当前位置: 首页 > news >正文

颠覆传统编程:用ChatGPT十倍提升生产力

我们即将见证一个新的时代!这是最好的时代,也是最坏的时代!

需求背景

背景:

平时会编写博客,并且会把这个博客上传到github上,然后自己买一个域名挂到github上。

我平时编写的博客会有一些图片来辅助说明的,写完之后如果我把图片和文字全部都上传到博客网站,后期图片很多时就会导致网站加载特别慢

所以想把图片存储在一个公共的对象存储平台(腾讯云的cos服务),这样只要上传一个公共访问链接即可,极大的减少存储空间。

需求:

每次写完博客都要手动上传图片,然后把得到的链接在复制到本地的markdown文件中,如果一篇文章的图片特别多,这简直就是灾难!所以我想

  1. 给一个文件路径,自动把markdown文件中本地的图片上传到腾讯云的cos平台,并获取公共链接

  2. 把本地的文章的链接自动替换为公共链接

调研和设计

腾讯云cos服务是提供这样的接口的,但是接口需要鉴权,所以我把上诉的需求拆解为三部分

  • 生成鉴权sign_key
  • 调用腾讯云的接口上传图片,并获取链接
  • 输入markdown文件,找到本地图片链接,上传并替换为公共链接

错误示范

我阅读腾讯云的cos文档,需要提供签名,一共需要八个步骤才能生成


我把这八个过程每一个过程都复制给chatgpt,让他帮我写


总结

后面太多我就不演示了,我直接说总结:

  • 在这个过程中给我的代码基本都是可以运行的,我只需要微调一下就可以用,报错直接扔给他也基本都可以解决
  • 但是整个过程还是需要我理解每一步,并且把这八个步骤进行汇总和调整
  • 比Google搜索要好用一点,但是还没有那么好用,总感觉差点意思

正确示范

生成上面的签名之后,我就让他去写上传接口


仔细阅读一下上面的第二张图片,我要求**【把其中的url的uri替换为文件名,然后它给我代码并解释这是做什么,它说这是上传到【腾讯云的cos服务】,要知道我在这之前是完全没有提到过【腾讯云】、【cos服务】等字眼的,也就是它只依赖我提供的hostcoder-xieshijie-img-1253784930.cos.ap-beijing.myqcloud.com】**这个域名,就判断出我这是腾讯云的cos服务,这就有点厉害了,更厉害的是,当然要求他写一个测试用例:

它直接把我之前费力八个步骤生成的签名直接生成了!这太离谱了!

  • 我以为:chatgpt不知道腾讯云cos签名的生成过程,然后我阅读文档,把八个步骤重组并依次喂给chatgpt,让他帮我写
  • 实际上:chatgpt不仅知道腾讯云cos,在我要求他上传时,就自动把官方推荐的生成签名的方式给我生成了!

这意味着以后大部分网络开源的内容,你甚至不用阅读啃文档,你只要知道一个概念,剩下的就交给他就可以!

后面的上传和替换markdown的内容我就不截图,后面对于chatgpt就非常简单了,最后附上完整的代码(95%是chatgpt写的)

# -*- coding=utf-8
import hmac
import hashlib
import os
import re
import requests# 定义 SecretKey 和 KeyTime
# 替换为自己的key和id
secret_key = "xieshijie_key"
key_time = "1680947045;2980950645"
secret_id = "xieshijie_id"
http_method = 'put'def generate_url_param_list():return ""def generate_header_list():return ""def generate_sign_key_val(uri_pathname):# 生成 SignKeysign_key = hmac.new(secret_key.encode(),key_time.encode(),hashlib.sha1).hexdigest()# 生成 HttpStringhttp_string = f"{http_method.lower()}\n{uri_pathname}\n"http_string += "\n"http_string += "\n"# 生成 StringToSignstring_to_sign = f"sha1\n{key_time}\n{hashlib.sha1(http_string.encode()).hexdigest()}\n"# 生成 Signaturesignature = hmac.new(sign_key.encode(),string_to_sign.encode(),hashlib.sha1).hexdigest()# 生成签名sign_key_val = f"q-sign-algorithm=sha1" \f"&q-ak={secret_id}" \f"&q-sign-time={key_time}" \f"&q-key-time={key_time}" \f"&q-header-list={generate_header_list()}" \f"&q-url-param-list={generate_url_param_list()}" \f"&q-signature={signature}"return sign_key_valdef generate_file_name(file_path):# 获取文件名return file_path.split('/')[-1]def put_request(file_path, sign_key):# 设置请求头headers = {'host': 'coder-xieshijie-img-1253784930.cos.ap-beijing.myqcloud.com','Authorization': sign_key}# 设置请求体with open(file_path, 'rb') as f:data = f.read()uri = generate_file_name(file_path)# 发送 PUT 请求url = f'https://coder-xieshijie-img-1253784930.cos.ap-beijing.myqcloud.com/{uri}'response = requests.put(url, headers=headers, data=data)# 判断响应状态码并返回结果if response.status_code == 200:print('本地图片上传成功')return urlelse:print('本地图片上传失败')return 'fail'def replace_local_image_links(file_path):"""读取Markdown文件,提取其中的本地图片链接并替换为基于图片名称计算的新链接。Args:file_path (str): Markdown文件路径。"""# 判断文件是否是Markdown格式if not file_path.endswith('.md'):print('该文件不是Markdown格式。')return# 读取Markdown文件内容with open(file_path, 'r', encoding='utf-8') as f:content = f.read()# 匹配所有本地图片链接  匹配形式为:![...](...)regex = r"!\[\S+\]\((\S+)\)"matches = re.findall(regex, content)# 替换本地图片链接为新链接for match in matches:# 判断链接是否是本地路径if not match.startswith('http'):# 获取图片名称和路径if os.path.isabs(match):image_name = os.path.basename(match)image_path = matchelse:image_name = os.path.basename(match)image_path = os.path.abspath(os.path.join(os.path.dirname(file_path), match))sign_key = generate_sign_key_val('/' + image_name)# 上传图片到COS并计算新链接new_link = put_request(image_path, sign_key)# 替换Markdown文件中的链接content = content.replace(match, new_link)# 将替换后的Markdown内容写回文件with open(file_path, 'w', encoding='utf-8') as f:f.write(content)print('本地图片链接替换完成。')if __name__ == '__main__':# 测试替换replace_local_image_links("/Users/xieshijie/Desktop/test.md")

