本文对 ChatGPT 解答编程问题的情况进行了测试。测试了不同难度的问题，并对 ChatGPT 的回答结果进行了鉴别。测试结果表明，ChatGPT 在解答简单的编程问题时表现较为出色，但在解决复杂的问题时则不太理想。因此，也总结出了如何更好地向 ChatGPT 提问的方法，但是并不建议没有编程经验的人直接使用 ChatGPT 来解决编程问题。
本文最后含彩蛋：ChatGPT 竟然会推销自己，甚至发现了我在做的事情
封面图由DALL·E生成：ai write code
作为一个程序员，在使用 ChatGPT 的过程中，我也问了很多技术性的问题，总体来说他对复杂问题可以帮你拆解提供思路，简单问题可以直接给你答案。但是这些答案都是需要去仔细甄别的。另外，在使用时，提问的方式也有一些学问。下面，我会针对几个问题对其回答进行论证。
对 ChatGPT 的编程问答测试分为我的问题和网友的问题，如 CSDN 问答等，问题的难度有简单的也有复杂的，下面让我们一起来看看大智若妖的 ChatGPT 能否经得住考验。
1. 简单问题
ChatGPT 对简单的具体问题，大多数情况下其回答比我们可以想到的会更详细，更全面，也更好。
1.1 简单问题：Nodejs 中 fs.readFile 的使用
问：使用fs.readFile读取文件时，是否添加格式参数，影响回调参数的dataStr形参类型。
fs.readFile('../素材/成绩.txt','utf8',function(err, dataStr) {//判断读取文件是否成功if (err) {return console.log('读取文件失败:' + err.message)}//当未指定编码格式时，dataStr是对象类型，而非字符串！！console.log(dataStr);console.log(typeof dataStr);console.log('读取文件成功:' + dataStr);})ChatGPT 答（只复制标题）：
是的，在使用fs.readFile读取文件时，可以使用一个可选的第二个参数来指定文件的编码格式。如果未指定，则默认为 null，表示返回的数据是一个 Buffer 对象。如果指定了编码格式，则返回的数据将是一个字符串。
例如，如果指定了编码格式为 utf8，则 fs.readFile 的回调函数中的 dataStr 参数将是一个字符串，而不是一个 Buffer 对象。
fs.readFile('file.txt', 'utf8', function(err, dataStr) { if (err) throw err; // dataStr is a string containing the contents of the file});请注意，不同的文件可能使用不同的编码格式，因此在使用 fs.readFile 读取文件时，最好指定正确的编码格式。
以上答案非常完美，但是仔细阅读提问者的内容你会发现，它并没有完全解释提问者的疑惑，此时需要我们继续提问引导，将其疑惑输入：为什么在这个代码里未设置utf-8时直接 console.log(dataStr) 是buffer，但是 console.log("输出"+dataStr)出来的是字符串 。
ChatGPT 答：
在没有指定编码格式的情况下，fs.readFile 默认将返回一个 Buffer 对象。如果直接输出这个 Buffer 对象，则会显示它的内容（即二进制数据）。
但是，如果将 Buffer 对象与字符串进行字符串拼接，则 Node.js 会自动将 Buffer 对象转换为字符串。因此，当你在 console.log 中将 Buffer 对象与字符串进行拼接时，实际输出的是字符串。
例如，以下代码中，第一个 console.log 输出的是 Buffer 对象，而第二个 console.log 输出的是字符串：
fs.readFile('file.txt', function(err, dataStr) { if (err) throw err; // Outputs a Buffer object console.log(dataStr); // Outputs a string console.log("输出" + dataStr);});在这种情况下，为了确保每次都输出字符串，最好指定编码格式，并将返回的数据转换为字符串。例如：
