ChatGPT 的 18 种玩法，惊到我了！！

快来打我* 2024-03-17 12:05 88阅读 0赞

###  ###

![7cc96ae8b331b7415858cfb979b17a45.png][]

*  语法更正
 *  文本翻译
 *  语言转换
 *  代码解释-1
 *  代码解释-2
 *  修复代码错误
 *  作为百科全书
 *  信息提取
 *  好友聊天
 *  创意生成器
 *  采访问题
 *  论文大纲
 *  故事创作
 *  问题类比
 *  创建SQL需求
 *  情感分析
 *  将产品描述转变为广告
 *  关键字提取
 *  闲聊机器人

--------------------

你确定，你会使用 ChatGPT 了吗？

今天给大家整理了 18 种 ChatGPT 的用法，看看有哪些方法是你能得上的。

### **语法更正** ###

用途：文章、论文等润色。

![6131615a64cc2b517d49bdda6d495d5d.png][]

### **文本翻译** ###

用途：日常学习、商务翻译等。

![4e2f545eeae77c91dccf735d186c5170.png][]

### **语言转换** ###

Python–>JAVA

用途：工作用途，不同语言工程师之间的合作，更加方便。

import numpy as np
    import plotly.express as px
    
    def thresholding_algo(y, lag, threshold):
        """
        :param y: 输入列表
        :param lag: 滑动窗口大小
        :param threshold: 调节系数，用于调节容忍范围的大小。
        :return:
        """
        # signals：信号列表
        signals = np.zeros(len(y))
        avgFilter = np.zeros(len(y))
    
        # 初始化平均值列表、差值列表
        avgFilter[lag - 1] = np.mean(y[0:lag])
        dif_li = [0] * len(y)
    
        for i in range(lag, len(y)):
            if i < len(y) - lag - 30:
                for j in range(i + 11, len(y)):
                    if y[j] >= y[i - 1]:
                        break
                if j >= len(y) - 30:
                    back = y[i - 1]
                else:
                    back = np.mean(y[j + 11:j + 20 + lag])
            else:
                back = y[i - 1]
    
            # 前后均值差值计算
            tmp = abs(back - avgFilter[i - 1])
            dif = (tmp if tmp > 1 else 1)
    
            if abs(y[i] - avgFilter[i - 1]) > dif * threshold:
                signals[i] = (1 if y[i] > avgFilter[i - 1] else -1)
                avgFilter[i] = np.mean(y[(i - lag):i])
                y[i] = avgFilter[i - 1]
            else:
                signals[i] = 0
                avgFilter[i] = np.mean(y[(i - lag):i])
    
            dif_li[i] = dif
    
        return dict(signals=np.asarray(signals),
                    avgFilter=np.asarray(avgFilter),
                    y=np.asarray(y),
                    dif=np.asarray(dif_li),
                    )

![d5ffc95905fc78f562c79653dffefc03.png][]

public static Map<String, double[]> thresholding_algo(double[] y, int lag, double threshold) {
    
        double[] signals = new double[y.length];
        double[] avgFilter = new double[y.length];
        Arrays.fill(avgFilter, 0.0);
    
        avgFilter[lag - 1] = mean(Arrays.copyOfRange(y, 0, lag));
        double[] dif_li = new double[y.length];
        Arrays.fill(dif_li, 0.0);
    
        for (int i = lag; i < y.length; i++) {
            int j;
            if (i < y.length - lag - 30) {
                for (j = i + 11; j < y.length; j++) {
                    if (y[j] >= y[i - 1]) {
                        break;
                    }
                }
                double back;
                if (j >= y.length - 30) {
                    back = y[i - 1];
                } else {
                    back = mean(Arrays.copyOfRange(y, j + 11, j + 20 + lag));
                }
            } else {
                back = y[i - 1];
            }
    
            double tmp = Math.abs(back - avgFilter[i - 1]);
            double dif = tmp > 1 ? tmp : 1;
    
            if (Math.abs(y[i] - avgFilter[i - 1]) > dif * threshold) {
                signals[i] = y[i] > avgFilter[i - 1] ? 1 : -1;
                avgFilter[i] = mean(Arrays.copyOfRange(y, i - lag, i));
                y[i] = avgFilter[i - 1];
            } else {
                signals[i] = 0;
                avgFilter[i] = mean(Arrays.copyOfRange(y, i - lag, i));
            }
    
            dif_li[i] = dif;
        }
    
        Map<String, double[]> result = new HashMap<>();
        result.put("signals", signals);
        result.put("avgFilter", avgFilter);
        result.put("y", y);
        result.put("dif", dif_li);
    
        return result;
    }
    
    private static double mean(double[] array) {
        double sum = 0.0;
        for (double d : array) {
            sum += d;
        }
        return sum / array.length;
    }

