代码解释

新手程序员在入门之初,最好的学习路径就是直接阅读其他人的代码,从中学会别人是怎么写的,为什么这么写。过去,这个学习过程可能需要广泛阅读官方文档,在
GitHub issue 上提问,上 Stack Overflow 网站查询,见缝插针找同部门的老同事帮忙……现在,我们可以试试让 ChatGPT
来当这个老师,由 ChatGPT 解释代码。

比如我们在 GitHub 首页右侧的开源项目趋势榜上找到今日热度最高的项目来学习,叫 Auto-GPT(由于 ChatGPT 的火热,目前趋势榜单上几乎都是
ChatGPT 相关内容)。在主要源代码目录scripts/ 里,看到一个叫 llm_utils.py 的 Python 文件。一般来说以 "util"
命名的文件里放的都死相当独立一些的抽象功能,可以方便快速阅读。我们就让 ChatGPT 来解释这个文件吧:

请解释下面这段 python 代码: import openai from config import Config cfg = Config()

openai.api_key = cfg.openai_api_key

Overly simple abstraction until we create something better

def create_chat_completion(messages, model=None, temperature=None,
max_tokens=None)->str: response = openai.ChatCompletion.create( model=model,
messages=messages, temperature=temperature, max_tokens=max_tokens )
return response.choices[0].message["content"]

ChatGPT很贴心的把文件分成了三段,分别解释了第一段导入 openai 外部库,第二段导入 config.py
内部实现类并创建对象,并将对象内的属性值传给 openai。第三段对具体函数做解释,分别包括入参和出参的含义、数据类型等等。

如果是我们自己写代码,其实同样可以让 ChatGPT 解读。这样可以看看 ChatGPT
的理解,是否和我们编程时考虑的逻辑保持一致。未来由其他同事来维护这段代码时,不至于产生误解。为了长期留存 ChatGPT 的解读,我们还可以指定
ChatGPT 按照代码注释说明文档的形式来生成:

为上述 create_chat_completion 函数生成一个 docstring 格式的注释

生成结果非常惊艳。ChatGPT 不光解释了入参出参,还根据上下文提示了 config
配置的依赖前提,并给出了一个具体的函数使用和输出示例。可以说大大提升了代码的可维护性。

技术
下载桌面版
GitHub
百度网盘(提取码:draw)
Gitee
云服务器优惠
阿里云优惠券
腾讯云优惠券
华为云优惠券
站点信息
问题反馈
邮箱:[email protected]
QQ群:766591547
关注微信