隨著AI技術(shù)的飛速發(fā)展，大語言模型正在成為提升工作效率的強(qiáng)大工具。谷歌科學(xué)家Nicholas Carlini分享了17種AI用法，展示了大語言模型如何在編程、項目管理、新技術(shù)學(xué)習(xí)、代碼優(yōu)化、任務(wù)自動化等多方面為打工人提供幫助。

新技術(shù)的普及，融入每個人的日?？傄?jīng)歷一個相當(dāng)長的過程。對于大模型而言，同樣如此。

我們相信，不少行業(yè)的從業(yè)人員已經(jīng)將大模型融進(jìn)工作流甚至日常生活中去了，也不得不承認(rèn)大模型的普及率還沒有達(dá)到頂峰，沒有達(dá)到人人皆用的程度。

從實(shí)用角度出發(fā)，造成阻礙的因素是什么？普通人該如何使用大模型？大模型對于每個人的具體益處到底是什么？

谷歌DeepMind 研究科學(xué)家 Nicholas Carlini，一位機(jī)器學(xué)習(xí)和計算機(jī)安全領(lǐng)域的大牛。以最貼近現(xiàn)實(shí)實(shí)用的角度，分享了他對大模型的看法，以及自己對大模型應(yīng)用的50個案例。

其中包括：

• 用我從未用過的技術(shù)構(gòu)建完整的網(wǎng)絡(luò)應(yīng)用程序。
• 在我此前從未使用過的情況下，教我如何使用各種框架。
• 將數(shù)十個程序轉(zhuǎn)換為C或Rust語言，以將性能提高10到100倍。
• 精簡大型代碼庫，大幅簡化項目。
• 為我去年撰寫的幾乎每一篇研究論文編寫初始實(shí)驗(yàn)代碼。
• 自動化幾乎每一項單調(diào)的任務(wù)或一次性腳本。
• 幾乎完全取代了用于幫助我設(shè)置和配置新軟件包或項目的網(wǎng)絡(luò)搜索。
• 約50%取代了用于幫助我調(diào)試錯誤信息的網(wǎng)絡(luò)搜索。

這些AI應(yīng)用案例大致歸為兩大類，那就是“幫助我學(xué)習(xí)”和“自動化枯燥任務(wù)”。

烏鴉君做了部分精簡，并摘取了17個人們在工作和生活中經(jīng)常能夠用到的案例，相信會對你有所幫助，以下為正文：

01 構(gòu)建完整的應(yīng)用程序

去年，我制作了一個測試，讓人們檢驗(yàn)自己預(yù)測GPT4解決一些任務(wù)能力的水平。

這個測試最終相當(dāng)受歡迎，獲得了超過一千萬的瀏覽量。

猜猜怎么著？

這個應(yīng)用程序幾乎整個初始版本都是我讓GPT4幫我寫的。

我通過一系列提問來實(shí)現(xiàn)這一點(diǎn)。一開始我詢問應(yīng)用程序的基本結(jié)構(gòu)，然后逐步構(gòu)建出各種功能。

整個對話長達(dá)30000字，著實(shí)考驗(yàn)了（當(dāng)時最先進(jìn)的）初代GPT4模型的能力。

02 借助大模型完成各類任務(wù)

回顧我與GPT4的交流，你會發(fā)現(xiàn)各種類型的信息。

有的消息里，我只是用文字描述自己的需求，讓模型給出完整的實(shí)現(xiàn)方案；有的消息里，我提出具體的修改要求.

比如“不用和平均分比較，能否用核密度估計（KDE）算出這是第幾百分位？”；

還有的消息里，我只是復(fù)制粘貼錯誤信息，提出一個沒有詳細(xì)說明的問題.

例如“繪圖時出現(xiàn)錯誤：numpy.linalg.LinAlgError:singularmatrix”；

也有一些情況，我只是尋求簡單的一次性解答.

