用ChatGPT 提高效率的方法

用ChatGPT提高效率的方法1借助Cha七GPT学习新技术经过这些年对于各类知识的学习，我先阐述一个个人的总结：学习一个新知识/新技术，其实就是在脑海中构建这个技术的「知识模型」。所谓小白和专家的区别，其实就是脑海中这个知识模型精细程度的区别。举个简单的例子，就比如计算机网络吧，如果电脑上不了网了，怎么办？普通用户能做的，可能就是重启下电脑和路由器，确认一下是否是宽带欠费了；那作为程序员，多少了解一些基本的网络知识，就可以使用一些常用命令查看一下网关、DNS之类的，或者抓个包看看到底是哪里出了问题；对于专业的网络工程师，那肯定有更多定位和解决问题的办法，这里我也不懂，编不来。同是计算机网络，以上几个角色的根本区别在于对网络这个东西的理解深度不同，或者说他们脑子里对于「计算机网络」这个知识模型的精度不同。普通用户脑子中对网络的认知，恐怕就是一个WiFi图标，普通程序员脑子中对网络的认知模型，可以细化到几层协议栈和一个个数据包，网络工程师脑子中对网络的认知模型，也许可以进一步细化到每个数据包中的每一个比特位。那么现在我想对一个新技术建立知识模型，我应该怎么做呢？就比如k8s这一套技术吧，我作为初学者最开始接触k8s的时候会被里面的很多名词绕晕，比如CRD,CR,controller,operator这些都是什么鬼？它们之间是如何作用的？既然k8s里面的资源都是APIObject,那k8s更像是个数据库，和容器编排和调度又是怎么扯上关系的？我猜k8s的初学者可能也有类似的问题，但去搜索引擎上一般是搜不到让人满意的答案的。因为搜索引擎的特点是：你必须明确地知道自己要什么，这样才能给出准确地搜索关键词，搜索引擎才能帮你找到你需要的信息。类比前文说的「知识模型」的概念，搜索引擎擅长的，是给出这个模型的一个切面的所有信息。比如你遇到了一个bug,把报错信息贴上去搜一下，大概率可以找到这个bug的成因以及解决方法。但现在的问题是我作为初学者，对k8s里面的很多概念理解都不准确，按照我已知的信息进行推理，k8s应该是一个数据库才对，但事实与我的推理并不相符，那么我哪里理解错了？正确的理解方式是什么？对于我的这些问题，搜索引擎无法回答，毕竟搜索引擎能做的只是索引已有的数据，即便以前有人也问过类似的问题，但往往没有官方文档和技术社区的权重高，很可能被淹没在互联网的海洋中，难以被找到。这就是传统搜索引擎的一大痛点：无法直接回答类似「对不对」「哪里出错了」这类问题。所以在过去，我学习新技术的过程其实就是借助搜索引擎收集知识碎片，然后在脑海里整理这些碎片形成一个完整的知识模型，并不断在实践中完善和修正这个模型。当然，一个最高效的办法就是抱大腿，找一个这方面比较有经验的大佬，把我自己想不通的地方清楚地表述出来，那么对方可能随手画个图外加三两句话就能把整个逻辑理清楚，让我豁然开朗。不过万一找不到大佬怎么办呢？换做以前，恐怕只能继续硬着头皮找资料看代码，效率比较低。而现在，ChatGPT就可以扮演一个技术巨佬的角色，7x24小时提供问答服务。ChatGPT可以理解聊天上下文，所以我经常会对ChatGPT的解答中的一部分细节发起质疑，进行更深入的探讨，它完全能理解我的意思，几乎都能给出准确的答案解决我的疑惑。那么经过这么长时间的深度体验，我可以说ChatGPT是传统搜索引擎的强力外援，怪不得微软bing整合ChatGPT会让各个搜索大厂那么紧张呢。不过神仙们打架咱也不配掺和，接下来分享一些我使用ChatGPT的一些技巧。2ChatGPT使用技巧如果想让搜索引擎返回准确的结果，需要一定的技巧来构建关键词。如果想最大化发挥ChatGPT的能力作为搜索引擎的补充，也需要一些小技巧。尽量使用英文和ChatGPT交流。我们这篇文章主要是探讨利用ChatGPT学习新技术嘛，那么不可否认一手的技术文档还是英文居多，所以ChatGPT学习的相关数据肯定也相对较多，更

有利于得到准确详尽的答案。另外，中文的文本生成相比英文的文本生成要复杂，所以中文交流的响应速度会明显慢于英文交流。多用反问的方式和ChatGPT交流。比如说多用「我认为XXX,你看我理解的对吗」这类句式提问，少问诸如「XXX是什么」这样的问题。不是说ChatGPT不能回答「XXX是什么」这类问题，而是说传统的搜索引擎更适合干这个，还能给你更丰富的信息，那何必问ChatGPT呢？还是用我初学k8s举例，我会把自己的理解整理成一系列观点讲给ChatGPT听，让它指出我理解错误的地方：I'mlearningk8s,I'lltellyoumyunderstandingaboutk8s,correctmeifI'mwrong.Sure,TdbehappytohelpclarifyanymisunderstandingsyoumayhaveaboutKubernetes(K8s).Pleasefeelfreetoshareyourunderstanding,andI'lldomybesttoprovidefeedbackandcorrectionswherenecessary.allresourcesink8sisAPIObject.APIObjectisjustajsonstringobjectstoredinetcd.Yourunderstandingispartiallycorrect.InKubernetes,almostallresourcesarerepresentedasAPIobjects,whicharedefinedusingtheKubernetesAPI.However,APIobjectsarenotjustJSONstrings.Rather,theyarecomplexdatastructuresthataredefinedusingtheKubernetesAPIconventions.EachAPIobjecthasaspecificformat,whichisdefinedbyitskind,APIversion,and这种学习体验真的是传统搜索引擎给不了的，像极了一个学渣缠着学霸求带的场景。一条消息只包含一个问题，且尽可能多地提供问题的上下文。说到底，这就考验把问题描述清楚的能力了，其实可以有很多方法。比如前文举的我初学k8s时的问题，我可以这样问ChatGPT,先来一个引导式的提问：在k8s里面，所有资源都是APIObject,对吗？得到ChatGPT肯定的回复，然后我开始挖坑：那么k8s其实就是一个存储APIObject的数据库,对吗?ChatGPT就会告诉我，我这样想是不对的，APIObject并不是简单的静态数

