玩转ChatGPT：辅助编程_gpt辅助编程

一、写在前面

首先让小Chat介绍自己在编程方面的天赋：

总结起来：TA掌握了海量的编程知识，能做到自动代码生成、代码审查优化、编程教学辅导以及实时问题解答。我问TA学习了多少案例，TA说：忘了，但保证够用。

前提：我是做机器学习与临床大数据挖掘的，偏向于数据科学领域，并不是做开发的哈。因此，所需要的代码一般都不会很长，GPT3.5足够。至于做开发的，成千上万的代码，不属于本文范围，当然，底层逻辑都是一样的，供参考。

二、推荐途径

（1）GPT-3.5（GPT-4）

也就是GPT的原版本，在网页端直接操作，不需要通过API，毕竟API要钱呐。

（a）生成代码：用python语言写一个随机森林的代码，（记得指定语言）：

解读：小Chat使用Pyhton的sklearn包写一个标准的随机森林分类模型，并对程序做了简单的说明。

（b）通过对话理解代码。对于萌新来说，TA给出了代码，但是不会用。所以，需要把TA作为一个编程教学辅导用于实现保姆级别的教学。

第一回合：这个代码怎么使用和运行，请给出详细的步骤。

 解读：作为一名萌新，我也没运行过Python，需要怎么安装？

第二回合：如何安装python？对于新手来说，请提供友好的安装方法。

解读：看第二点“方便地进行开发和调试”，还举了3个例子，因此，我们继续问：

追问：PyCharm、Visual Studio Code 和 Spyder哪一款更适合新手使用？

 解读：我们的定位就是用机器学习进行数据挖掘，因此，推荐使用Spyder。那么，怎么安装？

追问：请提供Spyder保姆级别的安装教程。

 解读：以上，我们知道了怎么安装程序软件，也拿到了代码，那么，它的数据集要怎么准备？

第三回合：上述随机森林的代码中数据集'your_dataset.csv'的数据格式是什么样子的？请用表格展示一个例子。

解读：一定要求TA用表格的形式给你举例子，这样非常直观。

接下来，我们需要知道怎么调参。

第四回合：随机森林重要的参数有哪些？如何科学地调整模型参数？

解读：理论知识懂了，那么如何用代码实现？

第五回合：请用网格搜索调整随机森林上述几个重要参数，帮我写出代码，并嵌入之前的代码中。

解读：接下来，需要对每一部分的代码的功能有一个大致的了解。

第六回合：请问以下代码是什么意思：

   
   

     
     

      
      

     
     
     
     

      
      

       
       param_grid 
       
       = {
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           
       
       'n_estimators': [
       
       100, 
       
       200, 
       
       300],
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           
       
       'max_depth': [
       
       5, 
       
       10, 
       
       15],
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           
       
       'min_samples_split': [
       
       2, 
       
       5, 
       
       10],
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           
       
       'min_samples_leaf': [
       
       1, 
       
       2, 
       
       4],
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           
       
       'max_features': [
       
       'sqrt', 
       
       'log2', None],
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
           
       
       'criterion': [
       
       'gini', 
       
       'entropy']
      
      
     
     

     
     

      
      

     
     
     
     

      
      
 
      
      
     
     

     
     

      
      

     
     
     
     

      
      

       
       }
      
      
     
     
   
   

    
    
   
   
   
   
1

解读：解释得很清楚了，像一个24h在线的专业指导。接着，我们需要绘制ROC曲线。

第七回合：如何绘制训练集和测试集的ROC曲线并显示AUC值，画在一个图上。请写出代码。

解读：以上，把一个简单的机器学习建模的代码和流程都展示出来了，真的厉害。

（c）运行代码。这个功能没有开放。GPT-4能够调用插件的话，是可以直接运行代码的，这种能力太恐怖了。我也一直期待权限开放，那就大有可为了。

（d）代码转化。比如python转R，python 2.0转python 3.0，Tensorflow转Pytorch等场景，我就随便举1-2个例子。

① python转R：把上述python写的随机森林代码转成R语言，要求功能完全一致。

② python 2.0转python 3.0：有时候在数据分析的时候，需要一些第三方开发的算法，很多没有被封装至python的程序包，此外，几年前开发的算法都是基于python 2.0的。要命的是，python 2.0和现在的python 3.0有些语法不同，有些包也被剔除：