比如“如何用JavaScript給頁面添加一個加載字符串內(nèi)容的iframe？”

總的來說，能如此順利交流的原因在于，大語言模型擅長解決前人已經(jīng)解決過的問題。

我做的這個小測試，99%的部分不過是基礎(chǔ)的HTML和Python網(wǎng)絡(luò)服務(wù)器后端代碼，門檻很低。

這個測試之所以有趣且受人喜愛，并非因?yàn)槠浔澈蟮募夹g(shù)，而是測試的內(nèi)容。

正是因?yàn)榻柚笳Z言模型自動完成了所有枯燥的部分，我才能輕松地做出這個測試。

事實(shí)上，我可以篤定地說，如果沒有大語言模型的幫助，我很可能根本不會去做這個測試，因?yàn)槲铱刹幌牖〞r間從頭開始編寫整個網(wǎng)絡(luò)應(yīng)用程序。

而我還是個懂編程的人！我相信，即便是現(xiàn)有的大語言模型，也足以讓絕大多數(shù)人通過詢問解決方案，去完成他們以前根本無法完成的有意義的任務(wù)。

接下來我還有幾個類似的例子，我讓大語言模型為我編寫了完整的應(yīng)用程序。等這些應(yīng)用發(fā)布時，我會明確說明它們是在大語言模型的幫助下完成的。

03 及時獲取新技術(shù)進(jìn)展

曾經(jīng)，我會緊跟新框架的發(fā)展步伐。

但一個人一天的時間有限，而且由于工作的原因，我大部分時間都花在了解最新的研究進(jìn)展上，而不是JavaScript框架的最新動態(tài)。

這就意味著，當(dāng)我要開展一個超出我特定研究領(lǐng)域的新項目時，通常有兩種選擇。其一，我可以使用我熟悉的技術(shù)。

雖然，這些技術(shù)可能已經(jīng)過時了一二十年，但如果項目規(guī)模較小，往往也夠用了。

其二，我可以嘗試學(xué)習(xí)新的（通常也是更好的）方法。

這時，大語言模型就派上用場了。像Docker、Flexbox或React這類對我來說全新的框架或工具，對其他人而言并不新鮮。

世界上可能有成千上萬的人對這些技術(shù)了如指掌，大語言模型同樣如此。

這意味著，我無需閱讀那些假定讀者具備特定知識、想要實(shí)現(xiàn)特定目標(biāo)的靜態(tài)入門教程，而是可以與大語言模型進(jìn)行交互式學(xué)習(xí)，掌握解決任務(wù)所需的一切知識。

例如，今年早些時候，我在構(gòu)建一個大語言模型評估框架，希望能在一個受限的環(huán)境中運(yùn)行大語言模型生成的代碼，避免它刪除我電腦里的隨機(jī)文件之類的情況。