我用了差不多半天的时间完成这件事,大部分时间是阅读腾讯云的cos服务文档和分步骤生成签名的过程,如果正确使用实际我觉得可以缩短到1个小时!


升级plus

整个过程让我对ChatGPT的潜力有了更深的认识。起初,我花费了半天的时间,主要用于阅读腾讯云COS服务的文档以及分步骤生成签名的过程。然而,正确利用ChatGPT实际上可以将这个过程缩短到一个小时,甚至更少。

ChatGPT不仅能高效地生成代码,还能在一些复杂的任务中表现出强大的理解和推理能力。这次体验让我更加坚定地认为,ChatGPT正在以一种前所未有的方式颠覆传统的编程和开发流程,真正实现了十倍的生产力提升。

于是,我果断充了一个GPT-4

image-20240623134517420


更多惊喜

我们的公众号还将定期分享:

  • 最新互联网资讯:让你时刻掌握行业动态。

  • AI前沿新闻:紧跟技术潮流,不断提升自我。

  • 技术分享与职业发展:助你在职业生涯中走得更远、更稳。

  • 程序员生活趣事:让你在忙碌的工作之余找到共鸣与乐趣。

关注回复【1024】惊喜等你来拿!

敬请关注【程序员世杰】

coder_world_618

相关文章:

  • 仓颉语言的编译和构建
  • 喜报!极限科技新获得一项国家发明专利授权:“搜索数据库的正排索引处理方法、装置、介质和设备”
  • Day15 —— 大语言模型简介
  • Vitis Accelerated Libraries 学习笔记--OpenCV 安装指南
  • 华为MetaERP会不会是国产高端ERP的开始?
  • 三国之家网站的设计
  • 移远通信发布高性价比智能模组SC200P系列,赋能金融支付等行业智慧升级
  • 归并排序代码
  • SD卡无法读取?原因分析与数据恢复策略
  • 网络安全法视角下的等保测评重要性与合规路径
  • 一文带你了解集装箱箱号识别原理,OCR识别及深度学习
  • 鸿枫网盘,文件夹面包屑跳转实现功能
  • 卡码网KamaCoder 98. 所有可达路径
  • 【STM32-新建工程-CubeMX】
  • 如何自制一个Spring Boot Starter并推送到远端公服
  • 【React系列】如何构建React应用程序
  • ➹使用webpack配置多页面应用(MPA)
  • Android优雅地处理按钮重复点击
  • Angular4 模板式表单用法以及验证
  • Bytom交易说明(账户管理模式)
  • Django 博客开发教程 8 - 博客文章详情页
  • github指令
  • Intervention/image 图片处理扩展包的安装和使用
  • Java面向对象及其三大特征
  • jQuery(一)
  • JWT究竟是什么呢?
  • mongo索引构建
  • nginx 配置多 域名 + 多 https
  • 闭包--闭包作用之保存(一)
  • 对超线程几个不同角度的解释
  • 基于Volley网络库实现加载多种网络图片(包括GIF动态图片、圆形图片、普通图片)...
  • 前端知识点整理(待续)
  • 浅谈Kotlin实战篇之自定义View图片圆角简单应用(一)
  • 我的面试准备过程--容器(更新中)
  • 用jQuery怎么做到前后端分离
  • kubernetes资源对象--ingress
  • scrapy中间件源码分析及常用中间件大全
  • ​学习一下,什么是预包装食品?​
  • # 数据结构
  • (16)UiBot:智能化软件机器人(以头歌抓取课程数据为例)
  • (2)STM32单片机上位机
  • (2009.11版)《网络管理员考试 考前冲刺预测卷及考点解析》复习重点
  • (Mac上)使用Python进行matplotlib 画图时,中文显示不出来
  • (Matlab)遗传算法优化的BP神经网络实现回归预测
  • (论文阅读22/100)Learning a Deep Compact Image Representation for Visual Tracking
  • (十八)用JAVA编写MP3解码器——迷你播放器
  • (转)h264中avc和flv数据的解析
  • (转)Scala的“=”符号简介
  • .apk 成为历史!
  • .halo勒索病毒解密方法|勒索病毒解决|勒索病毒恢复|数据库修复
  • .NET C# 操作Neo4j图数据库
  • .Net Web窗口页属性
  • .NET 使用 XPath 来读写 XML 文件
  • .NET开发人员必知的八个网站
  • .net专家(高海东的专栏)