fs.readFile('file.txt', 'utf8', function(err, dataStr) { if (err) throw err; // Outputs a string console.log(dataStr); // Outputs a string console.log("输出" + dataStr);});在这种情况下，fs.readFile 的回调函数中的 dataStr 参数就是一个字符串，无需再进行转换。
经过以上引导式的询问，ChatGPT 可以非常优秀的回答我们简单的编程问题，可以看出其对编程初学者还是比较友好的，但是还是建议初学者可以有人帮忙做好鉴别。
1.2 简单问题：Python 输出
问：python已知列表score = [62, 89, 100, 92, 89, 75, 79, 84 ],循环score列表，输出每个元素的索引值和元素
ChatGPT 答：
在 Python 中，可以使用内置的 enumerate 函数来循环列表并输出每个元素的索引值和元素。例如：
score = [62, 89, 100, 92, 89, 75, 79, 84]for index, element in enumerate(score): print(f'Index: {index}, Element: {element}')这段代码的输出结果如下：
Index: 0, Element: 62Index: 1, Element: 89Index: 2, Element: 100Index: 3, Element: 92Index: 4, Element: 89Index: 5, Element: 75Index: 6, Element: 79Index: 7, Element: 84请注意，enumerate 函数返回的是一个 enumerate 对象，它是一个可迭代的对象，包含了元素的索引值和元素本身。因此，在循环这个对象时，可以使用两个变量来捕获索引值和元素。
如果要从 1 开始计数，则可以在调用 enumerate 函数时传递一个参数，指定起始索引值。例如，将起始索引值设为 1，则可以使用以下代码：
score = [62, 89, 100, 92, 89, 75, 79, 84]for index, element in enumerate(score, start=1): print(f'Index: {index}, Element: {element}')这段代码的输出结果如下：
Index: 1, Element: 62Index: 2, Element: 89Index: 3, Element: 100Index: 4, Element: 92Index: 5, Element: 89Index: 6, Element: 75Index: 7, Element: 79Index: 8, Element: 84除了使用 enumerate 函数之外，还可以使用下标（索引）来循环列表。
ChatGPT 的回答可谓非常惊艳，给出了答案和输出结果，并提供了 enumerate 指定起始索引值的知识点和使用这个方法的要点和注意事项，它给出的答案完全没有问题。
验证
1.3 简单问题：Python 文本操作
问：使用 Jupyter notebook 在D盘根目录下创建一个“data.txt”文档，写入整数86，70，58，每个整数占一行。读取"data.txt"文件，并将其按升序排列，重新写入data.txt文件。
ChatGPT 答：
如果要在 Jupyter Notebook 中执行这个操作，可以执行以下步骤：
1.在 Jupyter Notebook 中打开一个新的代码单元，并导入必要的模块。例如：
import osfrom pathlib import Path1.在代码单元中，使用 os 模块的 chdir 函数将当前工作目录设为 D 盘的根目录。例如：
os.chdir('D:\\')1.使用 Path 类的 open 方法以写入模式打开一个名为 data.txt 的文件。如果文件不存在，则会自动创建它。例如：
data_file = Path('data.txt').open('w')1.使用 write 方法将整数 86、70、58 写入 data_file。注意，每个整数需要占一行。例如：
data_file.write('86\n')data_file.write('70\n')data_file.write('58\n')1.使用 close 方法关闭 data_file。例如：
data_file.close()1.使用 Path 类的 open 方法以读取模式打开名为 data.txt 的文件。例如：