Docker正是完成這項任務(wù)的理想工具，但我之前從未使用過它。

重要的是，這個項目的目標(biāo)并非使用Docker，Docker只是我實(shí)現(xiàn)目標(biāo)所需的工具。

我只想了解Docker中那10%的必要知識，這樣我就能放心地以最基本的方式安全使用它。

要是在90年代做這件事，我基本上得買一本從基礎(chǔ)講起的Docker使用手冊，讀完前幾章，然后跳著閱讀以弄清楚如何實(shí)現(xiàn)我的需求。

后來情況有所改善，如果是在過去十年做這件事，我會在網(wǎng)上搜索一些介紹Docker使用方法的教程。

試著照著做，遇到錯誤信息時再上網(wǎng)搜索，看看是否有人也遇到過同樣的問題。

但如今，我只需讓大語言模型教我使用Docker。下面就是我向它請教的過程。

04 開啟新的項目

我年輕時學(xué)的第一門編程語言是Java。

我確實(shí)很喜歡編程，但有一件事我極其討厭，那就是面對一個新項目的空白屏幕。

尤其是用Java的時候！哪怕只是讓程序編譯出一個“Hello,World”，那個“publicstaticvoidmainstringargs”是干嘛的？

括號該放在哪兒？哪些字母要大寫來著？為啥這里用花括號，那里用方括號？

于是，我像任何一個孩子會做的那樣，讓我父親幫我搞定。

時光飛逝二十年，如今面對不熟悉的框架開啟新項目，我依舊滿心抗拒。

光是處理那些樣板代碼就要耗費(fèi)大量時間，而且我根本搞不清自己在做什么。

比如，最近我想寫一些CUDA代碼，來對比在GPU上進(jìn)行簡單貪心搜索和在別人優(yōu)化過的高效CPU上實(shí)現(xiàn)的性能差異。

但我不會寫CUDA序。我會寫C語言，也明白GPU的工作原理、內(nèi)核的作用以及內(nèi)存布局等知識。

但要實(shí)際編寫代碼把任務(wù)發(fā)送到GPU上，我完全不知從何入手。

于是，我讓大語言模型幫我寫出CUDA程序的初稿。

它寫得完美嗎？當(dāng)然不！但這是個開端，而這正是我所需要的。

你會發(fā)現(xiàn)這里的代碼有很多錯誤，不過我完全能接受。

我并非尋求一個完美的解決方案，只是想要一個起點(diǎn)，后續(xù)我自己能接著推進(jìn)。

要是未來的模型能表現(xiàn)得更好，那自然再好不過，但就目前而言，現(xiàn)有的模型已經(jīng)幫了大忙。

再舉個例子，和上面的情況完全不相關(guān)。

我在家做一些個人項目時，用到了樹莓派PicoW，這是我第一次用它。

我想讓它完成一些特定的任務(wù)，尤其是一些網(wǎng)絡(luò)相關(guān)的功能。

我當(dāng)然可以在網(wǎng)上找到有人寫的不錯的教程來指導(dǎo)我怎么做，但你最近瀏覽過網(wǎng)絡(luò)內(nèi)容嗎？

搜索結(jié)果的前5條往往是垃圾內(nèi)容農(nóng)場產(chǎn)出的，里面的代碼還是2008年的，而且有很多bug，只是為了搜索引擎優(yōu)化（SEO）更新了一下，根本沒法用。

于是，我直接讓大語言模型教我怎么實(shí)現(xiàn)我的需求。

我之前接觸過微控制器，大致了解它們的工作原理，但從未用過PicoW。

我只需要有人幫我處理好所有依賴項，后續(xù)的我自己就能摸索清楚。

每次接觸新的微控制器，我寫的第一個“Hello,World”程序都是讓LED閃爍。

這樣我就能測試是否能成功編譯并將代碼上傳到設(shè)備上，引腳是否都設(shè)置正確，從而基本掌握操作方法。

所以，我直接讓大語言模型給我一個閃爍程序的代碼。（再說一次：網(wǎng)上肯定有這樣的代碼，但我還得去搜索。）

一旦代碼能運(yùn)行起來，我就知道后續(xù)該怎么做了。

我懂Python（信不信由你?。?，所以在解決了MicroPython的特殊問題后，我就可以直接繼續(xù)編輯代碼。

當(dāng)我遇到需要特殊處理的問題時，我就直接讓大語言模型幫忙。

比如，我接著讓它幫我寫一個連接WiFi的腳本。

之后我又遇到了連接MQTT服務(wù)器的難題，同樣向它求助。我現(xiàn)在經(jīng)常這么做。

就連本節(jié)開頭提到的例子也不是虛構(gòu)的，我就曾詢問如何使用Flexbox，因?yàn)槲疑洗螌W(xué)習(xí)新的HTML布局方式還是用div標(biāo)簽替代表格的時候。

