpt 牛逼！
四、更大的世界
以上案例都是把chatgpt作为辅助工具的，大部分场景还是依赖人力。往更大的世界去思考：
蒋炎岩老师：智能编译，编译过程中算法替换
之前在老师的b站视频课程，蒋老师给了一个想法：编译器目前做的是指令级别的优化，有没有可能做到把“冒泡”换成“快排”这种层级的优化？
gpt能写完整代码吗
上面用golang写工具的例子，有没有可能chatgpt根据需求完成代码编写呢？最近看的一个有意思的文章：
chatgpt与人
人在驾驭机器还是机器在驾驭我们?在试用AiXcoder的时候，有时候会觉得它在教我做事。以前的提示工具更多是一种辅助工具，在ai时代，工具提供的代码可以仿佛是它在写代码，而我是工具。
总结
在chatgpt时代下，开发的日常流程都发生了变化，开发阶段、测试阶段、维护阶段都可以借助chatgpt做出改进。
拥抱新时代吧！
