来源：分布式实验室
现在，AI 发展如火如荼。我在社交媒体上看到的内容都是关于使用 ChatGPT 插件能做些什么新鲜事，或者展示由生成式 AI 创造的新照片。这些都相当酷，我对此感到很兴奋。
科技界似乎正全力投身于这场 AI 的淘金热潮中。现在每天都会涌现出新的软件、功能和增强功能，我们很快发现自己处于一个 “成败存亡” 的关键时刻。我们是要全面拥抱这些新发展，看看会带来哪些变化？还是选择无视它们，希望它们消失？抑或我们可以找到一种折中方案？
如果我们看一下上面那张人工智能采用曲线图，我估计我们仍然处于早期采用者阶段的初期。很多人在网上对此议论纷纷，但实际上在生产中使用的人并不多。
AI 时代即将到来，它无处不在。我们不会特别注意到它存在，它将被默认为已经存在，并使软件更好用。
不过对我来说，情况并非如此。我已经全身心投入其中，它已经完全改变了我规划、设计和实施软件的方式。虽然我不再是企业架构师，但我独自管理着我的网站，它背后有大量的软件和服务可以自动化一切。
现在我想分享一下，在我拥有极其强大的 AI 技术后，我是如何进行应用程序设计的。
#01
前言
在我开始之前，我们需要谈论一个我见过很多次的谬误，它会影响技术和设计决策（并最终偏离创新的方向）。
不存在完美的软件。你越早接受 “差不多就好” 的观念，你和你的客户就会越快乐。
在进行任何设计时，不要以为你正在构建完美的软件。即使你将其设计得 “完美”，在实施过程中你可能会经历多次迭代，最终导致完全改变。
不可能让每个人都满意。人们不需要 “完美的软件”，他们需要的是能解决问题的东西。
有了这个想法，我知道 AI 并不完美。它会出现一些小问题，偶尔会让我措手不及，但这没关系。如果我能以一种创新的方式解决问题，并且能够在 80% 的情况下做到正确，那我就已经为成功做好了准备。
既然我们已经明确了这一点，让我们来谈谈随着 AI 的快速普及，我们所面临的一些新可能性。
#02
新的可能性
ChatGPT 和其他生成式 AI 服务具有令人惊叹的准人类能力。以前通常需要向人类询问的问题，现在可以通过 AI 来回答。如果你愿意接受这些服务提供的答案（这是个很大的假设），那么你将打开许多以前需要人类交互才能实现的新可能性。
数据转换
当我发布博客文章时，我希望能够为我的博客创建社交媒体帖子。以前我总是手动完成这个任务，但如果有机会的话，我完全可以交给虚拟助手去完成。我有博客文章的数据，但我缺乏我目标受众喜欢的关键词、结构和格式。虽然我做这个已经有一段时间了，有一个大致的想法，但不是完美的。
然而，ChatGPT 可以做到。它知道如何从我的文章中提取信息，并根据特定的目标受众进行转化。它对市场细分有着出色的了解，我只需要询问，就可以将我的数据转换为特定受众喜欢的形式。
“针对美国的 Serverless 开发人员，为我的内容创建一条推文。”
如果我想针对其他目标进行推广，我可以要求它提供不同的变体，比如 “为我的博客文章创建一条针对西班牙的 .NET 工程师的西班牙语 LinkedIn 帖子。”
生成的回应可以直接通过 Twitter API 发送。
数据生成
这可能是我们已经知道的最常见的用法。给 ChatGPT 一个提示，让它生成数据、电子邮件或 PDF 文档。但它有如此广泛的应用领域，值得明确指出。
我曾在博客中介绍了我如何构建一个健身应用程序，每天为我生成锻炼计划。我有一个 Lambda 函数，它会随机决定每天要使用哪个肌肉群组和健身设备，并为 ChatGPT 生成一个提示。然后 ChatGPT 会为我生成完整的锻炼计划，包括热身和放松运动，然后将其保存到数据库中。
在生成式 AI 之前，这样的实现将是一场噩梦。我需要一个练习数据库，并找到一种方法来根据不同类型的锻炼进行调整。然后，我还需要设计逻辑来对练习进行伪随机化和结构化。这将是一个耗时几周，结果可能还不尽如人意的过程。
现在，我花了 3 个小时构建了一个 Step Function 工作流程，用它查询 ChatGPT 并为我完成所有繁重的工作。相比自己构建，借助 AI 的力量我节省了数周的时间。
这种应用不仅仅局限于锻炼计划，你还可以生成故事，根据提供的模式构建完整的模拟数据集，或者根据厨房里的食材创造菜谱。
