产物司理若何用ChatGPT提效520倍
跟着ChatGPT的开展，各行各业都遭到了其的影响，有人因为它被代替，有人通过操纵它来进步效率。本文做者通过用ChatGPT写代码的体例，论述其是若何进步效率的，一路来看看吧。
跟着ChatGPT的开展，各行各业都遭到了其的影响，有人因为它被代替，有人通过操纵它来进步效率。本文做者通过用ChatGPT写代码的体例，论述其是若何进步效率的，一路来看看吧。
当产物司理起头用ChatGPT写代码了，会发作什么？
在过往的几个月里，跟着ChatGPT、Midjourney、Stable Diffusion等国外产物的快速迭代，以及国内百度、阿里、飞书、网易等大厂发布的大模子，一些设想、研发、自媒体从业者起头感应自危，似乎他们的工做在AI的大水中霎时会被代替。那人人都能做的产物司理（bushi），在此次的AI革射中能做什么？
我在第一时间承受和进修了ChatGPT，并在现实工做中停止了一次代码优化的测试。做为产物司理，我抉择测验考试利用GPT优化代码的原因有两个：起首，我对新手艺十分感兴致，关于GPT模子也十分猎奇。
其次，企业越来越需要复合型人才，而GPT可以搀扶帮助我快速进修和生长。因而，我决定让GPT介进我的现实工做，以进步我的工做效率和技能程度。
我拔取的CASE是一段SQL查询代码，对应的营业需求是一个利用频次较高的日报。旧代码行数有近1900行，天天更新一次，每次的运行时长在一个多小时，并且只能查询比来一个月的日报数据，营业没法做汗青数据的同环比阐发。而我做为一个产物司理，欠缺读写和优化那种超长SQL的才能，因而我决定利用GPT，处理性能差和汗青数据存档的问题。
成果十分的完美，最末的SQL施行时间从4200秒缩短到8秒，效率提拔了520倍，复杂度降低了6倍，同时还能保留所有的汗青数据，报表能够秒开。
我将那个案例分享到社区后，还得到了一位清华大学计算机系数据库构成员的邀请，将本次的优化过程分享给了他们，做为他们研究现实场景的利用case。
令人惊异的是，GPT的优化不单单局限于原代码构造，并且还能根据实在的营业需求提出与原代码差别的处理构想。下面详尽介绍一下我的整个优化过程：
展开全文
布景前提：
我不是专业的BI工程师，所以对数据治理、SQL优化构想等不太领会，只能跟着GPT的提醒以及查询材料来一步步停止。我相信假设是专业的BI工程师，那些问题可能都只是小儿科，GPT提出的优化构想在专业人士看来可能也比力初级。但本次分享的主题是打工人若何操纵强大的GPT，来搀扶帮助本身处理不擅长范畴的问题以及快速进修生长。
因为充值的问题没有处理，所以本次只用到了免费的ChatGPT-3.5版本，但也足够了。并且写文章写到一半的时候账号登录不上了，提醒拜候被拒，所以暂时无法截图复原完全的对话过程…
以下是完全的利用过程：
在起头前，我对GPT的认知是：它是一个常识储蓄无比丰富的助理，但需要一个清晰、准确的prompt，它才会给出一个契合需求的输出。所以我先整理了我要和GPT交互的根本构想以及步调：
旧代码输进需求及现状问题输进调试优化成果输出验证
接下来起头实操：
Step1：旧代码输进
起首，将需要优化的旧代码输进到ChatGPT模子中，旧代码有1900行，GPT间接提醒too long，所以我做了分次输进。
间接粘贴提醒报错。
分段输进，再停止结合。
那一步的感化是让GPT理解旧代码实现的效果以及熟悉查询表和字段，便利后续GPT生成优化代码时能够间接复造粘贴到数据库中运行。
原SQL的次要逻辑就是统计近30天内每一天的营业数据日报，把近30个成果目标，根据天和地域停止分组汇总，需要查询多张表几百万条数据。那里GPT的理解根本准确，以至在我没有提需求的情状下，就提出了一些优化定见。
