※ 引述《ZMTL (Zaious.)》之铭言：
: AI(GPT)用于Coding的实务心得
: 作者是虎尾科大资工系陈国益教授，经同意后转载文字内容，原连结于下:
: https://www.facebook.com/kuoyichen/posts/10230748453674915
: 在上周前往华新丽华授课时，有工程师问到：若有要接手的大型专案，应如何透过AI协助
: ，加速对专案的理解速度，或是快速产生手册、API列表等，传统上要花非常多时间交互
: 阅读理解才能完成的工作？
: write the API list and description for this program with a markdown table
: 在大型专案中，各个关键参数的位置及其意义极为重要，但一般来说需要自行阅读、笔记
: 、梳理后才能知道各个关键参数的意义。我们可以请ChatGPT针对此专案，列出所有参数
: 、标示位置、说明用途，并以表格方式呈现，可以大幅降低接手大型专案的难度与成本，
: 指令如下：
: show all parameters, description and its location in this program as a
: markdown table
这是GPT4写出来的api，从陈教授的fb copy来的
https://i.imgur.com/sM3398E.jpg
可惜跟这个专案
https://github.com/benycze/python-tetris
完全没有关系，这个是不知道哪里"幻想"出来的api
是的，再花点时间来调整指令，可能可以修到正确答案，但这不是这篇要讨论的。
现在的问题是LLMs很好用，但离真正取代人还很远。看过很多产生的程式码，有各种问题。有的问题很"微妙"，资浅的程式师，可能不易察觉。
还是要强调LLMs不知道什么是正确的，LLMs的知识是庞大的，LLMs "总结"能力很强，但也很会"幻想"。
我是鼓励大家要试试LLMs，找出它的应用。但使用LLMs还是要仔细检查结果，要知道LLMs很会"bs"

中肯。实事求是。太多例子都标新立异抢网红流量，而非真的认真探讨怎么真实应用

推