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！
Prompt提问万能公式
案例1 基于ChatGPT进行资源排期
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
案例2 让chatGpt帮忙看下正则表达式的含义
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。
案例3 基于chatGpt写分段写入csv文件的程序
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。
案例4：基于ChatGPT辅助开发
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。
案例5: 提问者需要具备鉴别能力
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。
案例6: spring ioc框架学习
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。
案例7：字符处理、文本格式化
JOSN 串的格式化与压缩：
案例8：JSON串转JAVA Bean 集成lombok
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：
案例9：JAVA8 流语法扁平化处理流
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<Long, Set
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<Long, Set<Long>> targetProductIdAndSkuIdsMap = ...; // 初始化 targetProductIdAndSkuIdsMap
Set<Long> skuIds = targetProductIdAndSkuIdsMap.values()
.stream()
.flatMap(Set::stream)
.collect(Collectors.toSet());
System.out.println(skuIds);
}
}
这个代码可还行？_
案例10： 行云流水线错误日志分析
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。
标签：chatGpt,案例,AI,targetProductIdAndSkuIdsMap,程序员,集合,注解,提效,ChatGPT From： https://www.cnblogs.com/Jcloud/p/17688101.html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