本片内容是【AI思维空间】ChatGPT纵横编程世界,点亮智慧火花的续作,主要记录组内开发小伙伴儿们在开发过程中的实际应用案例,记录典型案例,尽量不要和其他人重复,以解决开发过程中的实际问题为主,设计、方案、编码、测试、集成、部署等等;
目的:贡献最佳实践,分享心得,共同成长!
1、首先进行拆分,分为周一到周五和周六周日
2、引导chatGPT进行排班
在看代码的过程中,发现有个地方使用了正则表达式进行规则匹配,但是没有注释标明规则含义,所以使用chatGpt帮忙看下规则含义。
chatGpt不仅返回的了匹配的规则含义,还详细介绍了每个字符具体含义,very nice。
给chatgpt提要求,要求10000行数据放在一个csv文件中,并将文件名称进行编号处理。
变更条件,事先不知道总行数有多少条,让chatGpt重新写一段程序实现。
告诉ChatGPT,我想开发一个JavaBean转JSON的IDEA插件,让ChatGPT给出详细的步骤和代码。
狼牙山五壮士的姓名
chatgpt可以一本正经的胡说八道,提问者不能全信。
太复杂了,尽然无法支持,就来一个简单的
再完善下,并帮忙写一个测试案例测试下看
亲自验证测试是否正确,能否跑起来
虽然能够跑起来,但是测试结果和其预期不一致,分析错误产生的原因是注解inject使用错误,正确使用时需要对注解添加元注解@Retention,其作用可以简单理解为设置注解的生命周期。
@Retention 注解传入的是 RetentionPolicy 枚举,该枚举有三个常量,分别是 SOURCE、CLASS 和 RUNTIME
三者区别如下:
SOURCE 代表着注解仅保留在源级别中,编译器将Java文件编译成class文件时将之遗弃。
CLASS 代表着注解被保留在class文件中,JVM加载class文件时将之遗弃。
RUNTIME 代表着标记的注解会由JVM保留,因此运行时环境可以使用它。
总结:chat-gpt对于技术细节可能无法把控,但是总体的程序框架及逻辑验证还是没有问题的。
JOSN 串的格式化与压缩:
提示词迭代过程如下:
以下Json串给生成 JAVA实体类,要求使用lombok 简化代码,并添加明确的代码注释,以Markdown语法出 {
“migrateTime”: 1689609010640, //迁移时间
“sourceProductId”: 1000000000, //迁移源productId
“targetProductIdAndSkuIdsMap”: {//迁移目标productId与skuId的关系
“2000000”: [//目标product1, skuIds
1,
2,
3
],
“3000000”: [//目标product2, skuIds
4,
5
]
}
“venderId”:100, //商家ID
“categoryId”:123 //三级类目ID
}
结果输出如下(对尾行注释并不满意,继续优化试试):
去除尾行注释输出结果:
以下提示词目的是收集map的所有value里面对应的 long 类型的值集合。
提示词: 在JAVA8 中如何通过流,将Map
结果输出如下: 在Java 8中,不能直接使用flatmap
将集合的元素合并到一个集合中,因为flatMap
操作是将多个流合并成一个流,而不是将元素合并到一个集合中。实际上,我们需要使用flatMap
将每个集合的元素映射到单独的流,然后再使用collect
操作将这些流合并到一个集合中。
以下是修正后的Java代码示例:
import java.util.Map;
import java.util.Set;
import java.util.stream.Collectors;
public class Main {
public static void main(String[] args) {
Map> targetProductIdAndSkuIdsMap = ...; // 初始化 targetProductIdAndSkuIdsMap
Set skuIds = targetProductIdAndSkuIdsMap.values()
.stream()
.flatMap(Set::stream)
.collect(Collectors.toSet());
System.out.println(skuIds);
}
}
这个代码可还行?_
已落地平台,针对流水线运行错误日志,选中错误内容右键进行智能分析,输出分析结果,辅助解决错误问题,节省平台运营成本。
作者:京东零售 王英杰
来源:京东云开发者社区 转载请注明来源