程序员如何利用 AI 加持

今天想聊聊业务方面的程序员如何利用 AI 加持自己的日常工作。如果您是做纯技术的，例如模型、协议或者算法工程师，那不在这个讨论上下文中。这里想聊一下平时解决业务问题的开发人员们。他们更多的是运用程序解决人们每天工作、生活中面临的问题。

一个故事引发的思考

本周在和一个朋友聊天的时候了解到，她的工作每一段时间就要对几十个 excel 进行一次手工合并数据，之后基于合并后的 excel 进行数据透视图处理，生成报表。询问开发人员能否将这个合并自动化？得到的回复是需要时间，重写逻辑才行。

这个朋友动手能力也是强，自己通过询问 chatGPT，通过两轮对话，用 Python 实现了一个简单的 excel 合并的脚本。

第一轮：合并两个 Excel 文件

第二轮：合并一个 Folder 下面的所有 Excel 文件

看这段程序如果是程序猿的朋友，应该会想到一些可以继续改进的，例如通过流的方式将低内存使用。现在是在内存中合并所有 Excel 数据，最后才生成一个 Excel，不过对于非程序员出身的朋友来说，当前的这个功能已经够用。

AI 工具提高了客户的需求标准

通过这个事情，我不禁思考，以往软件提供一些自动化操作，从而代替手工操作就会获得客户的认可。因为并不是所有人都会写程序，如果用户希望改变就需要求助开发人员来实现。而有时候开发人员还会以各种技术限制来解释无法实现的客户的需求，最后只能退而求其次。客户也不得不接受。毕竟对方是专家。

不过这一状态正在改变。随着 chatGPT 这类平民化的 AI 工具的普及，新的 AI 工具越来越多的融合到人们的日常工作中，就像计算器、个人电脑一样。那么人们对于日常工作中的痛点的解决方案的期待也会升级，对于工具的要求自然会提高，对可用性的容忍度也是越来越低。而作为开发这类软件的程序猿来说，应该及时的做出调整，看如何能够更精准、更好的提供服务。

开发人员需要转变工作方式

AI 工具加持的当下。程序猿会怎么做？一门心思的像从前那样，单单关注如何写代码肯定不够了。可能还需要考虑：

• 如何更准确地理解客户需求。

• 更快的验证和调整方向

• 更短的上线时间。

相信做为程序员，高效的利用工具提升自己的工作效率肯定是基本能力。很多人应该已经开始尝试 Code Copilot 类的工具来提高编码速度。除了和 copilot 结对写代码以外，还可以有一些其他可以助力的方面，例如快速验证需求可行性：

• 对应领域的快速建模

  例如模拟特定领域的客户做人物画像，甚至通过与 AI 模拟的客户对话，来了解客户痛点。寻找解决方案

• 快速验证方案

  将解决方案带入 AI 模拟用户，看是否能获得良好的反馈。快速验证方案的可行性。

利用 chatGPT 如何协作

1. 构建用户画像

2. 提示词生成实际画像

生成提示词

如果需要，可以通过类似 Midjourney 这类文生图的工具，将提示词生成具体用户图像，具像化用户。

3. 验证业务假设

当然随着越来越多企业在垂直领域对数据进行进一步地优化，不久的将来肯定会有更为精准的合成用户的 AI 工具，来模拟用户，最终帮助开发人员验证功能的合理性。加快反馈的闭环。这也是敏捷研发思想的核心所在。

推荐一个国内的 chatGPT 平替——ChatU.AI

如何在国内合法合规的使用 AI 工具，让工具赋能我们每个程序猿？推荐一个国内社区小伙伴做的平台——ChatU.AI，单点对接多个大语言模型平台（OpenAI 、Azure OpenAI、文心一言），基于性价比提供多种选择。基于 SaaS 平台提供丰富的开发接口，让开发人员专注于更好的服务客户需求。屏蔽底层技术细节。有需要的小伙伴可以免费试用一下哦。

践行敏捷实践，让工作去繁从简。欢迎留言讨论，交流落地经验。

欢迎关注我的博客