我从 2007 年大学毕业参加工作至今，已经在软件开发这个岗位上工作 16 年了。这十六年来我也算经历过一些新的技术浪潮的洗礼吧。我工作的 SAP 是欧洲最大也是最成功的软件公司之一，主要的深耕领域是企业管理软件。我也经历了从本地部署软件(On-Premises)到云原生应用这种开发思维和理念的转变，也亲身体会到了 Docker 和 Kubernetes 等虚拟化技术给开发人员带来的切切实实的便捷和工作效率的提升。但这些，都远远没有今年年初以 ChatGPT 为代表的一系列 AI 技术让我感到震撼。

SAP 其实也早已发布了面向企业级用户的与某一细分领域和业务紧耦合的 AI 服务，这些 AI 服务部署在 SAP 自己的 BTP 云平台上，因为目标用户不是 2C 的个人群体，所以不像 ChatGPT 这样为普通大众所知。

尽管有业界不少大佬也发出了诸如 三年之后 AI 将终结编程 这种言论，但我这个人生性比较乐观，就算有一天 AI 真的会终结绝大多数程序员，只剩下极少数的算法工程师，那我也要尽可能在 AI 终结我之前，充分利用 AI 让自己变得更强大。

我之所以会有这种相对乐观的想法，是因为使用 ChatGPT 等一系列 AI 产品这几个月，我发现自己的工作和学习效率都比以前有进一步的提升。

对于程序员来说，大家想必都习惯了通过 ChatGPT 来生成代码，然后自己手动稍加调整，这样能在极短的时间内得到可以运行的代码。除了这种最常规的操作之外，本文想分享一些笔者在日常工作中是如何使用 ChatGPT 等 AI 工具提高自己工作效率的例子。

为代码生成对应的单元测试代码

使用的 ChatGPT prompt：为下面这个<语言>实现的代码，编写对应的单元测试代码，然后将要生成单元测试的代码喂给 ChatGPT：

ChatGPT 会自动生成单元测试代码，我们可以在这些基础上，进行人工审查然后修改。

利用 ChatGPT 帮助自己研读经典框架的源代码

比如我是一个 Angular 开发人员，几乎每天都要和其标准库里的 HttpClient 工具库打交道。

假设我对其 request 方法感兴趣，想阅读其源代码，但是对于里面个别语句不甚理解：

那么我首先让 ChatGPT 给我介绍整个 request 方法大致完成一件什么事情，使用 prompt：逐行介绍一下下面这个方法的用途。这个方法来自 Angular common 开发包的 HttpClient 实现 http.mjs.

ChatGPT 给出的答复，我一目十行，很快就了解了这个方法的大致目的。

然后再给 ChatGPT 发出指令，提醒它要逐行介绍：我让你逐行介绍，你的介绍太简略了。

于是得到了我期望中的答案。

代码重构和性能优化

我首先故意写了一段存在性能问题的 ABAP 代码。这段代码首先从数据库表 tadir 里读取 200 条 Class 定义，然后循环这 200 条记录，在循环体内再次根据定义里的 Class 名称字段，到另一张数据库表 seoclasstx 里读取 Class 的描述信息。

REPORT z.

DATA: lt_dev  TYPE TABLE OF tadir,
      ls_dev  TYPE tadir,
      lv_text TYPE seoclasstx-descript.

SELECT * INTO TABLE lt_dev FROM tadir UP TO 200 ROWS WHERE object = 'CLAS' AND author
  = sy-uname.

LOOP AT lt_dev INTO ls_dev.
  SELECT SINGLE descript FROM seoclasstx INTO lv_text WHERE clsname = ls_dev-obj_name
     AND langu = sy-langu.

  WRITE:/ 'class name: ', ls_dev-obj_name, ' text:', lv_text.
ENDLOOP.

这样应用服务器总共会对数据库服务器造成 1 + 200 = 201 次读取操作。

我询问 ChatGPT 以上代码是否存在可以优化的地方，ChatGPT 的回复一语中的，排在第一点的建议就非常切中要害：将第二个 SELECT 语句放在循环体之外：

我再对 ChatGPT 发出了指令：请给我一份性能优化，重构后的代码。

ChatGPT 也完美的完成了任务：

将第二个 SELECT 语句提至循环体外，现在数据库服务器总共的读取次数从 201 次降低到了 2 次。

阅读正则表达式觉得头疼？让 ChatGPT 来替我们阅读

下列这两段正则表达式是我负责的 SAP 电商云前台登录页面里，用户名和 password 两个字段验证值合法性的正则表达式：

export const EMAIL_PATTERN =
  /^(([^<>()\[\]\\.,;:\s@"]+(\.[^<>()\[\]\\.,;:\s@"]+)*)|(".+"))@((\[[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}\.[0-9]{1,3}])|(([a-zA-Z\-0-9]+\.)+[a-zA-Z]{2,}))$/; // eslint-disable-line

export const PASSWORD_PATTERN =
  /^(?=.*?[A-Z])(?=.*?[0-9])(?=.*?[!@#$%^*()_\-+{};:.,]).{6,}$/;

说实话这些晦涩的正则表达式语法，我从来就记不住，每一次都是要用的时候，才临时去翻语法文档。

有了 ChatGPT 之后，我可以直接让它告诉我这些正则表达式的设计思路：

利用 ChatGPT 帮助自己入门一个相对比较陌生的技术领域

我使用 Angular 开发已经有一段时间了，现在我想学习 React，因此向 ChatGPT 咨询，让它给我建议一些 React 的学习要点：

作为一个已经有 Angular 基础的前端开发人员，我最感兴趣的是 Angular 和 React 二者最大的区别是什么？从 ChatGPT 那里我得到了一些解答。

虽然我明白 ChatGPT 的回答只能作为参考，但至少它能够给我很多启发和灵感，作为我进一步到 React 官网开始精读和深入学习的指引。

以上就是我日常工作中一些使用 ChatGPT 提高开发效率的小心得。尽管 Google 搜索也能某种程度上满足我的需求，但是 Google 搜索需要我精心选择关键字，然后从搜索结果列表里手动筛选出需要继续阅读的网页。并且上面几个例子里正则表达式的解读，单元测试代码的自动生成，代码重构和性能优化的建议，现阶段 Google 还无法像 ChatGPT 这样能够以交互式的方式完成我发出的指令。

即便 AI 将来某一天终究会干掉程序员，但是在这一天到来之前，我仍然会始终保持积极的心态，利用 AI 不断提高自己的开发效率。