Step2：需求及现状问题输进
在完成第一步的原SQL输进后，GPT已经对需求有了初步的理解，那里我再将实在的营业需求场景以及如今的问题输进给GPT：
那一步的感化是搀扶帮助GPT更好的理解旧代码背后的实在营业需求，同时连系旧代码运行的问题，让GPT能进一步给出针对性的优化定见，输出更契合需求的代码。
那里其实有好几轮的输进输出（能够理解为讨论），不竭的强化GPT对实在需求的认知。
注：SQL查询代码自己不包罗涉密信息，能够安心在ChatGPT中利用。
Step3：根据优化成果不竭调试
在输进完旧代码、需乞降问题之后，GPT模子给出了一些新的代码。我需要不竭地根据GPT的成果停止调试和优化，曲到生成称心需求的新代码，那一步比力繁琐，但欣喜也是在那一步发现的。
根据原SQL的构想，是天天更新近30天的数据，并存储到一个成果表，因为目标良多且数据量大，所以耗时很长，但其实大部门的语句都是频频的读统一个表，资本浪费比力严峻。
所以在跟GPT频频沟通屡次后，GPT提出了3点比力重要的优化定见：
前两点是GPT间接提出的，第三点是我从GPT给出的优化代码中发现的，基于那三个核心优化构想，连系我的半吊子SQL程度，破费了半天多的时间将完全的代码优化完成，并分模块在系统中测试了一下，成果完全一致。
当然整个过程仍是比力繁琐的，包罗查材料、报错、纠正GPT、不竭填补需求细节等等，需要有必然的耐烦。
Step4：实测新代码的准确性和效果
完成前面的分模块测试后，我把所有的代码整合到一路，发现整个SQL语句由原先的1900行精简到了300行；接着挈到系统中停止运行，原先需要运行4200秒的项目，如今8秒钟就完成了，并且成果一致。
整整520倍的效率提拔，一个对SQL代码一知半解的产物司理，仅用一个下战书就完成了。
整个过程就似乎我在和一个专业的数据开发工程师在沟通需求，我不竭的提出、明白、细化我的需乞降问题，它不竭的更新处理计划，曲到令人称心，没有battle、不消排期、没有delay。
而那仍是只ChatGPT-3.5。
GPT优化代码的意义和价值在于进步代码的效率和量量。在传统的编码过程中，研发人员往往需要消耗大量的时间和精神来编写、测试和庇护代码。而GPT能够搀扶帮助主动生成代码和测试用例，从而削减那些繁琐的工做，进步工做效率。此外，GPT还能够主动化文档生成和代码正文，搀扶帮助开发人员更好天文解和庇护代码，进步代码的量量。
所以在小我看来，ChatGPT在编程中的利用前景十分普遍。无论是根据需求主动生成新的代码，仍是用来用来改进代码的可读性和可庇护性，以至是主动化测试等，以至是根据线框图间接创建利用、网页等，那对传统的IT工程师特殊是进门级，将是一次浩荡的挑战。
除了编程利用，ChatGPT还有良多其他的利用场景，后续我也会陆续分享零根底利用AI的履历，包罗Midjourney、StableDiffusion等。
做为产物司理，我们应该连结对新手艺的灵敏度和开放性，测验考试操纵人工智能手艺来进步本身的技能和才能。复合型人才的需求越来越大，而GPT可以搀扶帮助我们快速进修和生长，进步本身的合作力，事实将来连产物司理可能都不存在了。
最初，ChatGPT，或者说所有的AI产物，将会对根底的文字、设想、研发从业者产生倾覆性的影响。我们每小我能做的工作，就是在那股大水中，敏捷的改变本身的航向，站在风口上，勤奋让本身飞起来。
本文由 @夏捞师 原创发布于人人都是产物司理，未经做者答应，制止转载。
题图来自Unsplash，基于CC0协议。