GPT برای توسعه‌دهندگان

یک جفت چشم دوم روی کدها: توضیح ماژول‌های ناآشنا، ریشه‌یابی باگ‌ها، اصلاح چیدمان از روی اسکرین‌شات و نوشتن تست‌هایی که از قلم افتاده‌اند.

زمان مطالعه: 5 دقیقهبه‌روزرسانی

GPT.me مانند یک جفت چشم دوم و سریع برای کد عمل می‌کند: یک تابع، خطا یا diff را جای‌گذاری کنید و در عرض چند ثانیه توضیح، فرضیه یا تست تحویل بگیرید. کاملاً رایگان است و نیازی به ثبت‌نام ندارد. GPT-6 Luna برای سؤالات روزمره به اندازه کافی سریع است. GPT-6.1 Terra پیش از پاسخ کمی فکر می‌کند، که برای خطاهای منطقی و مقایسه جوانب طراحی معماری بسیار مفید است؛ همچنین در بررسی اسکرین‌شات‌ها مهارت بالایی دارد. پاسخ‌ها در قالب Markdown همراه با هایلایت کد ارائه می‌شوند. هرگز اطلاعات حساس را ارسال نکنید: پیام‌های شما از طریق سرور ما به ارائه‌دهنده مدل ارسال می‌شوند. در ادامه هفت کاربرد به همراه پرامپت‌هایی برای شروع در چت آورده شده است.

درک و اصلاح کد

چهار کاربرد برای کدی که هم‌اکنون در حال بررسی آن هستید؛ از اولین مطالعه تا تست‌هایی که سلامت آن را تضمین می‌کنند.

راهنمایی و بررسی کدهای ناآشنا

ماژولی بدون مستندات به شما سپرده شده است؟ پیش از اعمال هرگونه تغییر، ترتیب مطالعه و نقشه‌ای از نحوه جریان داده‌ها را درخواست کنید.

من با این کد [زبان] تازه آشنا شده‌ام و باید [بخش] را تغییر دهم. عملکرد کلی آن را در سطح کلان توضیح دهید، سپس نحوه جریان داده‌ها را از [نقطه ورود] تا [خروجی] ردیابی کنید. توابع را به ترتیبی که باید بخوانم فهرست کنید و هر نکته غافلگیرکننده‌ای مانند عوارض جانبی پنهان (side effects) یا وضعیت سراسری (global state) را مشخص کنید: [کد را جای‌گذاری کنید]

شروع بررسی کد. ابزار Code Assistant برای قطعه‌کدهای تکی بسیار کاربردی است.

شناسایی دقیق باگ از روی نشانه‌های آن

وقتی باگی فقط گاهی رخ می‌دهد، اولویت‌بندی فرضیه‌ها از حدس زدن بهتر است. GPT-6.1 Terra قبل از پاسخ‌دهی شواهد را به دقت تحلیل می‌کند.

در برنامه [زبان و فریم‌ورک] من یک باگ وجود دارد: [نشانه و زمان وقوع آن را شرح دهید]. لاگ‌ها و کدهای مرتبط به این شرح هستند: [لاگ‌ها و کد را جای‌گذاری کنید]. تا چهار فرضیه را بر اساس احتمال وقوع رتبه‌بندی کنید. برای هر کدام بگویید چه شواهدی از آن پشتیبانی می‌کند و کم‌هزینه‌ترین آزمایشی که می‌تواند آن را تأیید یا رد کند چیست.

دیباگ با GPT-6.1 Terra، آزمایش اول را اجرا کنید و نتیجه را در همان چت ادامه دهید.

اصلاح چیدمان صفحه از روی اسکرین‌شات

توصیف کلامی یک مشکل در layout دشوار است؛ اما نشان دادن آن آسان است. یک اسکرین‌شات را به همراه کد همان بخش از صفحه ارسال کنید.

یک اسکرین‌شات از مشکل چیدمان (layout) ضمیمه کرده‌ام: [اشکال کار چیست و ظاهر درست آن چگونه باید باشد]. ساختار و استایل‌های مربوطه عبارتند از: [HTML و CSS را جای‌گذاری کنید]. علت مشکل را بگویید و کمترین تغییر CSS ممکن را ارائه دهید که مشکل را حل کند بدون اینکه چیدمان در سایر اندازه‌های صفحه به‌هم بریزد.

باز کردن با GPT-6.1 Terra و ارسال اسکرین‌شات.

نوشتن تست برای حالت‌های خاصی که از قلم افتاده‌اند

مسیر اصلی (happy path) معمولاً تست می‌شود. اما ورودی‌های خالی، مقادیر مرزی و انکودینگ‌های غیرعادی اغلب نادیده گرفته می‌شوند.