### **代码解释-1** ###

用途：当我们来到一家新的公司，发现前任工程师留下了一摊谁都看不懂的代码，这时候，如果有个人能帮我们解释一下这些代码是什么意思，那简直不要太开心。

![918868644be65dc64d08f87787a6bbcd.png][]

def Fusion_algorithm(y_list):
        """
        最终的融合算法
        1、第一次遍历列表: 处理掉小于上一个值的点，使其等于上一个值。
        2、第二次使用z-score来处理异常点：一种基于统计方法的时序异常检测算法借鉴了一些经典的统计方法，比如Z-score和移动平均线
        该算法将时间序列中的每个数据点都看作是来自一个正态分布，通过计算每个数据点与其临接数据点的平均值和标准差，可以获得Z-score
        并将其用于检测异常值，将z-score大于3的数据点视为异常值，缺点：如果异常点太多，则该算法的准确性较差。
        3、
        :param y_list: 传入需要处理的时间序列
        :return:
        """
        # 第一次处理
        for i in range(1, len(y_list)):
            difference = y_list[i] - y_list[i - 1]
            if difference <= 0:
                y_list[i] = y_list[i - 1]
            # 基于突变检测的方法：如果一个数据点的值与前一个数据点的值之间的差异超过某个阈值，
            # 则该数据点可能是一个突变的异常点。这种方法需要使用一些突变检测算法，如Z-score突变检测、CUSUM（Cumulative Sum）
            # else:
            #     if abs(difference) > 2 * np.mean(y_list[:i]):
            #         y_list[i] = y_list[i - 1]
    
        # 第二次处理
        # 计算每个点的移动平均值和标准差
        ma = np.mean(y_list)
        # std = np.std(np.array(y_list))
        std = np.std(y_list)
        # 计算Z-score
        z_score = [(x - ma) / std for x in y_list]
        # 检测异常值
        for i in range(len(y_list)):
            # 如果z-score大于3，则为异常点，去除
            if z_score[i] > 3:
                print(y_list[i])
                y_list[i] = y_list[i - 1]
    
        return y_list

![363e93ec639812c87c09a8b12d8fa8ac.png][]

### **代码解释-2** ###

备注：上一个代码解释，我们可以看到，答案或许受到了代码中注释的影响，我们删掉注释，再来一次。对于解释中一些不懂的点，我们可以连续追问！

![0b8dba2b36787b11f640ab5f27aa0656.png][]

图片

import numpy as np
    from sklearn.ensemble import IsolationForest
    import plotly.express as px
    import matplotlib.pyplot as plt
    from sklearn.cluster import KMeans
    import json
    
    def Fusion_algorithm(y_list):
        for i in range(1, len(y_list)):
            difference = y_list[i] - y_list[i - 1]
            if difference <= 0:
                y_list[i] = y_list[i - 1]
        
            # else:
            #     if abs(difference) > 2 * np.mean(y_list[:i]):
            #         y_list[i] = y_list[i - 1]
    
    
        ma = np.mean(y_list)
        std = np.std(y_list)
        z_score = [(x - ma) / std for x in y_list]
        for i in range(len(y_list)):
            if z_score[i] > 3:
                print(y_list[i])
                y_list[i] = y_list[i - 1]
    
        return y_list

![0d9472e07a2cacf82940d670117d5c1a.png][]

图片

![f3b02eb27bf11bd9161a21ca467bb6d6.png][]

图片

### **修复代码错误** ###

用途：写完一段代码后发现有错误？让chatGPT来帮你！

![3d39e5e020ce26e3218796ead3a41018.png][]

图片

# Buggy Python
    import Random
    a = random.randint(1,12)
    b = random.randint(1,12)
    for i in range(10):
        question = "What is "+a+" x "+b+"? "
        answer = input(question)
        if answer = a*b
            print (Well done!)
        else:
            print("No.")