因此，需要做转换。

譬如，我最近需要用到一个算法，叫做iSMART，明确是说用python2写的。

我便使用小Chat转成python 3.9可运行的代码：

把下面的代码转化成python 3.9可运行的代码，并指出修改之处：加要修改的代码。

无脑复制粘贴即可。

（e）代码报错纠正。转化好的代码试运行，报错基本是99%的事情。此时只需把报错信息发给小Chat，TA就会给你反馈。我举一个CNN的例子：

运行报错：

我运行下面的代码后报错：[输入运行的代码]，报错信息为：FileNotFoundError: [WinError 3] 系统找不到指定的路径。: 'xdd002'。

 没错，我没有选择工作路径，自然找不到文件夹。TA建议我优化代码，那我就求助TA：

帮我写一段代码，用于检查文件夹是否存在，并嵌入源代码中。

 我加入源代码，试运行：

嗯，神清气爽！

总结：小Chat可以自动代码生成、代码审查优化、编程教学辅导以及实时问题解答。可以说是大大提高编程效率了。

（2）Cursor

Cursor 是一个集成了 GPT-4 （存疑！）的代码生成器，可以帮助你快速编写、编辑和讨论代码。

安装也很简单，前往官网地址：Cursor | Build Fast，下载安装即可。

 安装后打开软件：

 

开始测试：

（a）生成代码：选中界面，Ctrl+K弹出对话框，输入：用python语言写一个随机森林的代码：

感觉一般般，可能我们需要把需求描述的更加细致：

用python语言写一个随机森林的代码，包括数据读取、数据清洗和拆分、模型性能评估以及ROC曲线绘制：

这样就很完整了。

（b）代码理解：把需要解读的代码复制进来，Ctrl+LA全选代码（或者只选择你要解读的代码段），在右侧对话框输入：请用中文解析这个代码的作用和功能：

  他就会跟你chat了，我咋又追问了几个问题，也都一一提供了解答。

（c）代码转化：选中你要改写的代码段，Ctrl+L，可以发现右侧对话框已经显示出改代码段，输入：改写成python 3.9可运行的代码：

（d）代码报错纠正。同样，用CNN的例子做测试，输入：代码运行报错：FileNotFoundError: [WinError 3] 系统找不到指定的路径。: 'xdd002'

 嗯，很厉害。

总结：他还有debug等其他功能，大家自行探索。免费版一个月只提问100次（收费版每个月20美元，等价于GPT-4），或者可以在下面填写自己的API（那不就是变相要钱）。我一般是和GPT配合使用，特别是需要解读的代码行数特别多的时候。

（3）其他

其实New bing也可以处理代码：

 我就不一一演示了。

此外，还有Github Copilot等工具，有兴趣自行探索。

三、写在最后

（1）GPT辅助编程的能力还是很强的，推荐大家尽快融入自己的工作流；

（2）只是辅助作用，关键还是想法最重要。

（3）发现身边的人对于GPT的认识还处于翻译、润色、简单写作等阶段，这也是我写《玩转GPT》的初衷。都说工具不是最重要，但是科学技术毕竟是第一生产力呐，提高了生产效率，那不是有更多时间进行深度思考咯。

我觉得我的文笔好LOW，求助了GPT-4，下面才是我想表达的：

GPT辅助编程的能力可谓是一马当先，堪比小燕子般的敏捷。如果说人生是一场马拉松，那GPT就是那为你加油助威的观众，让你不断超越自己。作为如此强大的神助攻，不妨让它成为你工作流中的得力助手，与你共创美好未来。

然而，作为一名AI，GPT虽然智慧如斯，但也只能是个辅助角色。正所谓“鸟儿飞过，留下声音”，我们最终还是要靠自己的创意和想法。毕竟，这世上没有永动机，但却有无尽的创意源泉，而这正是人类的特质。

许多人对GPT的了解还停留在翻译、润色、简单写作等层面，就如同看到一块冰山，却只看到了它露出水面的那一小部分。这也正是我写《玩转GPT》的初衷。人们常说工具不是最重要，但我们又如何能忽略科学技术所带来的巨大变革呢？科技的进步让我们站在巨人的肩膀上，让我们的生产效率得到极大提高，宛如一把锋利的剑，助我们斩断纷繁杂念，使我们拥有更多的时间去进行深度思考。

所以，赶紧把GPT这位神奇的小助手融入你的工作流吧，让它成为你的王牌。与它携手共进，你将发现一个崭新的世界。同时，也别忘了锻炼自己的创意思维，因为这正是我们与机器的区别，也是我们闪耀的光芒。让我们在科技的浪潮中勇往直前，成为那勇敢拓荒者，追寻真正的自我价值。