现在，我可以通过合适的提示自动地生成有意义的数据。我从 “软件工程” 转向 “提示工程”。你不再需要庞大的元素数据库来满足定制的业务逻辑，只需向 ChatGPT 提供合适的提示，让它利用自身的知识即可完成。
#03
找准时机
确定何时发布内容、对事件做出反应或发送通知是非常困难的。理想的时间通常因情况而异，很少符合通用的配置。一个很好的例子是在检测到异常时通知值班工程师。你不希望在每个弹出的异常上都发送通知，因为这可能导致警报疲劳。
如果你定时将数据集传递给 AI，它可以识别异常并观察它们是否会自行解决，甚至可以推断出为什么首先出现异常。你可以为人工智能提供一些准则，只有在满足一定的条件时才发送警报，以此提高值班人员的效率，并基于人力降低总拥有成本（TCO）。
你还可以将 JSON 对象传递给 ChatGPT，并要求返回 JSON。让我们通过另一个例子来说明：员工通知。
[
{
"timestamp": "2023-05-26T14:52:21Z",
"event": "login"
},
{
"timestamp": "2023-05-27T16:40:09Z",
"event": "logout"
},
{
"timestamp": "2023-05-28T07:55:13Z",
"event": "login"
},
{
"timestamp": "2023-05-28T19:30:10Z",
"event": "logout"
}
// more audit events
]
以 ISO-8601 格式返回一个具有最高概率在该人下次上线时联系到他们的 “sendAtTime” 属性的 JSON 对象。
{
"sendAtTime": "2023-05-29T15:20:55Z"
}
这样，之前需要花费数周仔细计划和努力才能完成的工作，现在可以轻松完成。
#04
如何改变开发方式
通过前面的所有示例，一整套新的用例得以实现。我不再专注于构建平凡无奇的跟踪 CRUD 操作的系统。我们已经有了数百个解决这个问题的例子。
相反，我现在以人工推理为导向来处理软件。我思考如何通过向 ChatGPT 提问来尽量减少我的代码量。我曾多次表示，代码是一种负担。只要有机会减少代码量，我就会毫不犹豫地去做。以前，我可能会直接将 API Gateway 与不同的 AWS 服务进行连接，从而通过跳过 Lambda 函数的编写来减少代码量。
但现在，我可能甚至不需要一个端点来实现我想要的功能。这些可以自动实现。
在开发中，我采用 “我可以自动化什么，我可以从哪里获取反馈，以及何时应该采取行动” 的方法来处理数据的创建。以我的博客为例说明。
我的所有文章都在 GitHub 中保存为 Markdown 文件。当我将一篇新文章推送到主分支时，一系列活动就会自动发生：
将内容在其他博客平台上进行交叉发布 对文章进行摘要和分析，并收集相关的统计数据 合成文本转语音的录音，并将其保存到文章中 创建作家分析，包括写作技能水平、语调、专业领域和主题等方面 根据内容识别目标受众以及相关受众 为已识别的受众撰写社交媒体帖子，总结文章内容 根据目标受众的最佳时间安排社交媒体帖子的发布计划
现在，尽管其中一些功能尚不存在，但借助生成式 AI 的出现，这些功能将得以实现。如果你看一下这些操作，ChatGPT 基本上已经成为了一个自动化的营销团队。识别与文章产生共鸣的受众，知道如何与他们联系，并在他们上线时向他们发送量身定制的消息，这些都是营销任务，而且是非常困难的任务！
但是，由于我开始采用全新的软件开发方法，这一切都成为可能。我不再关注 “如何构建一个能够执行 X、Y 或 Z 任务的系统”，而是弄清楚我需要向 AI 提出什么问题来代替我完成这些任务。
这真的是一个改变游戏规则的时刻，考虑到所有因素，这种方法的投资回报率非常高，而且成本非常低廉。是的，答案并不总是完美的，但我可以接受这一点。坦率地说，当我自己构建解决方案时，它也从来不是完美的。但是，我将完成时间缩短了 100 倍，这绝对物超所值。
Happy coding！
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/70027828/viewspace-2956715/ ，如需转载，请注明出处，否则将追究法律责任。