据，巴拉巴拉。然后我再根据它的回复不断追问并提出自己的看法求指教，最终把整个知识框架梳理清楚。放开思路去提问，比如让ChatGPT通过类比、举例的方式讲解问题。ChatGPT的能力比我们之前用过的人工智障强太多了，我们可以尝试向它提出一些难度更大的问题。LA比如，很多时候代码的解释性比文字更强，那么我可以直接要求ChatGPT写一段dem。code出来，反正看不懂的话还可以追问：LAAsyousaid,CRDshouldbeassociatedwithanoperator.SupposeIuse'MyOperator'(operator)toassociatewith'MyCRD'(CRD),howtoconfigthis?Canyougiveasimplecodeexample?Sure,hereisasimpleexampleofhowtoassociateaCRDwithanoperatorusingKubernetes:SupposeyouhavedefinedaCRDcalled'MyCRD'withthefollowingYAML:yamlQCopycodeapiVersion:kind:CustomResourceDefinitionmetadata:name:spec:group:versions:-name:vlserved:truestorage:truescope:Namespacednames:plural:mycrdssingular:mycrdkind:MyCRDSRegenerateresponse/oucancreatRaKubemetfisonerarormarmanaaRSmisi;RDbvcreatinaaDenlovmftnt在这段对话中，经过我的一步步提问，ChatGPT确实写出了一个完整的。perator的demo。虽然它写的代码偶尔出问题，但一般都是类似包导入这种比较明显的错误，整体上我认为还是非常强大的。再比如，ChatGPT给我讲解了CRD,CR,Controller这些k8s中的概念之后，我请它类比编程语言里的类和实例再给我讲讲:Canexplaintheseterminologybyanalogy?Forexample,IthinkCRDsandCRsaresimilartoclassandinstanceinprogramminglanguage.Yes,that'sagoodanalogy!Inprogrammingterms,youcanthinkofCRDsandCRsassimilartoclassesandinstances.Acustomresourcedefinition(CRD)islikeaclassdefinition.Justasaclassdefinesthestructureandbehaviorofobjects,aCRDdefinesthestructureandbehaviorofacustomresourcethatcanbemanagedbyKubernetes.WhenyoudefineaCRD,youareessentiallycreatingablueprintforanewtypeofresourcethatcanbeusedinyourKubernetescluster.Acustomresource(CR),ontheotherhand,islikeaninstanceofaclass.Justasyoucancreatemultipleinstancesofaclasstorepresentdifferentobjects,youcancreatemultipleinstancesofaCRtorepresentdifferentinstancesofyourcustomresource.WhenyoucreateaCR,youareessentiallycreatinganewinstanceoftheresourcetypedefinedbythecorrespondingCRD.Controllers,then,arelikethelogicthatoperatesonthoseinstances.Justasyoumightdefinemethodsorfunctionstooperateoninstancesofaclass,youcandefinecustomcontrollerstomonitorandmanageinstancesofyourcustomresourcesinKubernetes.Controllersprovidethelogicandautomationnecessarytoensurethatthestateoftheclusterisconsistentwiththedesiredstate,basedonthebehaviordefinedbytheCRDsandtheinstancescreatedfromthem.Insummary,youcanthinkofCRDcRegenerateresponse3asinstancesofthoseclasses,andcontrollersastheloaicthatooeraresoninoseinstances.ThisanalnavhelnstoclarifvqChatGPTFeb13Version.FreeResearchPreview.OurgoalistomakeAlsystemsmorenaturalandsafetointeractwith.Yourfeedbackwillhelpusit它类比CRD是类定义，CR是类的实例对象，Controller是操作示例的代码逻辑，说实话感觉它这个类比还挺贴切的呢口其他的还有很多，比如发给它一段代码让它逐行解释，让它扮演一个Linuxshell,扮演一个yaml/json转换器等等，这些事情ChatGPT都能做,确实可以在某些场景大幅提高我们的效率。目前我认为最有价值的几个技巧就说完了，下面说下ChatGPT目前的一些不足之处吧。3目前ChatGPT的不足时效性问题。因为ChatGPT只掌握了2021年之前的数据，所以一些最新的信息会缺失，一些旧的信息也可能已经过时。比如我让ChatGPT帮我找一些链接，有些链接就已经404了。据说微软newbing整合的ChatGPT解决了这个问题，不过我现在还没有newbing的试用资格，所以先用ChatGPT了，反正就技术学习来说时效性差一点也无妨。少数情况下，ChatGPT会一本正经地胡说八道。我看了一些