![6be35a8b3a181a5b913ad9ccb4c21ff4.png][]

图片

### **作为百科全书** ###

用途：chatGPT可以解释你所有的问题！但是列出小说这个功能有些拉跨，经过测试只有科幻小说列的还可以，其他类型不太行，可能chatgpt训练工程师是个科幻迷！

![f32c63d1ca787a0bd89bf30f12cce523.png][]

图片

### **信息提取** ###

用途：作为自然语言处理界的大模型，怎么能少得了信息提取呢？

![e391b668b0fbc9df38aa6713cfee99a8.png][]

图片

### **好友聊天** ###

用途：输入对方性格模拟聊天，这方面功能不太完善，可能有新鲜玩法我还没有挖掘出来。

![5e1039f31d5672431ac21a7ec8e02117.png][]

图片

![aa2e3214a2a74b7b03b79fe9343c39c0.png][]

图片

### **创意生成器** ###

用途：是不是常常会在创新上遇到思维瓶颈不知道怎么做？不要担心，让chatGPT帮你生成创意！

**VR和密室结合**

![885574ee280bb8ab1434d9438b9fb366.png][]

图片

**再结合AR**

![2e768caaee6bf7d84e6f6e89cf2b7085.png][]

图片

### **采访问题** ###

用途：可能您是一个媒体工作者，采访问题不知道怎么写？chatGPT可以帮您解决。

**采访问题清单**

![809ac3991e02fb73e679d05cdb6a1c6d.png][]

图片

**采访问题清单并给出相应答案**

![9844a1be657b9614e451e37f6400818b.png][]

图片

### **论文大纲** ###

用途：这个功能对于研究生简直不要太爽了，一直在郁闷大纲怎么写，直接列出来大纲简直帮了我天大的忙！对于大纲中不理解的点，直接要求chatGPT给出进一步解释。代码也可以有！那一章的内容不太会写，直接让chatGPT安排，这样，一篇论文很快就写出来啦！

**创建论文大纲**

![2020b7d6ef9301b5f33fe9657ac82673.png][]

图片

**解释大纲内容**

![592f7012efe1d64f9f66da5d2ef06ea4.png][]

图片

class PBA(nn.Module):
        def __init__(self, PerformanceThreshold, DistributionType, AttentionWeightRange):
            super(PBA, self).__init__()
            self.PerformanceThreshold = PerformanceThreshold
            self.DistributionType = DistributionType
            self.AttentionWeightRange = AttentionWeightRange
            
        def forward(self, input, performance_scores):
            # 计算注意力分数
            attention_scores = []
            for i in range(len(input)):
                if performance_scores[i] > self.PerformanceThreshold:
                    attention_scores.append(performance_scores[i])
                else:
                    attention_scores.append(0.0)
                    
            # 将性能分数映射到注意力权重
            if self.DistributionType == "softmax":
                attention_weights = F.softmax(torch.tensor(attention_scores), dim=0)
            elif self.DistributionType == "sigmoid":
                attention_weights = torch.sigmoid(torch.tensor(attention_scores))
            else:
                raise ValueError("Unknown distribution type: {}".format(self.DistributionType))
            
            # 缩放注意力权重到指定范围
            attention_weights = attention_weights * (self.AttentionWeightRange[1] - self.AttentionWeightRange[0]) + self.AttentionWeightRange[0]
            
            # 计算加权输入
            weighted_input = torch.mul(input, attention_weights.unsqueeze(1).expand_as(input))
            output = torch.sum(weighted_input, dim=0)
            
            return output

### **故事创作** ###

用途：这个功能真的太太太棒了，以后我自己列提纲出来就可以写小说啦！

**爱情故事**

![d5fd9d96ad18fd374ef21efffb0fcb21.png][]

图片

**恐怖故事**

![52e0ee08e531f49f40a6969bba810901.png][]

图片

![28bd69c676cb37a23f3f86625997fe1a.png][]

图片

### **问题类比** ###

用途：当你想要做一个比喻时，这是一个很棒的功能。

![e04551f2ed3e6e5e8627372caa13eae6.png][]

图片

### **创建SQL需求** ###

用途：写SQL有时候挺头疼的，想好久想不起来。

![b40d7cf4f808ba7bcc29f682c80b9134.png][]

图片

### **情感分析** ###

用途：这个功能让我想起来在之前公司做的情感分析任务了。

![8955a0c617efc471e57443482a679463.png][]

图片

### **将产品描述转变为广告** ###

用途：这个功能对于商家来说太棒了。

![14d1c6cf82fa5b41197ff312ed01b1fc.png][]

图片

### **关键字提取** ###

用途：NLP任务的重要作用，关键字提取！

![fdc97e036ac0ca31b2c4b4b2cf135cc1.png][]