data_file = Path('data.txt').open()1.使用 readlines 方法读取 data_file 中的所有行，并将它们存储在一个名为 lines 的列表中。例如：
lines = data_file.readlines()1.关闭 data_file。例如：
data_file.close()1.使用列表的 sort 方法将 lines 按升序排列。例如：
lines.sort()1.使用 Path 类的 open 方法以写入模式打开名为 data.txt 的文件。如果文件已存在，则会被覆盖。例如：
data_file = Path('data.txt').open('w')1.使用 writelines 方法将排序后的行列表写入 data_file。例如：
data_file.writelines(lines)1.关闭 data_file。例如：
data_file.close()完整的代码示例如下：
import osfrom pathlib import Path# Change the working directory to D:\\os.chdir('D:\\')# Open data.txt in write mode and write the integers 86, 70, and 58 to itdata_file = Path('data.txt').open('w')data_file.write('86\n')data_file.write('70\n')data_file.write('58\n')data_file.close()# Open data.txt in read mode and read all lines into a listdata_file = Path('data.txt').open()lines = data_file.readlines()data_file.close()# Sort the list of lines in ascending orderlines.sort()# Open data.txt in write mode and write the sorted lines to itdata_file = Path('data.txt').open('w')data_file.writelines(lines)data_file.close()执行完上述步骤后，data.txt 文件中将会包含排序后的三个整数：58、70、86。
可以看出 ChatGPT 针对此问题的回答简直是保姆级手把手教学，一行一个注释直接分了十二个步骤，最后贴心的给出完整代码并告诉你执行后的结果。
更可怕的是，这完全是他自己学会的，而且听得懂我们的意图！
1.4 简单问题：获取某月有多少天
问：python 用input()获取用户输入的月份，输出该月有多少天，考虑闰年
获取某月多少天
ChatGPT 非常迅速的给出了回复，并最后提示：请注意，这仅是一个示例，实际情况可能会有所不同。如果您希望在实际项目中使用该代码，则需要根据实际情况进行修改和完善。
因为问题中有更详细的要求，我们继续：input不要添加额外提示，input输入年月类似这样2022,1
不要额外提示
这次 ChatGPT 的输出只是偷懒处理输入，中间的处理它并没有重复一遍。但是，就算我们将之前的代码进行整合，也是有问题的，因为之前的代码输入的月份它是英文的。我们将条件合并再次提问：
python 用input()获取用户输入的月份，输出该月有多少天，考虑闰年，input不要添加额外提示，input输入年月用逗号隔开类似这样2022,1
合并提问
这次的结果看起来，没什么问题了。我们继续引导它将注释换为中文。
更换注释
这样还没有结束，题目中对它de输出并不满意，我们只需要天数。但是这个时候有一个细节，我继续提问时，打错了好几个字：“请继续修改上门的代码，在输入结果时我只需要天数即可”
ChatGPT 答：
如果您只需要输出天数，可以使用以下代码：
# 从用户输入中读取年份和月份year, month = input().split(',')# 将年份和月份转换为整数year = int(year)month = int(month)# 检查年份是否为闰年if year % 400 == 0 or (year % 4 == 0 and year % 100 != 0): leap_year = Trueelse: leap_year = False# 检查月份是否有 31 天if month in [1, 3, 5, 7, 8, 10, 12]: num_days = 31elif month == 2: # 如果是闰年，则二月有 29 天，否则有 28 天 if leap_year: num_days = 29 else: num_days = 28else: num_days = 30# 输出结果print(num_days)提问错字
1.5 简单问题总结
