Nicholas Carlini，Google Deepmind的研究科学家，分享了他如何在日常工作中使用AI，特别是LLMs，来提高他的工作效率。以下是一些具体的场景示例：

1. 处理简单但繁琐的编程任务

场景：你需要编写大量重复性代码，例如生成测试用例或数据清理脚本。

操作：使用LLMs快速生成这些代码片段，大大减少手动编写的时间。

示例：

```python

使用LLM生成10个测试用例

for i in range(10):

test_case = generate_test_case(i)

print(test_case)

```

2. 回答快速问题，避免查找文档

场景：在编程过程中遇到一个不熟悉的函数或库，通常需要查阅文档。

操作：直接向LLM提问，获取快速解答。

示例：

```plaintext

"请解释Python中os.path.join的用法。"

```

AI回复：

```plaintext

"os.path.join用于连接两个或多个路径名组件。"

```

3. 解释和转换代码

场景：需要将一段代码从一种编程语言转换为另一种，或者理解一段复杂代码的逻辑。

操作：将代码输入LLM，请求其进行翻译或解释。

示例：

```plaintext

"将以下Python代码转换为JavaScript：

def add(a, b):

return a + b"

```

AI回复（翻译后的JavaScript代码）：

```javascript

function add(a, b) {

return a + b;

}

```

4. 格式化数据

场景：你有一组数据需要按照特定格式进行重新排列和处理。

操作：将数据格式化任务交给LLM处理。

示例：

```plaintext

"请将以下CSV数据转换为JSON格式：

name,age,city

Alice,30,New York

Bob,25,Los Angeles"

```

AI回复（格式化后的JSON）：

```json

[

{"name": "Alice", "age": 30, "city": "New York"},

{"name": "Bob", "age": 25, "city": "Los Angeles"}

]

```

5. 解决常见错误

场景：遇到编程错误或者bug，需要快速找到解决方案。

操作：描述错误并请求LLM提供解决方案。

示例

```plaintext

"为什么我的Python程序会出现‘IndexError: list index out of range’错误？"

```

AI回复（解决方案）

```plaintext

"该错误通常是因为尝试访问列表中不存在的索引。请检查循环条件或索引值。"

```

6. 进行简单的数据处理和转换等

场景

你有一批原始数据，需要进行预处理才能用于分析。

操作

利用LLM进行数据清洗和转换任务。

示例

```plaintext

"请将以下字符串日期格式转换为YYYY-MM-DD格式：

‘12th Feb, 2024’"

```

AI回复（转换后的日期）

```plaintext

‘2024-02-12’

```

Carlini认为，尽管目前LLMs在某些简单任务上表现可能不尽如人意，但它们在更高层次的抽象任务上非常有用，并且提高了他50%的编程生产力，使他能够完成一些原本不会尝试的项目。他反驳了“LLMs只是炒作”的观点，并坚信这些模型已经为他提供了实际价值。

更多详细内容可以访问作者文章：[https://t.co/iDKwJcGHkV…](https://t.co/lHOoPjy10s…).