我在我的日常高级软件工程师工作中如何使用Chat GPT？
如何提高编程效率的不同方式是什么？
1. POJO类自动转换为JSON模式
在实现REST API之后进行测试是很常见的做法，为了加快生成请求主体的速度，您可以使用ChatGPT作为一个示例。
你能将这些类别 [body request classes] 转为含有一些虚拟值的JSON吗？
例子：
我向ChatGPT提问了：
data class Menu(
val menu: List<MenuItem>
)
data class MenuItem(
val id: Int,
val name: String,
val price: Double,
val category: String
)
data class Order(
val orderId: Int,
val items: List<OrderItem>,
val totalPrice: Double,
val customerName: String,
val deliveryAddress: String
)
data class OrderItem(
val itemId: Int,
val quantity: Int
)
在第二个ChatGPT中，生成适用于Postman或curl的正确JSON。
{
"menu": [
{
"id": 1,
"name": "Margherita Pizza",
"price": 12.99,
"category": "Pizza"
},
{
"id": 2,
"name": "Veggie Burger",
"price": 9.99,
"category": "Burger"
},
{
"id": 3,
"name": "Caesar Salad",
"price": 8.99,
"category": "Salad"
}
],
"order": {
"orderId": 12345,
"items": [
{
"itemId": 1,
"quantity": 2
},
{
"itemId": 3,
"quantity": 1
}
],
"totalPrice": 34.97,
"customerName": "John Doe",
"deliveryAddress": "1234 Elm Street, Anytown, AN 12345"
}
}
2. 从JSON定义生成POJO类
当然，它是双向工作的，所以想象一下当你要使用一个新的外部API并获取由庞大的JSON描述的数据时，你可以轻松地创建数据类。
你能将这个 JSON 文件转换成 Kotlin 的数据类吗？
使用与前一个示例相同的JSON，Chat将在Kotlin或任何其他您需要的语言中创建一堆数据类。
3. 创建实时模板
如果您使用JetBrains的IntelliJ IDEA，则可能熟悉Live Templates。我认为这是该IDE的最佳功能之一，而有了ChatGPT支持生成模板，您可以轻松获得它们。
你能用这个格式为Intellij Idea测试生成实时模板吗？
@Test
fun `name`() {
// given
// when
val result = underTest.toBeTested()
// then
Assertions.assertEquals(result, 1)
}
当然，Chat不仅创作模板，还描述了如何将该模板转换为IDE中的步骤。
简单的单元测试并不是唯一的例子，我经常使用这个功能。
- GWT 简单单元测试
- 参数化测试的ms方法来源
- pt参数化测试
- post/put/get/deleteM会为我生成适当的端点处理程序
它还可以与文件一起工作，这样您就可以自动化并加速创建存储库、服务、REST控制器等的过程。
4. 流程或系统设计的图表生成
更多的自定义GPT，更多的可能性，特别是在数据可视化领域。图表：展示我创建的图表、架构可视化、流程图、思维导图、方案。这个GPT允许在不同的格式（如Markmap或PlantUML）中进行可视化，甚至您还可以在Miro和美人鱼中进行编辑。
你能否生成关于高级软件安全主题的思维导图？
基于SQL的数据库图没有任何问题。
5. 个人调试器
如果我们在谈论寻找错误时，聊天是无价的，从简单的堆栈跟踪中，它可以给出多个异常发生的原因，以及解决它们的多种方法。
最近我花了很多时间在 Project Reactor 上，Chat 在关于响应式发布者、操作符和最佳实践的解释方面非常有帮助。
6. 设计/开发方案的验证
不时之间，我需要设计一些高级方法，并将其纳入现有的架构中，除了创建一堆图表以供后续演示之外，聊天是我思想的良好伴侣。请看我的提示：
你是否注意到使用InfluxDB + Spring堆栈作为Grafana的数据源可能存在潜在问题？
答案：
使用InfluxDB与Spring（可能是用于构建微服务或Web应用程序的Spring Boot）作为Grafana的数据源是监控和可视化时间序列数据的常见而有效的堆栈。然而，像任何技术堆栈一样，您可能会遇到一些潜在的注意事项或挑战：
在集成方面的复杂性：虽然InfluxDB与Grafana的集成非常好，但要在Spring应用程序中无缝集成它可能需要额外的配置和对Spring和InfluxDB API的了解。
性能开销：InfluxDB作为一种时间序列数据库，针对写入密集的工作负载进行了优化。然而，如果您的Spring应用程序生成了极高数量的数据点，可能会影响性能。确保InfluxDB实例的适当调整和配置至关重要。
数据结构和模式设计：在InfluxDB中为时序数据设计合适的模式非常重要。糟糕的模式设计可能导致查询效率低下，从而影响InfluxDB和Spring应用程序的性能。
…
当我需要计算SLI时，这非常有用。
您能计算一个服务和一个数据库的系统可靠性水平吗？服务有两个实例(99.999%)。
并且结果总是附有计算方法的解释。