05 代碼簡化

作為一名安全研究員，我經(jīng)常會拿到一個包含別人數(shù)千行研究代碼的新代碼庫，我得先弄清楚它的工作原理，然后才能對其發(fā)起攻擊。

這聽起來似乎不難，如果大家寫的代碼都很規(guī)范，那確實(shí)也不難，但現(xiàn)實(shí)并非如此。

研究人員并沒有動力去發(fā)布規(guī)范整潔的代碼，所以很多人會把能運(yùn)行的代碼隨便一放就發(fā)布了（我自己也會這樣）。

這里我沒法分享和研究相關(guān)的例子，但可以講一個我個人項目中的例子。

有人說我對康威生命游戲（Conway’sGameofLife）癡迷得有些過頭。

最近，我想找一種在Python里快速評估生命游戲模式的方法。

有一個很棒的C++工具叫Golly能實(shí)現(xiàn)這個功能，但我不想把我的Python代碼重寫成C++代碼。

Golly有一個命令行工具可以滿足我的需求，我只需要正確調(diào)用它就行。

第一步是從支持大約50種不同命令行選項的C++代碼里，提取出能完成我所需功能的部分。

于是我把500行C++代碼一股腦丟給大模型，請求將其精簡并能完成相同的任務(wù)。

大模型，完美的奏效了。

然后，我請求一個圍繞C++代碼的Python封裝器，這同樣有效。

這是那些令人煩惱的任務(wù)之一，如果由我來做，我可能永遠(yuǎn)不會完成。但現(xiàn)在我可以請求別人幫我完成，我得到的東西比我原來的Python代碼快了100倍。

06 解決令人厭煩的枯燥單調(diào)任務(wù)

這是另一類讓人頭疼到我可能永遠(yuǎn)都不會自己去做的任務(wù)。但現(xiàn)在我只需提出需求，就能得到解決方案。

現(xiàn)在這個方案的運(yùn)行速度比我原來的Python代碼快了100倍。

我發(fā)現(xiàn)自己經(jīng)常會這么做。再舉個例子，同樣是在Python里，我也進(jìn)行了類似的操作。

這些任務(wù)其實(shí)都不難，但每次這么做，我都能節(jié)省大量時間。

這就是我認(rèn)為當(dāng)下大語言模型了不起的地方之一：

這并不炫酷，說“我用大語言模型讓生活變得更輕松，不過是做了些無聊的事”也不會在網(wǎng)上引起轟動，但這卻是實(shí)實(shí)在在的幫助。

處理單調(diào)的任務(wù)

我有很多不得不做的事情，既無聊又無需動腦，但又必須完成。

事實(shí)上，我拖延任務(wù)的一個主要原因就是，我知道完成這些任務(wù)會既煩人又痛苦。

大語言模型極大地減輕了這種痛苦，讓我知道自己只需解決有趣的問題，從而更容易開始做事。

例如，最近我要反匯編一個用Python3.9編寫的程序。

大多數(shù)Python反匯編器只支持Python3.7及更早版本，無法處理我手頭的3.9二進(jìn)制文件。

反匯編本身并不是特別難的任務(wù)，主要就是在按照跳轉(zhuǎn)指令重構(gòu)控制流時別出錯。

所以,我沒有花時間手動為幾百行代碼里的數(shù)千個操作碼進(jìn)行轉(zhuǎn)換，而是讓大語言模型幫我完成。

它完成得非常出色！比我預(yù)想的要好得多。

再比如，當(dāng)我需要將一些非結(jié)構(gòu)化數(shù)據(jù)整理成結(jié)構(gòu)化格式時，大語言模型也能幫上忙。有一次我在做某個項目，需要一份包含書名和作者姓名的列表。

我在網(wǎng)上找到了非結(jié)構(gòu)化的數(shù)據(jù)，于是讓大語言模型幫我進(jìn)行格式化。

還有，最近我寫了一篇關(guān)于如何破解某種防御機(jī)制的博客文章，想展示我修改代碼的完整差異對比。

于是我粘貼了差異和之前如何將差異轉(zhuǎn)換為HTML的示例，并讓LLM按照之前的格式為我生成差異。

另外，在工作中我經(jīng)常需要為使用的資源生成引用。谷歌學(xué)術(shù)可以方便地為論文生成引用，我只需復(fù)制粘貼就行。

但為網(wǎng)頁生成引用有點(diǎn)麻煩，最近我就直接讓大語言模型幫我生成（當(dāng)然，我會檢查生成的引用是否正確）。

這樣的例子我可能至少還能再列舉一百個，但我想你已經(jīng)明白我的意思了。

我完全理解有人看到這些任務(wù)會說“就這？”

但請記住，五年前大語言模型連連貫的段落都寫不好，更別說幫你解決整個問題了。

07 讓每個用戶都成為“專家”

