chatgpt使用心得

主要使用场景

文字处理工作

• 翻译

  

• 润色

  中文润色

  

  英文润色

  

• 扩写

  

Coding

• 写代码

  在不使用第三方库时，回答准确度是比较高的。

  

  

  但是如果遇到需要使用第三方库的情况，在实际使用中，经常需要花很多时间来debug。

• 解释代码

  

• lint code

  

搜索

• 名词解释

  

  举例说明帮助理解

  

• 总结

  

  

• 技术问题

  

总结

优点

• 文字辅助工作强于所有的工具，解决开头难的问题；
• 简单问题一搜即达；
• 可以根据对话上下文做出回答；
• 语言功能很强大，能够接受启发式提问；

不足

• 访问限制：需要梯子，最近还大量封号封IP；可以使用poe.com，bing AI，openAI API替代；
• 响应速度慢：回答基本是一个字一个字的往外蹦；可以使用openAI API；
• 搜索能力一般：数据不是最新的；经常会胡编乱造；搜索复杂问题用 bing AI 会好一点；

我目前的使用方式：

• 不使用chatGPT，而使用openAI API（学术优化）和 bing AI，因为梯子被chatGPT封了；
• 简单文字处理用openAI API，虽然bing AI是基于GPT-4的，但是速度也很慢，但是我用的频率也很低，GPT写废话的能力超级强，但也仅限于写废话，写其他的会出错；
• GPT可以帮助过滤掉一些没有用的信息，因此可以用来帮助我快速了解一个主题，但是仅限于了解；
• 编程辅助不用chatGPT，需要频繁复制粘贴，还要想怎么提问题机器人才好回答，效率实在太低；

综上所述，我使用GPT的频率并不高，就算是文字处理问题我也不怎么用，因为来回复制粘贴太麻烦了，我正在等Microsoft 365集成GPT。而且以目前GPT的能力辅助专业工作还是太难了，或者说效率很低，高级检索不如Google，编程问题不如问stackover flow，个人认为GPT作为通用大语言模型，对普通用户或者日常生活需求的满足是令人佩服的，但是要提高专业领域工作效率还是需要面向专业知识学习的模型，比如github的copilot，adobe的firefly，金融领域的BloombergGPT，或许有天会推出一个面向生命科学领域的大模型，能帮助科研工作者设计实验，分析数据，解决问题。