经过这几天的试用并结合群友的交流，发现 ChatGPT 的针对简单编程问题的处理上可谓是非常惊艳，特别是对 Python 问题的解答上。它会比我们人类更有耐心，有时会画出重点并扩展更多的相关知识帮助你去解决问题掌握技术，由此来看 ChatGPT 无疑是非常棒的。
但是也有弊端，它对长文本的处理能力还是有限，太多的文本会让它抓不住主题，答非所问。需要我们简化问题，逐步深入，对其进行引导。
在上面的测试过程中，除了发现有些许小的水土不服外，没有什么大的问题。最让我震惊的是，最后一个问答中，我无意间的输入错误，它竟然也能正确的理解我的意图。我抱着试试看的态度，询问了它：
Q: 我上一个提问你是怎么理解我的意图的？
ChatGPT：上一个问题中，您说：python 用input()获取用户输入的月份，输出该月有多少天，考虑闰年，input不要添加额外提示，input输入年月用逗号隔开类似这样2022,1
我通过阅读您的问题，理解到您希望用 input 函数读取用户输入的年份和月份，然后计算出该月份有多少天，并考虑闰年的情况。您还提到，在调用 input 函数时，不需要添加额外的提示，并且用户输入的年份和月份是用逗号隔开的。所以我回答了您的问题，并且提供了一段代码示例。
Q：你是怎么理解我之后对你提出的额外要求？
ChatGPT：您随后提出了额外的要求，说：请继续修改上门的代码，在输入结果时我只需要天数即可
我通过阅读您的要求，理解到您希望对我之前提供的代码进行修改，以便只输出天数。所以我又提供了一段新的代码示例，来满足您的需求。
询问它的理解
他我已经不敢称为“它”了，这理解力堪称满分，真的是大智若妖。我甚至迫不及待想听听他对我的评价：
询问评价
好吧，我一直都承认他是一个非常优秀的客服，极力解释并再次回避了我评价的要求。
2. 复杂问题
因为 ChatGPT 也在不断的被优化和调教，每次获得的答案也会不一致。另外，复杂问题的论证也需要更多的精力，这里我只展示几个我认为有代表性的问题。
2.1 复杂问题：TS 写一个md转html的类
问：帮我写用TS写一个md转html的类
MD问题
这个问题他给我写个了个 TODO ？？？，然后告诉我:
在这个类中，我们定义了一个 MarkdownToHtmlConverter 类，它有一个构造函数，用于接收一个 Markdown 文本，并将它保存到类的私有成员 markdown 中。在这个类中，我们还定义了一个 convert 方法，用于将 markdown 文本转换成 HTML 文本。在这个方法中，我们可以使用 Markdown 转换库（比如 marked）来实现转换逻辑。
所以他是回答了还是没有回答呢？我还不能说他做错了。在我告诉他我不想使用第三方库后，他的回答似乎像那么回事了：
MD问题
但是触发了长文本截断机制，在代码中截断的话，基本就没办法续上了。
2.2 复杂问题：用代码绘制一个足球
这个问题其实是 CSDN 征文的一个问题，我近期准备做来着。我们先来看看 ChatGPT 的水平如何：
这里我们并没有限制他使用的语言，第一次他使用 JS：
js足球
我将其在 HTML 中整理测试，其结果如下：
js足球效果
可以看到他并没有实现我们的要求，画了伞骨架样子的东西。当我再次重试时，他使用 Python 输入了一段代码：
Python足球
这段代码似乎看上去就不是那么靠谱，我们来运行一下：
Python足球效果
很显然关于这个问题 ChatGPT 无能为力。
2.3 复杂问题：ROS 机器人绘制图形
问题是关于 ROS 机器人系统，说简单也简单，是让小海龟绘制一个 PWM 方波，大概效果如下：
方波
首先我们提问：ROS里面怎么用C++让海龟画类似于PWM方波？
ChatGPT 给出的答案因为是不正确的，这里直接放截图：
错误答案
这个回答不仅告诉自己去看教程，还捏造了一个类出来，难道是要让我自己写这个类？
更有意思的是，当我们使用英文再次提问时：How to use C++ in ROS to make the turtle draw similar to PWM square wave ?