如果你見過有人使用某個工具，而他的熟練度遠(yuǎn)不如你，那場面可能會有點(diǎn)讓人難受。

你會看到他們花上幾分鐘，甚至幾小時去完成一個本來可以通過某種宏或者巧妙運(yùn)用并行應(yīng)用來自動化完成的任務(wù)。

但要學(xué)會使用這些方法來實(shí)現(xiàn)自動化需要時間，而且有一定難度。

例如，最近我想寫一個Python程序來處理蘋果Lisa鍵盤的輸入。

我在網(wǎng)上找到一個用C語言寫的實(shí)現(xiàn)，里面有很多類似“#defineKEYNAMEkey_code”的語句，我想把這些語句轉(zhuǎn)換成一個Python字典，將整數(shù)代碼映射到對應(yīng)的字符串。

我是一個Emacs用戶，我知道如何在Emacs里解決這個問題，而且也不算太難。

我剛錄制的按鍵組合就能實(shí)現(xiàn)這個效果：

ChCs#def[回車]Mf[刪除]CdMf
C[空格]MfCwCaCy:”Mf”,CgC]}C[{

雖然，對我來說這幾乎是自然而然的操作，但我花了半輩子才在Emacs里達(dá)到如此熟練的程度。

但現(xiàn)在有了連接到大語言模型的編輯器，你知道我會輸入什么嗎？

ChCh將這些#define重寫成一個{keycode: string, …}形式的字典

然后，文本就在我眼前被重寫了！

在這種情況下，我認(rèn)為大語言模型對非專家用戶的潛在價值比對專家用戶還要高。

模型提升了所有人的下限，如果你以前什么都做不了，突然之間就能做很多事情了。

08 作為API

參考真正的程序員想要理解某個工具的工作原理時會閱讀參考手冊。

但我是個懶惰的程序員；我更愿意直接得到答案。因此，現(xiàn)在我向語言模型提問。

當(dāng)我向人們展示這些例子時，有些人會變得有些防御性，他們說：“LLM沒有做任何你不能用已有工具完成的事情！”

你知道嗎？他們說得對。

但是，用搜索引擎能做的事，用一本關(guān)于該主題的實(shí)體書也能做；用一本實(shí)體書能做的事，通過閱讀源代碼也能做。

然而，每一種方式比前一種都簡單。當(dāng)事情變得更簡單時，你會更頻繁地做，而且方式上也會有所不同。

這就是我問“哪個$命令可以傳遞所有剩余參數(shù)”并獲得答案的例子。（緊接著是另一個“我該如何使用這個東西”的問題?。┻@實(shí)際上是我最常用LLMs的方法之一。我之所以不能給你展示更多這樣的例子，是因?yàn)槲以贓macs和我的shell中都內(nèi)置了查詢LLMs的工具。因此，當(dāng)我想要做這些事情的90%的時間，我甚至不需要離開我的編輯器。

09 搜索難以找到的內(nèi)容

在互聯(lián)網(wǎng)上搜索內(nèi)容曾經(jīng)是一項需要學(xué)習(xí)的技能。

你想在查詢中包含哪些特定的詞匯？它們應(yīng)該是復(fù)數(shù)還是單數(shù)？過去時？

你希望避免在頁面上出現(xiàn)哪些詞匯？我是想要X和Y，還是X或Y？

現(xiàn)在情況已經(jīng)不同了。我想不起上次我在Google中使用OR的時間。我也想不起上次我使用減號()來移除結(jié)果子集的時間。

在大多數(shù)情況下，今天你只需要寫下你想要找的內(nèi)容，搜索引擎就會為你找到。但搜索引擎仍然不是100%的自然語言查詢。

它仍然有點(diǎn)像你在玩反向危險邊緣游戲，試圖使用答案中會有的關(guān)鍵詞而不是問題。

這是一項我認(rèn)為我們幾乎都忘記了我們學(xué)過的技能。

對于今天的一些簡單任務(wù)（隨著時間的推移會越來越多），語言模型只是更好。

我可以直接輸入“所以我知道+對應(yīng)于__add__，但是是什么”，它會告訴我答案是__inv__。這是用標(biāo)準(zhǔn)搜索引擎很難搜索到的東西。

