Autor: Codenga 12.06.2024

Jeśli choć trochę interesujesz się programowaniem, to pewnie kojarzysz narzedzie ChatGPT. Dzięki jego zdolnościom do analizowania tekstu, mamy potencjalne możliwości generowania oraz analizowania kodu. W tym artykule pokażemy Ci pięć ciekawych zastosowań ChatGPT w procesie programowania.

Pamiętaj, że kod zwrócony przez ChatGPT nie zawsze będzie idealny. Czasem rezultaty świetnie się wpasują w nasze oczekiwania, a czasem będą wymagały ręcznej ingerencji.

Zawszej staraj się weryfikować rezultaty zwrócone przez ChatGPT. Nie używaj kodu zwróconego przez to narzędze bez sprawdzenia czy spełnia Twoje oczekiwania.

1# Generowanie kodu

Jednym z podstawowych zastosowań jest generowanie od zera kodu, na podstawie wskazanych przez nas założeń. Może to być bardzo przydatne np. do wygenerowania funkcji.

Przykładowy prompt:

Napisz funkcję w Pythonie, która sortuje listę liczb w porządku rosnącym.

Odpowiedź ChatGPT

def sort_list(list):
return sorted(list)

Czasami będzie trzeba stworzyć bardziej szczegółowy prompt, aby CzatGPT dobrze zrozumiał, jaki kod ma stworzyć. Nie bój się pisać wprost o oczekiwanym rezultacie funkcji, parametrach jakie ma przyjmować itp.

2# Debugowanie

Kolejne zastosowanie to szukanie błędów w kodzie. ChatGPT może Ci pomóc w analizowaniu kodu pod kątem błędów oraz może zasugerować poprawki.

Przykładowy prompt:

Oto mój kod w pythonie. Próbuje dodać liczbę do stringa, co powoduje błąd. Jak mogę to naprawić

Oto kod, który przesyłamy do ChatGPT:

def add_numbers(a, b):
return a + b

result = add_numbers(10, '20')

A tak wygląda wynik, czyli kod poprawiony przez ChatGPT:

def add_numbers(a, b):
return a + int(b)

result = add_numbers(10, '20')

3# Pisanie testów jednostkowych

Testowanie to ważna część procesu tworzenia oprogramowania. Nie da się jednak ukryć , że pisanie testów jednostkowych to żmudne zajęcie. ChatGPT ma tutaj spore pole do działania. Całkiem nieźle sobie radzi z wykonywaniem takich właśnie monotonnych zadań, a to pozwala nam skupić się na rzeczach bardziej kreatywnych.

Przykładowy prompt:

Napisz testy jednostkowe w Pythonie dla funkcji która mnoży dwie liczby.

Odpowiedź ChatGPT

def multiply(a, b):
return a * b

# Test jednostkowy
import unittest

class TestMathOperations(unittest.TestCase):
    def test_multiply(self):
        self.assertEqual(multiply(2, 3), 6)
        self.assertEqual(multiply(-1, 5), -5)
        self.assertEqual(multiply(0, 100), 0)

if __name__ == '__main__':
    unittest.main()

4# Pisanie dokumentacji

Opisywanie i dokumentowanie kodu to kolejna ważna czynność, która ma potencjał na automatyzację za pomocą ChatGPT. Spróbujmy więc stworzyć odpowiedni prompt:

Napisz dokumentację dla funkcji w pythonie, która dzieli dwie liczby i zwraca wynik.

Odpowiedź ChatGPT:

def divide(a, b):
"""
Dzieli dwie liczby.


:param a: Licznik
:param b: Mianownik
:return: Wynik dzielenia a przez b
:raises ValueError: Gdy mianownik jest równy zero
"""
if b == 0:
    raise ValueError("Mianownik nie może być równy zero")
return a / b

5# Refaktoryzacja kodu

Prawdopodobnie kojarzysz na czym polega refaktoryzacja kodu. To proces, który ma za zadanie poprawić istniejący kod, zoptymalizować go, poprawić jego czytelność itd.

Przykładowy prompt:

Przepisz poniższy kod w Pythonie, aby był bardziej zorganizowany i zgodny z zasadami programowania obiektowego.

To jest kod przesłany do ChatGPT:

# Przed refaktoryzacją
def calculate_area(shape, width, height):
    if shape == 'rectangle':
        return width * height
    elif shape == 'triangle':
        return 0.5 * width * height
    else:
        return None

Tak wygląda odpowiedź ChatGPT:

from abc import ABC, abstractmethod

class Shape(ABC):
    @abstractmethod
    def area(self):
        pass
    
class Rectangle(Shape):
    def __init__(self, width, height):
        self.width = width
        self.height = height
    
    
    def area(self):
        return self.width * self.height
    
    
class Triangle(Shape):
    def __init__(self, width, height):
        self.width = width
        self.height = height
    
    
    def area(self):
        return 0.5 * self.width * self.height
    
    
def calculate_area(shape: Shape):
    return shape.area()

Jak widać, ChatGPT poradził sobie z tym zadaniem całkiem nieźle. Oczywiście cały czas musisz pamiętać o konieczności kontrolowania rezultatów zwróconych przez to narzędzie.

Podsumowanie

ChatGPT, odpowiednio użyty, moze stanowić nieocenioną pomoc w programowaniu. Jego mocną stroną jest możliwość pisania żmudnych, powtarzalnych fragmentów takich jak testy jednostkowe czy dokumentacja. Spróbuj wykorzystać przykłady z artykułu jako inspirację do własnych poszukiwać i eksperymentów.