ChatGPT 会是下一代打工人吗？
开通 ChatGPT Plus 半年多时间了，使用过程中，感触良多。这篇文章想具体谈谈我的一些使用经验，以及对它的一些思考，其实早在半年前就写过一篇 AI 浪潮下的一些浅思。
角色助手
让 AI 扮演需要解决问题的角色，可以使其更加聪明的完成任务。
代码助手
独立开发者福音：GPT-4 ➕ 一个全栈开发 🟰 一个小型开发团队
一个正常的开发流程大致是这样的：提出需求 -> 需求评估 -> 技术方案评估 -> 分配开发者 -> 代码实现。从这个流程可以看出，写代码是最后一个环节，它的占比可能都不到整个开发流程的 20%（既重要又不那么重要）。如果前置工作没有做好，南辕北辙，就会开发出了一个不符合市场需求的东西。如果无法用代码实现，所有的需求都只是一纸空谈。关于这部分，可以看看我之前写的两篇文章 流量密码：ChatGPT 开源的一些思考 和 开源揭秘：35k+ Stars ChatGPT 桌面应用。
# 开发流程 #
+----------+ +----------+ +------------+ +-----------+ +---------+
| 提出需求 | ----> | 需求评估 | ----> | 技术方案评估 | ----> | 分配开发者 | ----> | 代码实现 |
+----------+ +----------+ +------------+ +-----------+ +---------+
|<-- 公司码农（两耳不闻窗外事）--->|
|<------------------- 少部分码农 （有责任心，想学更多技能）----------------->|
|<------------------------- 独立开发者（还会涉及到需求收集，产品推广）-------------------------->|
为何说 GPT 是独立开发者的福音？在我看来，独立开发者会接触整个产品链路（从需求到实现，这恰恰是公司所限制的部分，人人都是螺丝钉）。你所接触到的东西越多，它所放大的开发者能力也会越多。同理你的知识面越广，所能运用的 GPT 能力也就越多（比如需求分析，产品推广等等）。
我现在写代码几乎难以离开 GPT-4，直接提需求，让它完成初稿。Review 一下，稍微改改就可以使用。离开它我依然可以自己写代码，但使用它，却实打实帮我解决掉了 80% 的无聊代码开发任务。现在我只需要专注于更加有趣的部分，比如功能如何交互，技术如何选型，项目如何架构等等。
如果一个开发者之前就已具备独立分析，解决问题的能力，那么 GPT-4 对你而言就是开发利器。你只需要进行简单的角色转换，从一线开发者变成一个技术产品官，用技术口吻提出需求，让 GPT-4 帮你来实现（将 GPT 变成你的打工人，$20 开通 ChatGPT Plus 雇佣一个全能打工人真的不亏）。
写作助手
熟悉我的朋友都应该知道，近一年时间，我写了上百篇文章。从 AI，到技术，再到科普。其中有不少文章都是在 GPT 的辅助下完成的（比如翻译一些英文内容，总结一些关键信息，解释一些术语等等）。但存在一个比较大的问题是，当你在面对不知道的知识时，它的回答随时会出现幻觉，所以这里需要你对 AI 返回内容进行求证（比如查找 wiki，搜索相关内容，从多信息源进行论证）。写文章最基本的要求就是真实，客观（讲一个错误的东西不如不写）。
生活百科
这部分就比较随意了，你如果遇到了任何不清楚的问题，都可以让它通过对应的角色扮演，来进行问答，一步步深入。
提问技巧
ChatGPT 对于不明确的问题，经常会出现“幻觉”（模型可能产生的误解或错误的输出，ChatGPT：GPT-4 真的变笨了？）。尤其在你都不知道对错的情况下，更是如此。所以网友经常会出现两个极端，一类疯狂吹捧，一类疯狂吐槽。这里其实把握住两个原则即可：
数据存在截止日：GPT 所知的信息都来源于训练时的数据，没有新的更新
GPT-3.5 的知识截止日期是
2021 年 9 月GPT-4 的知识截止日期是
2022 年 1 月不能联网：无法实时访问外部信息或互联网
隐私安全：为了确保用户的隐私和安全，GPT 是离线的，不与实时网络相连。如果 GPT 能够实时访问互联网，可能会存在滥用或数据泄露的风险。
稳定性：如果可以实时访问互联网，答案可能会因为外部信息的变动而变得不稳定。
与任何工具或服务交互时，都需要批判性地思考。为了进一步降低幻觉出现的概率，可以尝试使用以下方式来提问：
具体而明确：提问时应尽量详细和明确，避免使用模糊或笼统的词汇。
分步提问：将问题分解成多个小问题，逐一提问，可以帮助获取更准确的答案。
验证答案：如果对某个答案有疑虑，可以从不同角度或用不同的方式再次提问以验证答案。
避免使用引导性问题：尽量避免使用可能导致特定答案的提问方式。
提供背景信息：有时为问题提供一些背景信息可以帮助模型更好地理解和回答。
重新表述问题：如果第一次的回答不满意，可以尝试重新表述或重述问题。
设置上下文：明确地指出你想要的答案的类型或风格，例如：“以简单易懂的方式解释…”。
限定答案长度：例如，你可以要求“请在 50 字内回答…”，这样可以得到更简洁的答案。
提醒模型其功能：例如，可以先说“请按照你的训练数据给我一个准确的答案…”。
避免双重否定：双重否定可能会导致混淆，尽量使用积极的句子结构。
当得到答案时，尤其是涉及重要决策或敏感信息时，应进行进一步的核实和思考。关于提示词可以参考 Prompts：ChatGPT 提示指南。
就我个人而言，更喜欢 ChatGPT Plus，因为它总是最先体验到新功能。不推荐不知名第三方，目前市面上很多基于 OpenAI API 开发的聊天应用，在我看来，如果开发者自身对 AI 理解不够，其程序逻辑将在很大程度上影响输出结果。当事情变成黑盒，出了问题，往往不知该归咎于 OpenAI 还是第三方应用。
总结
AI 现在的生态在我看来还是一盘散沙，割裂的状态（比如：MJ，SD 之类的图像生成式，GPT，Llama 之类的内容生成式，Runway 之类的视频生成式等等）。ChatGPT 掀起的第一波 AI 浪潮已经平息，市场也逐步恢复冷静。下一波大的爆发点大概率是端到端的真正有价值的应用（如果只是聊天娱乐，那也太无趣了）。所以我还是蛮期待 ChatGPT + DALL·E 3 的发布（ChatGPT 集成 DALL-E 3，多模态 AI 即将来临），它可能真的标志着 GPT 作为控制大脑，来指挥各种多模态任务了。
归根结底，AI 再强，使用者依旧是人。在 AI 时代，能够驾驭 AI 的能力才是最需要培养的，也将是我们最大的核心竞争力：
能够对需求或问题进行分析，拆解，流程化（典型的程序员思维）
可以不会做，但是不能不知道，没听过（拓宽知识面，才能做到有的放矢）
对 AI 返回的结果要有足够判断力（知其一，也要知其二）
...