是的，我知道有方法可以問，這樣我就能找到答案。

可能如果我輸入“python文檔元類”add””，我可以搜索頁面上的并得到答案。

但你知道還有什么有效嗎？

只要問LLM你的問題。這樣做任何一次只節(jié)省幾十秒的時間，但當(dāng)你在解決某個編碼任務(wù)的過程中，已經(jīng)試圖同時記住一百萬件事時，能夠?qū)⒛阍噲D解決的問題傾倒出來并得到一個連貫的答案是令人驚訝的。

這并不是說他們今天在這方面已經(jīng)完美。語言模型只有在線上被足夠頻繁地重復(fù)時才知道事情。

“足夠頻繁”是什么意思取決于模型，所以我確實(shí)需要花一些精力思考我是應(yīng)該詢問模型還是詢問互聯(lián)網(wǎng)。但模型只會變得更好。

10 解決一次性任務(wù)

程序可以分為兩類。第一類是你希望能做好的程序，它們會存在一段時間，代碼的整潔度很重要，因?yàn)槲磥韼啄昴愣家S護(hù)它們。

第二類程序則只會存在短短25秒，它們幫你完成某個任務(wù)后就會被立即丟棄。

在這種我完全不在乎代碼質(zhì)量、程序又完全自成一體的情況下，我現(xiàn)在幾乎只讓大語言模型幫我編寫。

提醒一下：同樣，這些任務(wù)中的大多數(shù)會讓你看了之后說“就這點(diǎn)事兒？”

但就像我之前說的，我每天用于某個特定項目的時間有限。

如果能讓我既節(jié)省時間，又節(jié)省精力去編寫一個我再也不會用的程序，我肯定會這么做。

最常見的例子可能是幫我生成可視化研究實(shí)驗(yàn)數(shù)據(jù)的圖表。我有幾十個這樣的例子，可能接近上百個而不是零個。

它們看起來基本都差不多，所以這里就舉一個例子：

還有一個類似的例子是，當(dāng)我有某種格式的數(shù)據(jù)，想把它轉(zhuǎn)換成另一種格式的數(shù)據(jù)時。通常我只需要做一次，完成后就會扔掉生成的腳本。

我還能給你舉上千個這樣的例子。

很多時候，當(dāng)我想編寫一個足夠簡單的腳本時，我會直接讓大語言模型完整地寫出來。

比如，我讓大語言模型給我寫一個腳本，把我的論文讀出來，這樣我就能確保論文沒有愚蠢的語法錯誤。

很多情況下，當(dāng)我不太清楚自己想要什么時，我也會先讓模型給出一些初始代碼，然后再在此基礎(chǔ)上進(jìn)行迭代。

例如，這里有一個一次性任務(wù)，我只需要快速處理一些數(shù)據(jù)。

在2022年，我會花兩分鐘用Python編寫代碼，然后等上幾個小時讓它運(yùn)行，因?yàn)檫@個程序只運(yùn)行一次——優(yōu)化它所花的時間比程序運(yùn)行的時間還長。

但現(xiàn)在呢？我肯定會花同樣的兩分鐘讓模型給我生成一段能完成數(shù)據(jù)處理的Rust代碼。

再比如，我讓模型幫我下載一個數(shù)據(jù)集并進(jìn)行一些初步處理。

對我來說自己做容易嗎？可能吧。

但這不是我想思考的任務(wù)，我想思考的是用這個數(shù)據(jù)集開展的研究。

消除這些干擾，其價值遠(yuǎn)不止節(jié)省的那幾分鐘。

還有一次，我在編寫一個程序，想用小方塊3D打印出像素化圖像。

為此，我需要把PNG文件轉(zhuǎn)換成STL文件，但這不是項目的重點(diǎn)，只是過程中必須完成的事情。

所以，我讓大語言模型幫我解決這個問題。

又如，最近我想用DockerCompose搭建一個新項目。

我遇到了一些問題，只想不惜一切代價讓它運(yùn)行起來，之后再去弄清楚哪里出了問題。

于是，我和模型來回交流了好幾次，我只是不斷復(fù)制錯誤信息發(fā)過去，直到它最終給了我一個可行的解決方案。

11 通俗解釋事物

我最近開始對電子學(xué)產(chǎn)生了興趣。

我年輕的時候做過一些電子項目，并在大學(xué)期間上過幾門相關(guān)課程。

但現(xiàn)在我想進(jìn)行實(shí)際的電子項目，我發(fā)現(xiàn)有許多我不了解的細(xì)節(jié)，這讓開始任何項目都變得困難。

我可以去讀一本關(guān)于實(shí)用電子學(xué)的書。我可能真的會在某個時候這么做，以便徹底理解這個主題。但我并不想把我的時間花在感覺自己在學(xué)習(xí)上。