图片

### **闲聊机器人** ###

用途：这个不多说了，用来闲聊体验感真的很不错。

![7288f9fe3134c5a80f9cf040326ac33f.png][]

图片

![3f9f932497b573d08c345e78623a8927.png][]

图片

![991225eefdb8606ce14ad45763fa2787.png][]

### 总结 ###

我觉得角色扮演挺有意思的，对话前加一句：假如你是 xxx。

现在有一些小程序，让AI扮演一些角色对话，就是用这种方法实现的。

[7cc96ae8b331b7415858cfb979b17a45.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/9d4ee637ac2b4194bb01670616dcb558.png
[6131615a64cc2b517d49bdda6d495d5d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/c178cf50f4124ccd86d05e1a6245b60a.png
[4e2f545eeae77c91dccf735d186c5170.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/a1220e37122944bebf7466a1e4c41189.png
[d5ffc95905fc78f562c79653dffefc03.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/04a58ec95d3b4843876187a95d3d1ba2.png
[918868644be65dc64d08f87787a6bbcd.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/8ba553375ffe49abaf34bb696d08d7c8.png
[363e93ec639812c87c09a8b12d8fa8ac.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/9f4b32d5d1794a71a83d4d47f634b114.png
[0b8dba2b36787b11f640ab5f27aa0656.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/0ea9d1c6f7a94af1979caa48006d90b7.png
[0d9472e07a2cacf82940d670117d5c1a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/31959c315862451e9ecd6535981c139a.png
[f3b02eb27bf11bd9161a21ca467bb6d6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/a2afe365d99f4fd385d18679431d9016.png
[3d39e5e020ce26e3218796ead3a41018.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/305837e2f37e4264bc9a63feb977acab.png
[6be35a8b3a181a5b913ad9ccb4c21ff4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/61dd6a3ad50047c690022b0531e9d43b.png
[f32c63d1ca787a0bd89bf30f12cce523.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/5d6eb5639e5d4e9fac8b86990089dfd9.png
[e391b668b0fbc9df38aa6713cfee99a8.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/c5adf09283c845019bb9278da0f80f54.png
[5e1039f31d5672431ac21a7ec8e02117.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/aafe9a5e843c4c429e354a455c5e8cf4.png
[aa2e3214a2a74b7b03b79fe9343c39c0.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/2777aa56ab3b4cfbafc2ca5d31100ed7.png
[885574ee280bb8ab1434d9438b9fb366.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/a8c9552ae589445ea3cb9e808a615ef3.png
[2e768caaee6bf7d84e6f6e89cf2b7085.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/0997466c23da4e60862d84f6fc61fc1c.png
[809ac3991e02fb73e679d05cdb6a1c6d.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/d2c8a6cc49e349c9a0025f99c54f8fad.png
[9844a1be657b9614e451e37f6400818b.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/686fb9e5194342218f852a057e94ad91.png
[2020b7d6ef9301b5f33fe9657ac82673.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/e888079e9da04609a26731cf16263cbe.png
[592f7012efe1d64f9f66da5d2ef06ea4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/72c481ce33e941b08a526c9fe6b2c6bf.png
[d5fd9d96ad18fd374ef21efffb0fcb21.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/561b02c2717f4b8fb7db6f2b075673ae.png
[52e0ee08e531f49f40a6969bba810901.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/bf03d391dec3404693466504cfa69905.png
[28bd69c676cb37a23f3f86625997fe1a.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/521a9627db80412a897773d7971ce0b8.png
[e04551f2ed3e6e5e8627372caa13eae6.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/7c87f3f2f36e48ddbc6e5f83b43df675.png
[b40d7cf4f808ba7bcc29f682c80b9134.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/6ed6570c03d74206a6a496dcc5fb2ea1.png
[8955a0c617efc471e57443482a679463.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/75240b89c75549b4aab91da4a6eca13b.png
[14d1c6cf82fa5b41197ff312ed01b1fc.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/2dd3df34a9cf4f54af4e3b91731dd4a6.png
[fdc97e036ac0ca31b2c4b4b2cf135cc1.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/2babac3e95554557a102541128b981bb.png
[7288f9fe3134c5a80f9cf040326ac33f.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/e2abe5d1fa4143e083fb8dc751907bcc.png
[3f9f932497b573d08c345e78623a8927.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/4389fd7af75e4c7f807184a551ad3f35.png
[991225eefdb8606ce14ad45763fa2787.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/15/3d520dde0f9842a7b483e420e74b2756.png