本文將完整記錄利用 ChatGPT 從 Debug 到實現完整需求代碼的全過程。第一次使用 ChatGPT 解決實際工作上的問題，也算是個調試樣例，簡單記錄一下分享給大家。

對話&調試過程

對話開始時，先給 ChatGPT 一個預設身份，例如我給它的預設身份就是一個精通 OpenCV 和 Intel RealSense 傳感器的 Python 程序員

然後，我就將自己手上的代碼發給了 ChatGPT，發送之前我簡單提示了它要理解代碼的含義。ChatGPT 在收到代碼以後很快對代碼進行了解釋。

在確定 ChatGPT 對代碼理解沒有大的偏差以後，我就提出了我想解決的問題。簡單補充一下問題背景，RealSense 是一款深度相機，可以獲得拍攝物體的距離信息，在官方的軟件上會以熱力圖的形式展示，而我所編寫的代碼所得到的深度圖像是藍色的，而不是像官方軟件一樣由紅色到藍色變化。我高強度 Google 搜索了接近兩天，圖中提到的着色器配置和直方圖均衡化就是我所蒐集到的線索信息，但是不論怎麼調試都不起作用，於是想到了 ChatGPT。我就把這兩點作為問題排查的方向提供給了 ChatGPT，這也是一個 AI 協作的小技巧吧，當你搜索到一些可能對解決問題有幫助的信息時，可以提供給 AI 這樣可以大大縮短解決問題所需的時間。

不出所料的是，ChatGPT 順着我給出的線索提供瞭解決方法，和我用搜索引擎搜到的 github 的issue 帖子給出的解決方法差不多。

然後就是針對這兩個配置反覆的嘗試、失敗、再嘗試，最後給 ChatGPT 問煩了，233。它給出了我平時的回答，“聯繫相關技術支持團隊”，看到這一句我真的被逗笑了，射出的子彈在多年以後正中眉心擊中了我。嗯，閉環了。

再最後一次嘗試在代碼中重置硬件無效後，我放棄了讓 ChatGPT 幫我 Debug，而是選擇讓它直接根據我的需求給出完整的代碼。而這一次，成功了！能很明顯的看出來，ChatGPT 給出的代碼和我所提供的代碼有很多共同片段。從這裏開始，我才真正體會到了 AI 的力量，我開始懶得動腦子了。

首先，我讓它幫我解釋我的代碼和它的代碼的不同之處。

並且針對我不瞭解的部分進行了更詳細的提問。在理解了代碼含義後，我開始讓它幫我迭代，先是把實時預覽功能取消。

第一次修改不是很成功，但是不要緊，簡單的提示就可以讓 ChatGPT 幫我修復。然後，把循環處理圖像改成單次處理圖像，便於以後封裝成單次調用的片段。

最後，增加可配置的功能。不想寫 Json ？直接問 ChatGPT 要，複製粘貼大法。

總結

最後總結一下，這個需求其實不大，但是搜索引擎上能搜索到的有效信息很少。實話實説，在求助 ChatGPT 之前，從確定需求到被這個問題卡住，我花了接近三個工作日。然後，在我第一次用 ChatGPT 解決工作中遇到的實際問題的情況下，只花了三個小時。如果我直接帶着需求來問 ChatGPT，沒有用我提供的線索誤導它的話，可能 30 分鐘就搞定了。

所以，作為一個還算跟得上時代的程序員，ChatGPT 已經出來了兩年了，而我今年才第一次真正用它解決問題。ChatGPT 3.5 實際使用下來還是有一些缺點的，比如：有對話數量限制網絡穩定的情況下有的時候回覆也很慢，也沒有那麼聰明常常一個重複的問題要反覆摩好幾遍，最後給它問煩了，要不是最後想到讓它直接給方案，我真的想升級 4.0 了，但是升級很繁瑣，又要搞手機號、境外卡就作罷了。