我從事電子學(xué)的部分原因是想從整天的閱讀和寫作中抽身而出。

這就是LLMs發(fā)揮出色的地方。它們可能不如世界上最出色的專家那樣知識淵博，但成千上萬的人可能知道我可能會提出的任何電子問題的答案。

這意味著語言模型很可能也知道答案。它樂于為我提供所有問題的答案，使我可以享受樂趣而不必糾結(jié)于細(xì)節(jié)。

雖然，我完全可以通過在互聯(lián)網(wǎng)上搜索來找到答案，但在忙碌一整天后，簡單地讓模型為我完成這些工作的便利性使我感到非常放松。

這里是一些例子，展示了我如何詢問語言模型有關(guān)電子學(xué)中事物工作原理的基本問題。

這些答案完美嗎？誰知道呢。但有一點(diǎn)是肯定的，總比我一無所知要好。

12 從尋求完整方案到獲取修改提示

很多時候，我會先向大語言模型尋求一個完整的解決方案，然后再詢問如何對其進(jìn)行修改的提示。

在下面這次交流中，我一開始讓它寫一個解析HTML的程序，之后又詢問關(guān)于API參考或其他改進(jìn)方法的提示。

還有一次，我想跟蹤我的電腦在一段時間內(nèi)的內(nèi)存和CPU使用情況。

我本可以花幾分鐘找出合適的命令，然后把它們組合成一個能實(shí)現(xiàn)我需求的腳本……但我也可以直接讓大語言模型幫我搞定。

最近我在搗鼓一些電子方面的東西。我有一個能在Arduino上運(yùn)行的C程序，但我想讓它在樹莓派Pico上以MicroPython的形式運(yùn)行。

這個轉(zhuǎn)換過程沒什么特別的，只是需要完成而已。所以我沒自己動手，而是讓大語言模型來處理。

在另一個項目中，我需要用一些復(fù)雜的機(jī)器學(xué)習(xí)模型在交互式循環(huán)中對圖像進(jìn)行分類。

我可以自己編寫代碼，但我也可以直接讓模型幫我完成。

13 解決已有解決方案的任務(wù)

幾乎所有事情都有人做過。你想做的事情幾乎沒有真正新穎的。而大語言模型非常擅長為它們見過的問題提供解決方案。

在最近的一個項目中，我需要提升一些Python代碼的性能。

于是我（1）讓大語言模型把代碼重寫成C語言，（2）讓它構(gòu)建一個能讓我從Python調(diào)用C代碼的接口。

這兩項任務(wù)都“不難”。

把Python代碼轉(zhuǎn)換成C代碼，我相信自己花一兩個小時也能完成。雖然我不太清楚Python到C的API是如何工作的，但我相信通過閱讀文檔也能弄明白。

但如果要我自己動手，我肯定不會去做這件事。

這并非項目的關(guān)鍵環(huán)節(jié)，我寧愿等計算機(jī)慢慢運(yùn)行，也不想花時間去優(yōu)化那些不常運(yùn)行的代碼。

不過，對于簡單的程序來說，把Python轉(zhuǎn)換成C（大部分情況下）是一個技術(shù)流程，而且有一套標(biāo)準(zhǔn)的Python到C的調(diào)用規(guī)范。

