他是如何经常使用LLM优化10倍效率的 让Google大牛通知你

近年来，大型言语模型（LLM）在人工智能畛域惹起了渺小关注。有人以为它们是反派性的技术，将彻底扭转咱们的上班和生存模式，而另一些人则以为它们只是炒作，没有实践价值。Google 技术专家 Nicholas Carlini 在文章《How I Use "AI"》中给出了他对 LLM的看法，并展现它们如何协助他提高上班效率。作者经过少量实例展现了 LLM在各个方面的运行，包含构建运行程序、学习新技术、简化代码、处置单调义务、解释概念、处置一次性性义务和修复经常出现失误等。作者强调，虽然 LLM存在局限性，但它们在处置特定类型义务方面曾经十分有用，并且随着期间推移，它们的才干只会变得更强。

作者在文中给出了丰盛的经常使用实例展现自己是如何经常使用 LLM 上班的，包含：

1.构建完整的运行程序

我让 LLM 为我编写了一个盛行的在线检验的简直整个初始版本。经过一系列疑问，我逐渐构建了运行程序的各种配置，包含后端和前端。这让我能够极速启动名目，而无需破费少量期间从头开局编写代码。

2.作为新技术的导师

当我须要学习新技术（如 Docker）时，我不再依赖静态教程，而是与 LLM 互动。我提出疑问，它为我提供了处置打算和解释。这让我能够极速把握新技术，而无需深化钻研。

3.开局新名目

LLM 协助我克制了开局新名目标艰巨。例如，当我想要编写 CUDA 代码时，我让 LLM 为我编写了第一遍代码。这为我提供了一个终点，让我能够继续启动名目。

4.简化代码

我经常经常使用 LLM 来简化复杂的代码库。例如，我将一个 500 行 C++代码文件放入 LLM 中，并恳求一个更短的文件来成功相反的配置。它完美地上班了，并为我节俭了少量期间。

5.处置单调单调义务

LLM 协助我智能化了许多单调单调的义务，例如将数据格局化为结构化格局、生成援用和创立图表。这让我能够专一于更无心义的上班。

6.让每个用户成为“初级用户”

LLM 为每个用户提高了下限。即使您以前什么都做不了，如今您也可以做更多的事件。例如，我经常使用 LLM 来学习 Emacs 的复杂配置，而无需破费少量期间阅读文档。

7.作为 API 参考

我经常经常使用 LLM 作为 API 参考。例如，当我想要知道如何在 LaTeX 中使文本变为白色时，我不再搜查或阅读文档，而是间接问模型。

8.搜查难以找到的物品

LLM 在搜查难以找到的消息方面也十分有用。例如，我经常使用它来查找无关 Python 元类中不凡字符的消息，而这在规范搜查引擎中很难找到。

9.处置一次性性义务

我经常经常使用 LLM 来编写一次性性脚本，例如将数据转换为不同格局或下载数据集。这让我能够极速成功义务，而无需破费少量期间。

10.为我解释事件

LLM 还协助我了解复杂的概念。例如，我经常使用它来了解电子学的基本常识，而无需阅读整本书。

11.处置有已知处置打算的义务

LLM 在处置有已知处置打算的义务方面也十分有用。例如，我经常使用它来将 Python 代码转换为 C 代码，以提高性能。

12.修复经常出现失误

我经常经常使用 LLM 来修复经常出现失误。例如，当我在经常使用 Docker Compose 时遇到疑问时，我将失误消息粘贴到 LLM 中，并恳求处置打算。

原文经典摘抄：