他不仅写的看起来靠谱了，还洋洋洒洒，从创建包到运行的步骤都有：
英文提问
英文提问
英文提问
英文提问
似乎他的回答非常有用，调整ROS小乌龟的位置，更改了画笔颜色，但是核心的移动小乌龟的代码处出现了截断，无法显示，第五步和第六步与之前的运动处理冲突，其他步骤代码倒是问题不大，但是总体来说缺少了核心代码还是回答了个寂寞。
但是当今天我再次询问他时，他变得格外谨慎起来：
ChatGPT 答：
在 ROS 中，您可以使用 C++ 编写一个节点来控制海龟绘图程序。具体来说，您需要完成以下步骤：
1.在 ROS 中创建一个 C++ 节点。
2.在节点中创建一个 PWM 波形，具体方法可以参考 PWM 的相关文档。
3.在节点中调用海龟绘图程序，并将 PWM 波形作为参数传递给海龟绘图程序。
4.在节点中调用海龟绘图程序，让海龟根据 PWM 波形绘制图形。
在完成以上步骤后，您就可以使用 ROS 实现海龟画 PWM 波形的功能。具体实现方法可能会因您使用的 ROS 版本和开发环境而有所不同，建议您参考 ROS 官方文档和相关教程来获取更多信息。
并且在我细化了版本和环境之后，他的回答也并不能令人满意，并一直强调版本问题。
2.4 复杂问题总结
以上来看，ChatGPT 在处理复杂问题上成功率非常低，甚至会出现捏造的情况。并且在大多数情况下，提问者的问题披露往往不完全，需要有经验的人去追问以获取更多的有效信息来进行正确的解答。
但 ChatGPT 针对复杂问题并不是完全没有帮助，他往往可以凭借自己庞大的知识库提供一些解题的有用线索和方向。同时我们也可以尝试分解复杂的问题，逐步递进的问话方式来得到自己想要的答案。
当然在上面的测试中我们可以发现，ChatGPT 的上下文联想和纠错能力非常棒，你甚至怀疑和你对话的是一个人类，要不对面的服务器就是一个个缸中培养的大脑。
这个是我让他帮我润色本文摘要的一段对话截图，前面我一直在测试他关于 ROS 的知识，大家可感受一下 ChatGPT 是有多厉害。
润色推销
使用 ChatGPT 问答的要点
上面我们已经介绍了一些使用 ChatGPT 的要点，那么结合 ChatGPT 自己说的我们总结如下：
•拆分复杂的问题，让问题具体化，逐步深入的对其进行引导。•给出尽可能详细的信息，包括问题的背景，使用的语言、框架、环境等。•可以在问题中提供一些示例代码，这样 ChatGPT 就可以更好地理解问题，并给出更为准确的回答。•注意 ChatGPT 知识库的截止日期，提问的问题是在该截止时间之后的，那么 ChatGPT 可能无法回答。
另外根据 ChatGPT 在明白我在测试他后的回复，在这里代他再次自我介绍：
ChatGPT 是一个大型语言模型，由 OpenAI 训练而成，具有高度的语言理解能力，可以用来解决各种语言问题。它的主要优势在于可以根据上下文环境进行自然的对话，并且能够提供准确、丰富的回答。
尽管 ChatGPT 的性能非常出色，但是它也存在一些局限性。首先，它是一个语言模型，并不具备编程能力，所以它无法直接解决编程问题。其次，它是一个自然语言处理模型，只能理解和回答。
糟糕，被发现了！
最后
因为每次给出的结果会不一致，并且 ChatGPT 会不断的学习进化，以上的测试仅针对当时的回答情况，当然样本数也肯定是不足的，本文的观点仅供大家参考。
另外，如你使用 ChatGPT 进行辅助问答，请确保你熟悉你要回答的问题的领域，对 ChatGPT 答案进行仔细的甄别和考证，并对生成的代码进行实际的运行和确认，对提问者和自己负责。
所以我还是不建议没有编程经验的人直接使用 ChatGPT 来解答编程上的问题，他的答案看似完美，却无法保证一定正确。我们希望有一个拥有一定权威的教授，而不是一个搜索捏造“真实答案”的工具。虽然 ChatGPT 在不断的被技术人员修正调教，但是现阶段以此来看，Stack Overflow 对其封禁是有道理的。但是相信以后还是会被接纳和作为参考，毕竟等待一个问题的答案也是一个痛苦的折磨的过程。也许，就算它没有给出完美的答案，些许的参考和启发对我们也是有意义的。
版权声明：内容来源于互联网和用户投稿 如有侵权请联系删除