所以，我直接讓大語言模型幫我完成。

從那以后，我就覺得這是我隨時都能讓模型幫忙做的事。

基本上，任何時候我想要一段快速運(yùn)行的代碼，我就用Python描述需求，然后讓模型生成優(yōu)化后的C代碼。

14 為新項目做準(zhǔn)備

對于一個即將開展且我可能會在這里提及的項目，我需要了解人們常用的簡易無線電發(fā)射器有哪些。

由于我真正想要的是大眾普遍認(rèn)知的答案，大語言模型就是絕佳選擇！

15 修復(fù)常見錯誤

2022年之前，當(dāng)我在使用一些流行工具或庫時遇到錯誤信息，會遵循以下流程：

1. 復(fù)制錯誤信息。

2. 粘貼到谷歌搜索框。

3. 點(diǎn)擊搜索結(jié)果中排名靠前的StackOverflow鏈接。

4. 確認(rèn)問題是否正是我想問的；若不是，回到步驟2。

5. 將排名靠前的解決方案應(yīng)用到當(dāng)前任務(wù)中。

6. 如果方案不起作用，回到步驟2，更換搜索關(guān)鍵詞，然后祈禱能找到解決辦法。

說實(shí)話，通常出問題的工具和你最終要完成的任務(wù)可能隔了好幾層關(guān)系，你其實(shí)根本不在乎它具體是怎么運(yùn)作的，只希望它能正常工作就行。

那到了2024年，這個流程變成什么樣了呢？

1.  復(fù)制錯誤信息。

2.  詢問大語言模型“如何修復(fù)這個錯誤？[錯誤信息]”。

3.  按照大語言模型給出的分步解決方案操作。

4. 如果方案不起作用，就說“這個方法沒用”。

我沒有相關(guān)的對話記錄可以給你展示這些例子（或者說，我花了一個小時也沒找到），但其實(shí)有個很好的原因：

我已經(jīng)把這個流程直接融入到我的工作流里了。

我是Emacs用戶。我對自己的工作環(huán)境進(jìn)行了設(shè)置，每當(dāng)我運(yùn)行一個程序，若它以非零狀態(tài)碼退出（意味著出現(xiàn)了問題），系統(tǒng)會自動調(diào)用當(dāng)前最快的大語言模型，讓它解釋錯誤原因，并同時請求一個可以直接應(yīng)用到代碼中修復(fù)該錯誤的補(bǔ)丁。

如今，模型在大多數(shù)情況下還不能在這個任務(wù)上超越我，但已經(jīng)很接近了。

時不時地，當(dāng)大語言模型修復(fù)了一個我知道會很難追蹤的錯誤（比如某個地方的拼寫錯誤）時，我都會感到驚喜。

16 還有無數(shù)其他用途

上面提到的所有對話，僅僅占我去年一年與大語言模型交互總量的不到2%。

我沒有展示其他對話的原因，并非是模型在這些對話中讓我失望了（雖然這樣的情況也不少），而是因?yàn)椋?/p>

（1）很多對話和我已經(jīng)展示的那些遵循相同的模式；

（2）有些對話很難解釋清楚，也不容易讓你明白它們對我有什么用。

我完全預(yù)計未來我對這些模型的使用會持續(xù)增加。

作為參考，2024年我通過網(wǎng)頁界面向大語言模型發(fā)起的查詢比2023年多了30%——我甚至都沒法統(tǒng)計通過API發(fā)起的查詢增加了多少，但我猜至少是原來的兩到三倍。

17 評估大語言模型能做什么，而非不能做什么

我在面試求職者時得到的一條最佳建議是：根據(jù)一個人能做什么來評估他們，而不是看他們不能做什么。

我猜我隨便問你幾個問題，就能讓你顯得能力不足。

舉個極端的例子：世界上有十億人會說普通話，而我連數(shù)到十都不會。

如果,有人讓我參加一場普通話小學(xué)考試，我肯定會慘敗。即使,在計算機(jī)科學(xué)領(lǐng)域內(nèi)，也有很多我一無所知的領(lǐng)域。

同樣的道理，我不會因?yàn)槿祟悷o法在腦海中計算64位整數(shù)的除法（這對計算機(jī)來說是小菜一碟）就認(rèn)為人類完全無用。

我也不認(rèn)為僅僅因?yàn)槟隳芟氤鲆粋€大語言模型無法解決的任務(wù)，就否定它們的價值是合理的。

顯然，做到這一點(diǎn)很容易。關(guān)鍵問題是，你能否找到它們能發(fā)揮價值的任務(wù)？

程序員們早就明白，一個東西可以因不同目的而有用。