تست‌های واحد (unit tests) با فریم‌ورک [فریم‌ورک تست] برای این تابع [زبان] بنویسید: [تابع را جای‌گذاری کنید]. ابتدا فهرستی کوتاه از حالت‌های خاص (edge cases) که قصد پوشش آن‌ها را دارید بیاورید، مانند ورودی خالی، مقادیر مرزی، انواع داده نامعتبر و مقادیر بزرگ. سپس تست‌ها را بنویسید، برای هر رفتار یک تست، با نام‌هایی که نتیجه مورد انتظار را به روشنی توصیف کنند.

نوشتن تست‌ها، اجرای آن‌ها و ارسال خطاهای احتمالی به همان چت که کد تابع را در حافظه دارد.

طراحی معماری، پایگاه داده و مستندسازی

سه کاربرد برای فرآیندهای جانبی کدنویسی: تصمیم‌گیری‌ها، کوئری‌ها و تاریخچه‌ای که ثبت می‌کنید. هیچ‌کدام نیازی به ارسال حجم بالایی از کد ندارند و در یک پیام به خوبی جا می‌شوند.

سنجش دو رویکرد طراحی پیش از پیاده‌سازی

یک مقایسه مکتوب و کوتاه اغلب سریع‌تر از برگزاری یک جلسه دیگر به بحث‌های طراحی پایان می‌دهد.

من باید [هدف] را در یک پروژه [استک فنی] پیاده کنم و بین [گزینه الف] و [گزینه ب] مردد هستم. آن‌ها را از نظر پیچیدگی، عملکرد، حالت‌های خرابی و میزان دشواری اعمال تغییرات در آینده، با توجه به این محدودیت‌ها مقایسه کنید: [محدودیت‌ها]. در پایان یک پیشنهاد نهایی ارائه دهید و فرضیه‌ای را مشخص کنید که در صورت تغییر، این پیشنهاد عوض می‌شود.

مقایسه گزینه‌ها با GPT-6.1 Terra و به اشتراک‌گذاری پاسخ با تیم به عنوان نقطه شروع.

نوشتن کوئری SQL و راستی‌آزمایی آن

اسکیما و چند سطر داده نمونه را ارائه دهید تا مدل بتواند نتیجه مورد انتظار را نشان دهد و بتوانید جوین‌های نادرست را پیدا کنید.

اسکیمای [پایگاه داده] من به این صورت است: [دستورات CREATE TABLE را جای‌گذاری کنید]. کوئری‌ای بنویسید که [داده مورد نیاز] را برگرداند. هر جوین و فیلتر را در یک خط توضیح دهید، سپس سطرهایی را که این کوئری برای این داده‌های نمونه بازمی‌گرداند نمایش دهید تا بتوانم منطق آن را بررسی کنم: [سطرهای نمونه را جای‌گذاری کنید]

ایجاد کوئری، و اجرای آزمایشی آن روی یک نسخه کپی از داده‌ها.

تبدیل diff به یک commit message شفاف

تاریخچه دقیق به نفر بعدی که کد را می‌خواند کمک می‌کند؛ نفری که ممکن است خود شما باشید. تغییرات (diff) را ارسال کنید و متنی مطابق با استاندارد تیم خود دریافت کنید.

یک commit message برای این diff بر اساس استاندارد [شیوه نام‌گذاری] بنویسید: یک خط خلاصه زیر ۷۲ کاراکتر، یک خط خالی، سپس توضیحی کوتاه که چرایی اعمال تغییر را بیان کند، نه صرفاً اینکه چه چیزی تغییر کرده است. اگر این diff شامل تغییرات نامرتبط است، بگویید چگونه آن را تفکیک کنم: [diff را جای‌گذاری کنید]

نوشتن پیام کامیت و تنظیم آن متناسب با نیاز بازبین کد.

نبایدها

  • ارسال اطلاعات محرمانه. کلیدهای API، رمزهای عبور، توکن‌ها و داده‌های مشتریان را قبل از ارسال حتماً حذف کنید.
  • اعتماد کامل به مستندات API در حافظه مدل. مدل‌ها محدودیت زمانی در داده‌های آموزشی دارند و به مستندات زنده وب دسترسی ندارند، بنابراین ممکن است تابعی تغییر نام داده یا حذف شده باشد. کد را اجرا کرده و مستندات رسمی را چک کنید.
  • ارسال کل مخزن کد (Repository). پیام‌های بسیار طولانی کوتاه می‌شوند. تنها تابع و خطای مورد نظر را ارسال کنید.
  • مرج کردن کد بدون بازبینی. هر پاسخ را مانند پیشنهاد یک همکار در نظر بگیرید و تک‌تک خطوط آن را بخوانید.

صفحات مرتبط

سؤالی دارید؟ همین الان بپرسید

بدون نیاز به حساب کاربری و دانلود. چت را باز کنید، سؤال خود را بنویسید و در عرض یکی دو ثانیه پاسخ را ببینید.

شروع چت